Cómo la Inteligencia Artificial puede ayudar a combatir la pobreza

Inteligencia Artificial Pobreza

Según las Naciones Unidas, se espera que la población mundial alcance los 9.6 mil millones para 2050, y los expertos advierten que si los científicos no encuentran formas más eficientes de usar y proteger los recursos agrícolas limitados, como la tierra, el agua y la energía, podría haber una crisis alimentaria mundial. Por este motivo, eliminar el hambre en el mundo es una de las principales prioridades de los Objetivos de Desarrollo Sostenible de las Naciones Unidas, que la organización supranacional espera alcanzar para 2030, y donde entra en acción las tecnologías como la Inteligencia Artificial.

Actualmente, una de cada nueve personas, o 795 millones de personas, no tiene alimentos suficientes para llevar una vida activa y saludable. Por tercer año consecutivo, el hambre en el mundo ha aumentado: en 2017, alrededor de 821 millones de personas sufrieron desnutrición por falta crónica de alimentos, informó la Organización de las Naciones Unidas para la Agricultura y la Alimentación.

A medida que la hambruna continúa aumentando a niveles que no hemos visto desde hace una década, es cada vez más crítico examinar la manera en que las tecnologías emergentes como la Inteligencia Aritificial y el Machine Learning pueden frenar este problema recurrente. «Estamos en medio del mayor cambio [social] desde la Edad del Hierro», dijo Elisabeth Mason, directora fundadora del Laboratorio de Tecnología y Pobreza de la Universidad de Stanford. «¿Cómo estamos aprovechando las nuevas tecnologías y habilidades para abordar estos problemas?»

El aprendizaje automático (ML) y la inteligencia artificial (IA) se encuentran entre las nuevas tecnologías en las que confían los líderes para ayudar a aliviar una crisis alimentaria mundial. Ya, las tecnologías ML y AI están prediciendo regiones empobrecidas en todo el mundo, utilizando los datos para encontrar soluciones para mitigar el hambre global.

En Stanford, los investigadores están usando la inteligencia artificial y el aprendizaje automático para ayudar a las organizaciones humanitarias a medir el impacto de sus esfuerzos, mientras que Carnegie Mellon aprovecha su potencial para mejorar los cultivos a escala global. Aquí hay un vistazo a algunas de estas soluciones en acción.

Una fuente de alimento abundante

Los investigadores de Carnegie Mellon están trabajando con agricultores de los Estados Unidos para cultivar más «cultivos de alto valor», como uvas y manzanas, utilizando el aprendizaje automático, robots y aviones no tripulados. Los científicos planean aplicar lo que aprenden sobre la fruta para producir cultivos básicos. Por ejemplo, «cualquier información que aprendamos sobre el cultivo de «cultivos de alto valor» se puede aplicar al cultivo de sorgo», explicó George A. Kantor, un científico de sistemas de Carnegie Mellon. El sorgo es común en las regiones de África subsahariana y asiática y puede soportar el calor extremo y la sequía.

Entonces, ¿cómo, exactamente, funciona la tecnología? El programa utiliza un robot, sensores y una cámara de alta calidad para tomar fotos de la cabeza de grano del sorgo. En el back-end, la tecnología de inteligencia artificial mira las fotos y extrae información, como el tamaño de la cabeza del grano y el número y el tamaño de las semillas, luego estima la calidad y la madurez del cultivo.

El proceso permite a los expertos de cultivos comparar más de 1,000 variedades de sorgo y tomar mejores decisiones sobre la siembra, el cultivo y la cosecha. El objetivo final, como afirma el sitio de la universidad, es ayudar a los agricultores a desarrollar “plantas que produzcan más alimentos con menos agua”.

«Usamos robots, sensores e inteligencia artificial para mejorar el proceso de reproducción, y como resultado, los agricultores terminan con una nueva variedad de sorgo de mayor rendimiento», explicó Kantor. Finalmente, en lugar de dar a los agricultores de África e India tecnología avanzada como robots y sensores, los investigadores de Carnegie Mellon esperan entregar estas nuevas semillas directamente a los agricultores locales para que produzcan cultivos de mayor rendimiento. En lugar de tener que aprender todo el equipo nuevo, los agricultores pronto podrán plantar semillas que se desempeñen mejor.

Carnegie Mellon también se asoció con la Universidad de Clemson para analizar el crecimiento de las plantas. Los fitomejoradores ven potencial con el sorgo porque, como el maíz, el sorgo se puede utilizar como fuente de grano para los humanos y el ganado. Sin embargo, el proceso para producir sorgo más fuerte no es instantáneo. «El fitomejoramiento es lento y se necesitan varios años para obtener un nuevo producto», dijo Kantor.

Predicción de áreas de pobreza

En la Universidad de Stanford, los investigadores del Laboratorio de Sostenibilidad e Inteligencia Artificial están utilizando el aprendizaje automático y los datos de la teledetección para predecir los rendimientos de los cultivos, específicamente, en relación con la soja.

«Si tenemos un modelo que funcione para la soja de EE. UU., Tal vez podamos capacitar a ese modelo para áreas con menos datos», dijo Marshall Burke, profesor asistente de ciencias del sistema de la Tierra en Stanford y miembro del Centro de Seguridad Alimentaria y Medio Ambiente. . Los investigadores creen que comprender los rendimientos de los cultivos ayudará a los agricultores de todo el mundo a tomar mejores decisiones de siembra al aumentar su capacidad para identificar regiones de bajo rendimiento.

Los científicos de Stanford también están trabajando para localizar áreas de pobreza, lo que puede ser difícil, ya que los datos precisos y confiables de las regiones empobrecidas a menudo son escasos. Para compensar los datos limitados, utilizan la tecnología de aprendizaje automático para extraer información de escasez de alimentos de imágenes de satélites de alta resolución.

Los investigadores comienzan con datos de encuestas de hogares que informan sobre la agricultura y la inseguridad alimentaria en el terreno, luego usan imágenes de satélite para modelar áreas de pobreza. Cuando los datos de la encuesta no están disponibles, los científicos pueden usar las imágenes de satélite para predecir áreas de pobreza, explicó Burke. El algoritmo ML puede usar las imágenes para determinar si las áreas tienen caminos, tierras de cultivo y vegetación saludable.

Stanford también está trabajando con varias ONG pequeñas y agencias de la ONU, incluido el Programa Mundial de Alimentos de las Naciones Unidas, para determinar si sus esfuerzos de socorro están teniendo un impacto. Burke enfatizó que esta investigación podría ayudar a las organizaciones globales a mejorar su respuesta humanitaria ante la escasez de alimentos y distribuir los recursos de manera más efectiva.

Difundiendo Soluciones Sostenibles

En instituciones de investigación como Stanford y Carnegie Mellon, el enfoque no es solo tratar de incubar soluciones. Según Mason, también se trata de construir una red de profesionales en los Estados Unidos y conseguir que las empresas de tecnología realicen inversiones en esas soluciones.

«La inteligencia artificial y la tecnología en general nos ofrecen enormes oportunidades para universalizar el acceso a información valiosa», explicó, «pero también para orientarla de una manera que pueda ser más efectiva en la apertura de nuevas oportunidades».

About the Author: Dell Technologies