CIENCIA Y AGRO
Una de cinéfilos: la Matrix de la agricultura Como en la película, Matrix es un ambiente de relación entre cosas y sucesos creado y controlado artificialmente. ¿Cómo se relaciona esto con el agro? ¿Cómo puede ayudar el machine learning a producir más y mejor?
Cuando hablamos de Machine Learning (ML, o aprendizaje automático) nos referimos al estudio científico de algoritmos y modelos estadísticos utilizados por máquinas para realizar diferentes tareas con precisión. De hecho se lo considera como un área dentro de la inteligencia artificial. Pero, ¿qué hacen los algoritmos de aprendizaje automático? Construyen modelos estadísticos basados en datos disponibles, definidos como "datos de entrenamiento", para tomar decisiones y hacer predicciones. Por otra parte, cuando hablamos de aprendizaje profundo (DL o Deep Learning) nos estamos refiriendo a una rama de los algoritmos de aprendizaje automático que utilizan varias estructuras para obtener progresivamente información de alto nivel a partir de datos sin procesar. La mayoría de los modelos de aprendizaje profundo se basan en redes neuronales artificiales (ANN), específicamente redes neuronales convolucionales (Lomma y col., 2020). Por: Permingeat, H.
6
REVISTA AAPRESID
¿Cómo se vincula el ML con la agronomía? La agricultura moderna tiene que hacer frente a varios desafíos, entre los que se in-
cluyen la creciente demanda de alimentos, el cambio climático, el agotamiento de los recursos naturales, la alteración de las opciones dietéticas y las preocupaciones por la seguridad y la salud. Como medio para abordar estos problemas existe una necesidad urgente de optimizar la eficacia de las prácticas agrícolas y en simultáneo aliviar la carga ambiental. Fueron estos dos elementos esenciales los que impulsaron la transformación de la agricultura en una agricultura de precisión. Esta modernización de la agricultura tiene un gran potencial para asegurar la sostenibilidad, la máxima productividad y un medioambiente seguro. En general, la agricultura inteligente se basa en cuatro pilares clave para hacer frente a estas crecientes necesidades: una gestión óptima de los recursos naturales, la conservación del ecosistema, el desarrollo de servicios adecuados y la utilización de tecnologías modernas. La adopción de las tecnologías de la información y comunicaciones (conocidas como TICs), es condición sine qua non de la agricultura moderna. Las TICs pueden incluir
