Skip to main content

Adopción de Inteligencia Artificial en la salmonicultura chilena

Pablo Valdés Donoso, Data Scientist en Cryoocyte. Foto: Cryoocyte.
Pablo Valdés Donoso, Data Scientist en Cryoocyte. Foto: Cryoocyte.

*Columna de opinión para Salmonexpert de Pablo Valdés Donoso, Data Scientist en Cryoocyte.

La inteligencia artificial o AI (por Artificial Intelligence), en términos generales, intenta emular procesos cognitivos propios del ser humano, como la resolución de problemas, la comparación de patrones y la creación de nuevos patrones, utilizando máquinas.

El proceso de aprendizaje y autocorrección utilizado por la inteligencia artificial se basa en la recolección de grandes volúmenes de datos (Big Data), utilización de reglas para usar información y generación de resultados (que pueden derivar en la generación de nuevas reglas) que pueden conducir a una acción, o un set de acciones.

La inteligencia artificial puede ser diseñada para resolver problemas puntuales, usualmente llamada inteligencia artificial limitada. También puede resolver procesos cognitivos complejos, por ejemplo, solucionar problemas dado el aprendizaje obtenido de la resolución de problemas diferentes. Usualmente, esto se conoce como inteligencia artificial profunda.

El uso de robots que desarrollan tareas específicas, el monitoreo de la salud de cultivos a través del uso de sensores ­y la utilización del aprendizaje automático (machine learning) para evaluar y predecir los impactos ambientales y prácticas productivas en el rendimiento, son tres áreas claves asociadas al desarrollo de inteligencia artificial en sistemas de producción de alimentos.

Un artículo publicado este año en la revista científica Precision Agriculture, reveló que 18 estudios reportaron ganancias dada la adopción de automatización de procesos y/o tecnologías robóticas en sistemas agrícolas en EE.UU. Estos estudios se enfocaron básicamente en el costo y retorno de inversión en base a prototipos. Los autores del artículo enfatizaron que se requieren mas análisis basados en situaciones reales, además de estimar los efectos integrados y a largo plazo, como cambios en los sistemas de cultivo, impactos en los mercados y demanda de mano de obra especializada.

El desarrollo de nuevas tecnologías de sensores ha permitido la recolección de grandes cantidades de datos. Sin embargo, comúnmente el uso de estos sensores se limita a realizar una acción específica (por ejemplo, detener la alimentación cuando existe caída de pellets al fondo marino) y la información generada no se integra con el resto de la cadena productiva.

Un artículo publicado este año por McKinsey & Company indicó que un 60% de los líderes empresariales encuestados reconoce que el uso de sensores puede entregar información relevante para sus empresas, aunque sólo un 10% afirma que la información generada por dichos sensores se utiliza exhaustivamente dentro de ellas. Muchos argumentaron que es difícil la extracción, gestión y análisis de datos a tiempo real. Esto es consistente con una evaluación hecha por la misma firma a una empresa de gas en EE.UU., donde se reportó que los gerentes utilizaron nada más que el 1% de los datos generados por 30.000 sensores para tomar decisiones sobre planificación y mantenimiento.

Como empresa dedicada al manejo y análisis de datos en sistemas de acuicultura, hemos observado una situación similar en la industria salmonicultora en Chile. Existe generación de información desde muchas fuentes, muchas de ellas sensores ubicados en centros de cultivo y plantas, pero desafortunadamente se subutiliza. Muchas empresas no tienen las capacidades de consolidar, armonizar y actualizar la información proveniente de sensores –y otras fuentes de datos– en bases centralizadas o Data Cloud. Por tanto, mucha información generada no es considerada en los análisis.

La aplicación de inteligencia artificial en acuicultura debe ir mucho mas allá de la implementación aislada de tecnologías que ayudan a solucionar un problema específico en la cadena productiva. La generación y análisis integrado del big data constituye el valor principal de la inteligencia artificial. Encontrar patrones en los datos para aprender e incluso revelar información oculta que ofrezca soluciones a problemas complejos de la salmonicultura en Chile es el próximo desafío de esta industria. Para esto es clave entender que existen muchas herramientas (sensores, softwares de producción, entre otras) dentro del proceso de producción que generan información valiosa, sólo cuando dichos flujos de información son consolidados para luego ser correcta y oportunamente analizados.