NDIZI

NDIZI es una iniciativa de investigación basada en la inteligencia artificial que recopila información detallada de los agricultores a través de voz, texto e imágenes. Aprovecha los métodos más avanzados de aprendizaje automático para convertir los datos en conocimientos útiles para numerosos sectores, como la investigación y el desarrollo (por ejemplo, el fitomejoramiento) y los estudios de mercado (por ejemplo, las preferencias de los consumidores). Tiende un puente entre las preferencias de los agricultores y las decisiones de mejora genética, lo que permite el desarrollo escalable y basado en datos de mejores variedades de cultivos.

Nombre del proyecto (completo): NDIZI - NLP para desarrollar e innovar en inteligencia «zero-shot»

Región y países: Más que centrarse en un ámbito geográfico específico, este proyecto se enfoca en lenguas africanas con menor disponibilidad de recursos lingüísticos digitales, entre ellas el suajili, el chichewa, el amárico, el hausa, el wolof y el yoruba. Entre las lenguas con mayor disponibilidad de este tipo de recursos, el proyecto trabaja con inglés, francés y español.

Financiador: La Fundación Gates

Socio: Instituto de Investigación Agrícola de Tanzania (TARI)

Qué hace NDIZI

NDIZI aborda una carencia persistente en la investigación agrícola: aunque se han realizado importantes inversiones en el fitomejoramiento, los métodos para recabar las preferencias de los agricultores —fundamentales para la adopción de variedades— siguen siendo limitados en cuanto a profundidad, escala y facilidad de uso. Las encuestas tradicionales a menudo no logran captar los matices de las observaciones de los agricultores, especialmente en entornos diversos y con escasos recursos.

La iniciativa tiene como objetivo poner a prueba y hacer operativo un nuevo paradigma: el uso de IA para recopilar y analizar comentarios detallados y multimodales de los agricultores. Su núcleo es Sikia, una aplicación móvil integrada que combina el reconocimiento automático del habla (ASR), modelos de lenguaje pequeños y grandes (SLM/LLM) y visión artificial para capturar datos de voz, texto e imágenes directamente de los ensayos en las fincas. A través de indicaciones conversacionales y dinámicas, NDIZI permite a los agricultores expresar sus preferencias con sus propias palabras, mientras que los sistemas de IA estructuran esta información en conocimientos a nivel de rasgo alineados con los flujos de trabajo de mejora genética.

Lo que hace que NDIZI sea único es su capacidad para recopilar datos sin conexión en entornos con conectividad limitada, así como su enfoque multilingüe y centrado en los agricultores. NDIZI se centra principalmente en las lenguas africanas con menor disponibilidad de recursos lingüísticos digitales (suajili, chichewa, amárico, hausa, wolof, yoruba y shona). Entre las lenguas con más recursos, el proyecto se centrará en el inglés, el francés y el español.

NDIZI - Alliance Bioversity International - CIAT - Image 2

Actividades principales

NDIZI se lleva a cabo mediante un conjunto de actividades coordinadas de investigación y desarrollo que combinan el desarrollo de modelos de IA, la validación sobre el terreno y una estrecha colaboración con programas de mejora genética. El trabajo comienza con la mejora de componentes fundamentales, como el reconocimiento automático del habla (ASR) y los modelos lingüísticos, para procesar mejor el discurso de los agricultores y extraer información relevante en idiomas con pocos recursos lingüísticos digitales y en condiciones de campo con mucho ruido.

Un aspecto clave es ampliar la capacidad multilingüe (incluidos el suajili, el chichewa, el amárico, el hausa, el wolof, el yoruba y el shona, así como el inglés, el francés y el español), lo cual es fundamental para garantizar que la información aportada por los agricultores pueda servir de base para los procesos de mejora genética más allá de un único contexto lingüístico y responder a la demanda demostrada por parte de socios como CIMMYT.

Estos componentes se integran en Sikia, una herramienta móvil de recolección de datos que puede funcionar sin conexión y que utiliza IA agéntica, combinando modelos alojados en el dispositivo y en la nube. Las pruebas de campo, realizadas en colaboración con socios de programas de mejoramiento, permiten probar y comparar distintos enfoques de IA conversacional y generar conjuntos de datos para evaluar la calidad de la información, la facilidad de uso y la capacidad de generar conocimiento útil. Un componente central del trabajo es el desarrollo e implementación de un marco ético para la IA. Esto incluye garantizar el consentimiento informado, proteger los datos de los agricultores y monitorear y mitigar sistemáticamente los sesgos entre distintos grupos demográficos y lenguas. En conjunto, estas actividades buscan evaluar si los enfoques basados en IA, multilingües y sustentados en principios éticos pueden generar insumos confiables y escalables para la toma de decisiones en los programas de mejoramiento.