From the Field Bruno y los fríjoles amarillos: Inteligencia artificial en el campo
En el Día Mundial de las Legumbres descubra cómo se está logrando en Tanzania un cultivo de fríjoles inteligente desde el punto de vista climático mediante una combinación de innovación de alta tecnología y soluciones de bajo costo.
El calor rebota en las rocas mientras Bakari Hamisi Sumawe se dirige a su campo de fríjoles. No es un camino corto. Se tarda alrededor de una hora en llegar a su parcela, sorteando empinadas pendientes rocosas y espesos senderos forestales.
"¿Por qué cultivamos en un valle?", reflexiona. "Porque hay un suministro fiable de agua para el riego. Siempre hay posibilidades de obtener una buena cosecha gracias al suministro constante de agua", explica.
Las plantas de fríjol común necesitan agua para florecer. Sin agua, procedente de fuentes de riego o de la lluvia, las flores se marchitan. Menos flores se convierten entonces en vainas, y eso se traduce en un menor rendimiento.
En un giro de cruel ironía, tan a menudo asociado al cambio climático, Sumawe se enfrenta a otro problema: demasiada lluvia. "Cuando llueve demasiado para cosechar, es difícil almacenar [los fríjoles]. Es costoso, los costos superan a la producción", explica.
Edith Kadege, fitopatóloga del Instituto de Investigación Agrícola de Tanzania (TARI, sus siglas en inglés), recoge un fríjol podrido atrapado en el agua. A lo largo de los años, TARI ha lanzado más de 30 variedades mejoradas de fríjoles para ayudar a los agricultores a vencer la sequía o a combatir las inundaciones.
"Cuando desarrollamos una variedad, no puede quedarse en nuestra estantería", explica. "Después de desarrollar los fríjoles nuevos, mejorados, resistentes a la sequía o a las enfermedades [junto con los aliados], los multiplicamos y trabajamos con las empresas de semillas para garantizar que los agricultores puedan conseguirlos."
Pero, dice:
"Con el cambio climático, las variedades desarrolladas ahora podrían no ser útiles en dos o tres años, cuando surjan nuevos patotipos. Así que el proceso de mejora debe ser continuo para ayudar a los agricultores."
A unas horas de la parcela de Bakari, en la granja de ensayo de la Alianza de Bioversity International y el CIAT, aliado de TARI, los investigadores trabajan en un proyecto llamado Artemis, que utiliza Inteligencia Artificial (IA) para acelerar la reproducción.
El agricultor Bakari Hamisi Sumawe en Karatu, Arusha (Tanzania)
El Dr. Stephen Mutuvi, investigador de aprendizaje automático, explica: "Todos sabemos que los computadores pueden procesar datos en muy poco tiempo, cosa que un agricultor no puede hacer, por ejemplo, ir al campo y contar cada vaina de cada parcela todos los días, es casi imposible".
"Pero con los computadores podemos tomar imágenes rápidamente utilizando tecnologías de visión por computador y analizar los datos en muy poco tiempo, durante toda la temporada. Es importante ver cómo cambian las cosas a lo largo de la temporada, algo que la IA es capaz de ayudarnos a hacer."
"Con el aprendizaje automático, somos capaces de 'enseñar' a los computadores características importantes como el recuento de flores y de vainas, para que puedan reconocerlas y contarlas. El objetivo es disponer de modelos implementados en teléfonos móviles o dispositivos portátiles accesibles a los agricultores y criadores a nivel nacional en todo el mundo."
Recopilación de datos digitales para modelos de mejora de IA con Bruno, en los ensayos de campo de la Alianza de Bioversity International y el CIAT en Arusha, Tanzania.
En un campo de fríjoles amarillos de reciente cultivo, el Dr. Teshale Mamo cuenta cómo, con el paso de los años, se han ido cultivando nuevos fríjoles resistentes a la sequía y al calor, a enfermedades y plagas, de alto rendimiento con tiempos de cocción cortos y más nutritivos, con un alto contenido en hierro y zinc.
Por ejemplo, el fríjol amarillo KAT B-1 o Selian 14 es muy demandado por los consumidores en África oriental por su escasa flatulencia, buen sabor y corto tiempo de cocción entre los clientes, así como por los agricultores, por su capacidad para alcanzar un precio elevado. Pero tiene puntos débiles: es susceptible a las enfermedades y rinde poco.
Desde hace tres años, el Dr. Mamo cruza el popular fríjol amarillo con variedades de mayor rendimiento y más resistentes a las enfermedades, desarrolladas en Colombia donde la Alianza de Bioversity International y el CIAT gestiona el banco de germoplasma de fríjoles más importante. Las nuevas variedades se probarán en distintos lugares y se pondrán a disposición de las estaciones nacionales de investigación de toda África.
El proceso de cruzamiento duró tres años porque el "fenotipado", la identificación de rasgos, como cuántas flores tienen las plantas, se hizo manualmente. Por lo general, para recopilar datos suficientes que permitan comprender cómo responden las plantas al medio ambiente, el proceso de mejoramiento requiere cinco años o más.
Recopilación de datos digitales para modelos de mejora de IA para detectar enfermedades, en los ensayos de campo de la Alianza de Bioversity International y el CIAT en Arusha.
El fenotipado basado en Inteligencia Artificial puede acelerar el ciclo de mejora en un 50 %. "Con las presiones de la seguridad alimentaria, acelerar los procesos de mejora nos ayudará a obtener nuevas variedades para aumentar la productividad en las explotaciones", afirma el Dr. Mamo.
Conoce a Bruno: una herramienta digital fabricada con piezas de bicicleta y palos de selfie, y otros materiales locales de fácil acceso que podrían arreglar una bici, un microondas o una radio. Con dos teléfonos android atados a sus lados, puede capturar rápidamente datos, como el número de vainas, en cuestión de segundos.
Ellena Girma, analista de datos de Artemis, explica: "Como mejorador, si mi objetivo es contar el número de vainas en un campo, lo que ayudaría a indicar el potencial de rendimiento de una variedad, tradicionalmente solo podría seleccionar entre 5 y 10 plantas que se convertirían en representativas de esa parcela específica".
"En la parcela 10, puede que tenga calor y esté cansado", y los programas de mejora pueden tener entre 100 y 1.000 parcelas. "Pero cualquier recogida de datos inexacta se traduciría en errores en el rendimiento de las variedades. Habría que hacer más ensayos para obtener precisión".
Comprobación del ADN de plantas de fríjol en el laboratorio molecular para determinar rasgos específicos, como la resistencia a la sequía, en la Alianza de Bioversity International y el CIAT.
"Los datos de calidad, por ejemplo el número exacto de vainas, agilizan la toma de decisiones", explica Girma. Al mismo tiempo, algunos aspectos, como la enfermedad del fríjol, son difíciles de medir. Cuando se trata de clasificar una enfermedad en una escala del 1 al 9, ¿qué es un 4 y qué un 5? Los humanos no son tan buenos como los ordenadores a la hora de recopilar y analizar datos de forma objetiva y con un error mínimo.
Se puede entrenar a los computadores para que seleccionen imágenes de flores o vainas y calculen la cantidad para deducir el rendimiento potencial en cuestión de minutos. Esto llevaría semanas o meses si se dejara en manos de los humanos. Con Bruno, se pueden analizar parcelas completas en segundos.
Estas son buenas noticias para agricultores como Sumawe. Si se acelera el proceso de mejora, los pequeños agricultores podrán acceder más rápidamente a fríjoles capaces de superar los nuevos retos climáticos. Y con una tecnología digital mejorada, también pueden aconsejar qué rasgos deben cultivarse.
Especialmente en el África subsahariana, donde el número de agricultores es grande y el de extensionistas y mejoradores pequeño, los investigadores que trabajan en el proyecto Artemis creen que la IA puede colmar esa brecha de conocimientos en el futuro.
El equipo
Teshale A. Mamo
Bean Breeder
