Criterios para la configuración de plataformas de inteligencia aumentada para el mejoramiento de la sostenibilidad de cultivos agrícolas

Abstract

El desarrollo de la inteligencia artificial ha planteado una serie de retos en cuanto al futuro y la sostenibilidad del trabajo humano. Sin embargo, el desarrollo de la tecnología ha traído consigo el desarrollo de conceptos como el de la inteligencia aumentada (IA), el cual tiene por objetivo el mejoramiento de las capacidades humanas mediante la interacción hombre-máquina para la solución de problemas complejos en diferentes áreas del conoci miento. Esta interacción supone una serie de retos desde lo tecnológico, ya que la experiencia humana es un proceso complejo de transfer learning para que las máquinas sean un comple mento perfecto de las personas. En el contexto de la agricultura de precisión, las plataformas de inteligencia aumentada (AIP, por sus siglas en inglés) han surgido como una alternativa importante para el fortalecimiento de las capacidades en la detección y diagnóstico de estados fitosanitarios o agroclimáticos. En este artículo, se propone una metodología para la configu ración de las AIP, integrando tres elementos que son fundamentales para la sostenibilidad de cultivos como son: imágenes áreas espectrales utilizando vehículos aéreos no tripulados (UAV, por sus siglas en inglés), mapas de pronóstico para describir la dispersión de enfermedades y sus vectores asociados en campo, modelos deep y machine learning para la caracterización auto mática de eventos fitosanitarios o agroclimáticos, así como redes IoT-IoB (Internet of Things e Internet of Beings) para la interacción hombre-dispositivos. Para la evaluación de estas platafor mas, se propone un GAP de sostenibilidad, el cual evalúa de una manera integral la reducción en el uso de pesticidas y fertilizantes, así como la sostenibilidad de los puestos de trabajo en un futuro de largo plazo, y en donde la inteligencia artificial tendrá un papel preponderante en el desarrollo agrícola en el mundo.

The development of artificial intelligence has posed several challenges regar ding the future and sustainability of human work. However, the development of technology has brought concepts such as augmented intelligence (AI), which aims to improve human capabilities through human-machine interaction to solve complex problems in different areas of knowledge. This interaction entails a series of technological challenges since the human experience is a complex transfer learning process in which machines are a perfect complement to people. In the context of precision agriculture, AI platforms (AIPs) have emerged as an important alternative to strengthen capacities for the detection and diagnosis of phytosanitary or agroclimatic conditions. This article proposes a methodology for the configuration of AIPs by integrating three fundamental elements for the sustainability of crops: spectral aerial images using unmanned aerial vehicles (UAVs), forecast maps to describe the spread of diseases and their associated vectors in the field, deep & machine learning models for the automatic charac terization of phytosanitary or agroclimatic events, and IoT-IoB (Internet of Things & Internet of Beings) networks for human-device interaction. For the evaluation of these platforms, a sustainability gap is proposed, which comprehensively assesses the reduction in pesticide and fertilizer use, as well as the sustainability of jobs in the long-term future where artificial intelli gence will play a leading role in the agricultural development in the world.