Inteligencia artificial para mejores cosechas

Enjambres de langostas que devastan los cultivos en África Oriental, gusanos de la raíz del maíz que causan estragos en el Medio Oeste de Estados Unidos. Las plagas destruyen los árboles del caucho en Brasil y asolan las papas en el sur de la India. Los patrones meteorológicos impredecibles y erráticos provocados por el cambio climático no harán sino exacerbar estos problemas —y, según los científicos, aumentar las probabilidades de que las enfermedades de los cultivos ataquen e inflijan graves daños—.

Un solo invierno cálido puede permitir a una plaga invadir nuevos territorios. Los gusanos del maíz y del mijo y las moscas de la fruta Tephritid, que se alimentan de frutas y verduras, se han extendido a nuevos lugares como consecuencia del calentamiento. Se prevé que las langostas del desierto, que destruyen cosechas enteras cuando pululan, ataquen nuevas regiones al cambiar sus rutas migratorias. Se trata de un grave problema en un mundo en el que se calcula que entre 700 y 800 millones de personas pasaban hambre en 2021 y en el que la población mundial seguirá creciendo.

La fitopatóloga Karen Garrett, de la Universidad de Florida en Gainesville, cree que la inteligencia artificial (IA) podría ser muy valiosa en la lucha contra estas plagas. Si la agricultura se equipa con herramientas de IA rentables que puedan identificar las enfermedades de los cultivos y las infestaciones de plagas en una fase temprana de su desarrollo, los agricultores y otras personas podrán detectar los problemas antes de que se propaguen y causen daños reales, afirma, un tema que ella y sus colegas analizan en el Annual Review of Phytopathology de 2022. Esta entrevista ha sido editada para lograr más claridad.

Usted se especializa en el estudio de las enfermedades de las plantas, así que vamos a profundizar en este tema desde ese ángulo. ¿Cómo afectan los cambios ambientales y climáticos a las plantas y a la aparición de enfermedades de las plantas?

La mayoría de los patógenos tienen un rango de temperaturas que les favorece. Desde el punto de vista de un patógeno, algunos años pueden ser mejores que otros. A veces, un invierno duro o una larga sequía acabarán con un patógeno. Pero no lo hará en un año templado, por lo que el patógeno prosperará y puede haber más enfermedad en las temporadas siguientes.

Pensemos en el tizón tardío de la papa. Es un famoso ejemplo de enfermedad vegetal que tuvo un gran impacto en la sociedad europea a mediados de la década de 1840. El tizón tardío fue una de las causas de la hambruna irlandesa de la patata, que generó un gran éxodo de población de Irlanda.

Primero se introdujo el patógeno. Luego hubo algunos años en los que las condiciones meteorológicas favorecieron mucho al patógeno: tiempo fresco y húmedo. Como resultado, el patógeno prosperó, causando estragos en la cosecha. Se calcula que un millón de personas murieron y un millón huyeron del país durante esa época.

En la actualidad, allí donde las temperaturas son más templadas, como en las zonas más elevadas y hacia los polos de la Tierra, los patógenos favorecidos por las condiciones templadas pueden desplazarse a nuevas regiones y volverse más destructivos.

Cuando aparecen nuevas enfermedades en los cultivos, ¿cómo se puede estar seguro de que están relacionadas con el cambio climático?

Cualquier epidemia de cultivos es como una tormenta. Es difícil decir si una tormenta individual se debe al cambio climático o no, pero se pueden empezar a sacar conclusiones.

Una cosa de la que los fitopatólogos hablan todo el tiempo es el “triángulo de la enfermedad”. Para contraer una enfermedad hacen falta tres cosas: un patógeno capaz de infectar, un entorno propicio y una planta huésped que pueda infectarse. Si el entorno cambia, por ejemplo, por el cambio climático, de modo que el clima que favorece a un patógeno es más común, será más fácil que el patógeno prospere y ataque a más plantas. Las decisiones de las personas sobre cómo gestionar las enfermedades de las plantas constituyen otra dimensión. A menudo, varios de estos componentes cambian al mismo tiempo, por lo que es difícil decir qué parte del daño de una epidemia se debe estrictamente al cambio climático.

Añadamos la inteligencia artificial a este debate. ¿Cómo puede ayudar la IA a mitigar las amenazas de los patógenos a los cultivos?

La inteligencia artificial es la inteligencia producida por una máquina, como un sistema informático dotado de algoritmos de aprendizaje que puede ir mejorando su capacidad de hacer predicciones a medida que obtiene más información. Estas herramientas son tan avanzadas que pueden procesar enormes cantidades de información en cuestión de segundos. En cuanto a la resistencia de los cultivos, la IA puede ayudar a mejorar las herramientas de vigilancia de los cultivos, a diseñar mejores robots para distribuir pesticidas o cosechar, y a mejorar los programas informáticos que ayudan a mejorar rasgos como la resistencia a las enfermedades y la tolerancia a la sequía. Tiene un fuerte componente social, ya que puede ayudar a agricultores y responsables políticos a tomar decisiones inteligentes.

Desglosemos cada una de ellas. ¿Cómo se ha utilizado la IA en las técnicas de vigilancia y cuáles son las tecnologías existentes? ¿Puede explicarlo?

Si pensamos en el aumento de una epidemia en una zona, en las primeras fases, la enfermedad solo está en unos pocos lugares. Más adelante, empezará a crecer rápidamente. La vigilancia tiene potencial para emplear técnicas de teledetección, como drones e imágenes por satélite, que pueden identificar la ubicación de cultivos en tierras de cultivo infectadas por patógenos. Las herramientas de IA ya pueden utilizar el análisis de imágenes para detectar cambios en la coloración de hojas, flores o frutos, e incluso sus formas o tamaños.

Identificar las enfermedades y actuar a tiempo puede facilitar mucho la gestión de una epidemia. Antes, los datos de los satélites eran muy toscos: no se podía obtener una resolución suficientemente alta para diagnosticar un problema. Pero la resolución sigue mejorando. Por ello, su potencial para la vigilancia es cada vez mayor.

¿Cómo utiliza exactamente la IA el análisis de imágenes en estas herramientas?

Al principio hay mucho trabajo. En primer lugar, hay que recopilar y curar miles de imágenes de plantas sanas y enfermas en distintas condiciones. Recopilar y curar estas imágenes requiere tiempo e inversión. Luego se desarrollan algoritmos que aprenden de estas imágenes de plantas sanas y enfermas para identificar firmas de enfermedad.

Muchas enfermedades tienen síntomas característicos que pueden detectarse visualmente. Por ejemplo, si un dron puede tomar imágenes de grandes campos, esas imágenes pueden compararse y analizarse mediante IA para diagnosticar eficazmente las enfermedades visibles de los cultivos.

Por ejemplo, nuestro coautor Michael Selvaraj ha estado trabajando en esta tecnología para identificar enfermedades en los bananos en Colombia. En Florida, algunos agricultores han invertido en drones para la vigilancia. Actualmente, algunos cultivadores escanean ellos mismos las imágenes de los drones para obtener una visión rápida de sus huertos. Es probable que esto se sustituya gradualmente por el análisis automatizado de imágenes de los vídeos de los huertos, a medida que el análisis de imágenes se desarrolle más y pueda encontrar con eficacia las plantas enfermas.

Pero también hay problemas de normativa de seguridad, porque el uso no planificado de drones podría crear riesgos para la seguridad de los ciudadanos. Todavía es un sector joven. Pero como tiene muchas ventajas, creo que no hará más que crecer, a medida que las políticas encuentren un equilibrio entre la protección del público y los beneficios para la agricultura.

¿Y cómo puede utilizarse la IA con herramientas robóticas para contribuir a la resistencia de los cultivos?

La robótica agrícola es un campo en pleno crecimiento. Un ejemplo interesante de IA ya en marcha es la separación de la fruta sana de la infectada por patógenos o dañada de alguna otra forma.

La fruta puede distinguirse a menudo como enferma o no, basándose en el color y la forma. Estas herramientas de IA pueden procesar esas imágenes de forma mucho más rápida y coherente, de modo que la fruta descolorida y de baja calidad —que a menudo está infectada por patógenos— se separa automáticamente.

También está la idea de utilizar drones que puedan recoger y analizar imágenes y luego tomar medidas inmediatas basadas en los análisis, por ejemplo, para decidir si se rocía un pesticida. Creo que estas herramientas estarán probablemente listas para un uso más amplio en un futuro próximo, y necesitarán nuevamente buenas políticas.

Cuénteme más sobre cómo las herramientas de IA pueden ayudar en el fitomejoramiento y en la creación de cepas más resistentes.

El fitomejoramiento es, en parte, un juego de números, porque hay que criar plantas y procesar mucha descendencia individual cuando se busca un rasgo. Los fitomejoradores buscan entre estos descendientes buenos rasgos para su posterior desarrollo.

Los fitomejoradores pueden utilizar herramientas de IA para predecir qué plantas crecerán rápidamente en un clima determinado, qué genes las ayudarán a prosperar allí y qué cruces entre parentales de plantas producirán probablemente mejores rasgos. Los rasgos pueden estar relacionados con la velocidad de crecimiento, las propiedades culinarias, el rendimiento y la resistencia a patógenos. Los fitomejoradores inoculan un patógeno a la descendencia y observan cuáles son resistentes y qué genes están asociados a la resistencia.

La IA puede acelerar el análisis de un gran número de secuencias genéticas relacionadas con estas propiedades y encontrar la combinación correcta de secuencias de ADN que se necesita para un rasgo deseable. Y el análisis de imágenes se utiliza cada vez más para caracterizar la descendencia en los programas de mejora de los principales cultivos económicos, como el trigo, el maíz y la soya.

¿Cómo han incorporado los agricultores las herramientas de IA en todo el mundo?

Personas han estado trabajando en herramientas de análisis de imágenes de enfermedades para que los agricultores puedan hacer una foto de su planta y luego obtener una evaluación utilizando un teléfono. Por ejemplo, PlantVillage Nuru es una aplicación que utiliza el análisis de imágenes para diagnosticar posibles enfermedades en los cultivos. Utiliza aprendizaje automático y miles de imágenes de enfermedades de cultivos recopiladas por expertos de todo el mundo. Las imágenes son analizadas por la IA y ayudan a los agricultores a tomar decisiones informadas sobre la gestión de los cultivos.

El análisis de imágenes para el diagnóstico de enfermedades no suele ser preciso al cien por ciento, pero puede proporcionar un nivel de confianza que ayude a los agricultores a diagnosticar las enfermedades de sus cultivos y a comprender la incertidumbre.

¿Cuáles son algunos de los retos que plantea el desarrollo de este tipo de herramientas de IA?

Por un lado, se necesitan muchos datos para que el sistema de IA aprenda de ellos. Para crear una herramienta de análisis de imágenes para diagnóstico, es necesario incluir un conjunto representativo de variedades de cultivos, que pueden tener una amplia gama de formas y coloraciones. Un gran reto es conseguir suficientes imágenes etiquetadas correctamente para que la herramienta de análisis de imágenes pueda aprender.

Otra cuestión importante es el costo. Puede haber muchas herramientas que hagan lo que uno quiere que hagan, pero ¿el beneficio que aportan es lo suficientemente grande como para que merezca la pena la inversión en costos? Creo que hay muchas herramientas de IA que ya son útiles, pero quizá aún no sean rentables para los agricultores. Muchas de las aplicaciones actuales se dan en casos en los que se procesan materiales de muy alto valor, como en la manipulación de la fruta después de la cosecha y en la mejora de los cultivos.

Otro tipo de reto es la formación y el desarrollo de capacidades para que el uso de estas herramientas no dependa de un solo experto, sino que se generalice. Un reto para la IA, y las nuevas tecnologías en general, es garantizar que los costos y beneficios se distribuyan equitativamente en la sociedad.

¿Cuál es su visión ideal para garantizar un sistema de seguridad alimentaria futuro resiliente al clima?

Para ser resilientes al cambio climático, nuestros sistemas alimentarios deben estar diseñados para responder rápidamente a los nuevos desafíos. Podemos predecir algunos retos futuros, pero es probable que algunos cambios nos sorprendan. La educación y el desarrollo de capacidades son fundamentales para la resistencia, junto con una cooperación eficaz a nivel local y mundial. La propuesta internacional de un sistema mundial de vigilancia de las enfermedades de las plantas es una visión inspiradora.

Para la seguridad alimentaria en general, necesitamos apoyar la educación científica y el desarrollo de capacidades, para hacer el mejor uso de nuestras tecnologías actuales y apoyar el desarrollo de mejores tecnologías. Tenemos que trabajar por unos sistemas alimentarios que minimicen los efectos negativos de la agricultura en las zonas silvestres y maximicen los beneficios para la salud humana.

Artículo traducido por Debbie Ponchner