INTELIGENCIA ARTIFICIAL: TECNOLOGÍA DE PUNTA PRESENTE EN PROYECTO FIC FRAMBUESA

El Dr. José Naranjo, Licenciado en Física, Posgrado en Geofísica en Venezuela y Doctorado en Ciencia Tecnología Aplicada y Modelamiento Estadístico Matemático en Argentina, es el investigador encargado de trabajar los sistemas de visión por computador en agricultura del proyecto FIC Frambuesa UCM, financiado por el Gobierno Regional del Maule. Es por eso que conversamos con él para conocer sobre la Inteligencia Artificial, su incidencia en el mundo científico y su proyección.

Nos cuenta que es el encargado del desarrollo de los algoritmos de Inteligencia artificial y el tratamiento de imágenes del proyecto, para determinar la calidad de la frambuesa. Se trabaja con la segmentación semántica, vale decir, separarlas una a una y según los parámetros definidos por la industria determinar su calidad, para optimizar el mismo proceso que se hace a mano.

¿Qué es la Inteligencia Artificial?

Se define básicamente como la capacidad que tiene una máquina de aprender a hacer una tarea específica de manera autónoma. Luego se fueron desarrollando los algoritmos y las metas para que la máquina pasara de ser programada para una tarea, a aprender haciendo la tarea. Antes uno la programaba para que reaccionara de tal o cual forma, frente a un suceso, lo cual se transformó en algo muy complejo y entonces se buscó tratar de acercar eso a la forma de pensamiento humano.

En los años 50 donde se planteó estudiar lo que era ese trabajo neuronal y a partir de eso, surgieron diferentes cosas como trabajar con una estadística y probabilidades. En ese punto el Machine Learning (aprendizaje automático) englobó un gran grupo de áreas y luego surgió lo que llamamos el aprendizaje profundo, Deep Learning, ¿qué ocurrió?, el Machine Learning manejaba muy bien señales, pero le costaba trabajar con imágenes y ahí fue cuando entró el Deep Learning porque sus redes neuronales convolucionales trabajan directamente con la imagen. Antes de estas se tenía que trabajar con las imágenes buscando características que las representaran para poder estudiarlas, en cambio, con las redes neuronales convolucionales no se tiene que realizar este proceso, sino que se introduce directamente la imagen y la red aprende de esa imagen. A partir de ahí, se trabaja con un ahorro de trabajo.

¿Cuáles son los tipos de aprendizajes de la IA?

Partiendo de la base que la idea es que las máquinas aprendan cómo aprendemos los humanos, tenemos 3 tipos de aprendizajes en la IA:

• Aprendizaje Supervisado: Al modelo se le muestran cientos o miles de imágenes de uno o varios objetos identificados (etiquetados) llamados datos de entrenamiento, para que el modelo aprenda a identificarlos. Por eso en las investigaciones agrícolas se trabaja con la identificación y procesamiento de las frutas y su clasificación. Hay que considerar que los modelos de redes neuronales no tiene la cantidad de neuronas del ser humano, entonces es un proceso donde siempre hay un porcentaje de error, porque no es la misma capacidad del cerebro humano.
• Aprendizaje no supervisado: Es muy utilizado en el Machine Learning tradicional donde lo que se busca es identificar patrones en las observaciones. Se le da una cierta cantidad de información al modelo con el objetivo de que identifique patrones comunes en los datos, para que pueda separar los componentes en grupos. Así, el aprendizaje no supervisado típicamente trata los objetos de entrada como un conjunto de variables aleatorias, construyendo un modelo para agrupar el conjunto de datos según sus características comunes.
• Aprendizaje reforzado: Generalmente se utiliza para la parte robótica donde lo que se hace es premiar al modelo. Se entrena sin dar respuestas, ni elecciones, sino que a través del entrenamiento se debe llegar a un punto de la manera más expedita y rápida.

¿En qué nivel estamos en Sudamérica?

Diría que estamos en un buen nivel. En estos momentos estamos trabajando  en el laboratorio con IA en biometría y en área agrícola, por ejemplo, en biometría se está trabajando en un sistema de identificación utilizando imágenes de las venas, no las huellas digitales. Por otra parte, estamos investigando la calidad de fruta, en su recepción, con un equipo entrenado a través de algoritmos y software. En mi caso, lo estoy entrenando para frambuesas, ya que el proceso actual de selección es manual, lo cual aumenta el margen de error, en cambio, nuestro proyecto (FIC Frambuesa), apunta a disminuirlo, quitando la subjetividad de la persona.  

¿Cuáles son las ventajas de la IA?

Es preciso señalar que la Inteligencia Artificial ya tiene un rato en la industria agrícola, pero lo que nosotros hicimos fue enfocarnos en el área más ‘desamparada’. De todas maneras, sus ventajas son significativas, por ejemplo, en el campo ya se están utilizando muchas aplicaciones para determinar el tiempo de cosecha, lo cual evidencia que hay sistemas que operan tomando una imagen, la segmentan y por sus características, dicen si está o no para cosechar o inclusive para detectar enfermedades. También hay desarrollados robot para cosechar, primero se detecta el objeto, luego la distancia para orientar al robot y se cosecha. Esto está sucediendo en Australia, lo mismo ocurre con el riego en Israel, cuyos cultivos tienen una planificación de riego dependiendo de la temperatura, el viento, la humedad, etcétera, para no perder el agua. Todo es automatizado.

¿Cuál es el futuro de la Inteligencia Artificial en agricultura?

Claramente es ilimitado. En el área agrícola se están comenzando a utilizar drones para estimar la posible producción del campo, con el fin de determinar qué producción podrían tener, lo que está vinculado con la parte económica, el financiamiento, la mano de obra y las enfermedades, para atacarlas a tiempo. Entonces el objetivo es ser más eficiente y optimizar la producción con el fin de tener la menor pérdida posible. Esto también se acrecienta por la disminución de mano de obra en el campo, por lo que todo tenderá a ser automatizado.  

Respecto de esto último, ¿cómo visualiza en trabajo en el laboratorio?

Con mucho crecimiento, por cuanto la IA nos permite seguir aportando a través de proyectos útiles para el desarrollo de la Región del Maule, de Chile y del mundo. Además, como mencionaba, contamos con las herramientas para generar proyectos de automatización para empresas. Por ejemplo, hay servicios como Microsoft Azure, Google Colab, Amazons Web Services, que ofrecen los algoritmos de IA para armar los modelos desde sus cuentas. Todo esto hace que el laboratorio tienda a emigrar a nuevas áreas del conocimiento, donde las empresas no resuelven, sino que uno es el que le resuelve los problemas.

www.litrp.cl