¿Datos convertidos en Inteligencia? - Sistemas de Inteligencia Artificial aplicados a la Industria Agroalimentaria.

 

Inteligencia Artificial en tiendas de distribución de alimentos. Composición: Julián García 


Todos hemos oído hablar en algún momento de Inteligencia Artificial (IA). Nos enteramos bien sea en películas, noticias o artículos de ciencia y tecnología. Y nos causa asombro en parte, por las cosas increíbles que puede lograr y porque representa una visión de futuro con sus ventajas y temores, y porque sabemos que está presente en nuestras actividades de día a día. Pero también nos llama la atención por lo que en media general se desconoce de ella, cómo funciona, que tanto dependemos de ella. En este artículo se explican algunos conceptos de su funcionamiento, estructura básica y su presencia en Sistemas de Información Geográfica que manejamos, y sus posibles áreas a potenciar, principalmente en la Industria Agroalimentario, a la vez de aportar soluciones para mitigar el Cambio Climático.


Inteligencia Artificial, ¿Desde cuándo?

Computadora HAL9000. 2001 Space Odissey de Stanley Kubrick


La Inteligencia Artificial (IA) es un término que en su sentido más amplio indica la capacidad de una máquina de realizar los mismos tipos de funciones que caracterizan al pensamiento humano. Más aún, al considerar situaciones en los que la cantidad de las variables es considerablemente grande, los sistemas con IA, pueden ser más eficientes y asertivos que el actuar humano.

Nada mejor que la puesta en escena en una película taquillera bien hecha como 2001 Space Odissey de Stanley Kubrick para poner en los años 60 el argumento de la IA en los temas de conversación de las personas y sus posibles implicaciones positivas y/o negativas sobre los humanos. 

Sin embargo, aún en el presente de una manera general, la IA se asocia principalmente con robots que se comunican mediante el lenguaje y son capaces de realizar tareas cotidianas para cualquier ser humano. En parte lo son, pero en el caso de este artículo iremos analizando la IA como sistemas más amplios, en los que se incluyen también aprendizaje profundo (deep learning) y aprendizaje automático (machine learning) como tecnologías asociadas, y capaces de realizar análisis de datos extremadamente complejos. 

En particular, para los sistemas que manejan datos geoespaciales, tales técnicas son increíblemente importantes como por ejemplo para poder procesar grandes cantidades de imágenes satelitales con una enorme cantidad de detalles es algo que solo estas nuevas tecnologías pueden lograr.

La IA está presente en sistemas en diversas áreas como en Robótica, traducción instantánea, juegos de estrategia, Seguridad, Medicina y Sistemas de Información Agrícolas y de Producción de Alimentos.

Cada una de estas aplicaciones requiere un desarrollo tecnológico particular de la IA, y para entender mejor cómo funcionan, los clasificaremos en tres grandes tipos: Sistemas Formales, orientados al desarrollo de matemáticas fundamentales y sistemas de entretenimiento como los juegos de estrategia (ajedrez, damas, juegos de computadora, etc.); Sistemas Ordinarios enfocados a la simulación del comportamiento humano, como el habla, capacidades motoras y respuestas a diversas situaciones y, Sistemas Expertos que están enfocados a la aplicación del conocimiento científico en el control y mejora de los procesos industriales.

Nos concentraremos en éste artículo, en los Sistema Expertos por tener una fuerte relación con los temas de Producción Agrícola e Información Geográfica. 

Los Sistemas Expertos son parte de los sistemas  con IA y son capaces de utilizar los datos, el conocimiento y la información para resolver problemas, generar respuestas y justificarlas. Para ello necesitará de la programación de algoritmos “inteligentes” desarrollados por programadores en conjunto con científicos que puedan plasmar el conocimiento científico en programas con entradas y salidas dentro de un dominio específico y tener la capacidad de ofrecer las mejores alternativas de decisión para poder resolver problemas. Para ello, los sistemas expertos deben ser capaces de manejar las teorías de aproximación a la solución más apropiadas como recursividad, ponderación, márgenes de error, etc.

Las áreas de aplicación de los Sistemas Expertos suelen ser:

         Ingeniería
                o Diseño de procesos
                o Detección de fallos
                o Estrategias de planificación de distribución y producción

         Análisis científico
                o Control y mejoramiento de la eficiencia y la calidad
                o Análisis económicos

                                                                                                                      Esquema formal de tipos de Sistemas con Inteligencia Artificial

Los componentes básicos de un sistema experto general son:

I.         Base de datos: donde se almacenan los datos de entrada de una forma estructurada y del dominio establecido. Son los datos originales y aquellos intermedios que se van generando durante el proceso de razonamiento.

II.      Base de conocimiento: es la representación del conocimiento para la solución de problemas específicos. Se guarda mediante el uso de reglas. Una regla es solo una parte del conocimiento con el cual se soluciona el problema. Se almacenan según hipótesis (antecedente) y conclusiones (consecuente).

III.   Módulo de explicación. Es el encargado de generar los resultados o diagnósticos para el usuario obtenidos del Módulo de Inferencia. Una vez obtenido una serie se soluciones alternativas, escogerá la mejor basado en los criterios suministrados por los expertos a través del módulo de conocimiento y/o suministradas en el planteamiento del problema.

IV.   Módulo de adquisición del conocimiento: es la interface para la incorporación en el sistema del conocimiento mediante en reglas y dominios, basándose en la experiencia del ser humano experto. 

V.    Módulo de inferencia. Es el procedimiento que se encarga de realizar el razonamiento a partir de los datos y generar el conocimiento en la base de conocimiento.  Utilizará la información del comportamiento de las “cosas” en el módulo de explicación y los aplicará dadas las condiciones iniciales a la base de conocimientos.

VI.  Interfaz de usuario. Se refiere a la entrada/salida al usuario del sistema, incluyendo normalmente situaciones de pregunta (por qué) y de explicación (cómo).


¿Datos convertidos en Inteligencia?

                                                Anomalías termográficas. Imagen del Satélite Sentinel. Agencia Espacial Europea. Procesamiento: Julián García

Tomemos por ejemplo, una escena ordinaria de adquisición de datos; una fotografía. Al tomar una escena estamos capturando el mundo real y lo convertimos instantáneamente en datos. Hace unos años estas impresiones se hacían sobre papel sensible a la luz, mientras que hoy día se hace a través de un sensor que convierten la energía proveniente de la luz en matrices de píxeles. Este es un simple ejemplo de abstracción, procesamiento, y representación del “mundo real”, o por lo menos de una perspectiva particular en un determinado instante. 

Si estos datos capturados se clasifican y se almacenan estructuradamente obtenemos una fotografía y hemos convertido los Datos capturados en Información.

Esquema del proceso de captura de una fotografía.


Existen múltiples formas de captura de datos dependiendo de las características de los elementos estudiados y de la utilidad que se le pretenden dar.

Al asociar la Información con características propias de los elementos fotografiados, como por ejemplo el verdor de un árbol con su vigor, la textura del suelo con el grado de humedad en su superficie, la forma de las nubes o color del cielo con condiciones meteorológicas, son ejemplos de la formación y almacenamiento del Conocimiento en un sistema determinado.

Este Conocimiento es incorporado como “entrada” al sistema con la supervisión de expertos en cada disciplina o ciencia, y por medio de la interfaz de entrada. Éstos se regirán por medio de algoritmos que contengan relaciones, fórmulas, regulaciones y, ponderaciones entre otras herramientas matemáticas que puedan representar de la mejor manera posible el “cómo” funcionan en el Mundo Real. 

Ahora, si consideramos la Inteligencia como la capacidad de resolver problemas y extraer patrones de procesos complejos, y deseamos aplicarla en nuestro sistema, necesitaremos para ello disponer del Conocimiento, adecuado y oportuno, y así poder ofrecer las mejores soluciones a un planteamiento o problema.


Alcance tecnológico en el esquema de evolución del Intelecto. Comp.  Julián García

A la hora de establecer objetivos, se requiere algo más que la inteligencia como la hemos definido. Éstos vendrán de análisis profundos de reflexiones  y de posiblemente reuniones entre científicos y otros profesionales de áreas pertinentes donde se debatirán las ideas. Es este caso estamos hablando no sólo de la inteligencia sino de conocimiento de ciencia, temas humanísticos, etc.  

Cuando se busca un análisis profundo, reflexionar sobre aspectos trascendentes para el individuo, la sociedad o su entorno, el planeta en general, para encontrar ideas novedosas, prácticas o formales podremos estar entonces requiriendo la aplicación de Sabiduría.

Este nuevo elemento incorporado en un sistema experto estará conformado por los científicos que apliquen, entre otros métodos, el Científico para así responder preguntas con márgenes definidos de error y rechazar o aceptar hipótesis dadas unas condiciones determinadas. Permitirán depurar datos, información y conocimientos así como revisar las relaciones y clasificaciones y estructura de diversos elementos para asegurar un funcionamiento óptimo del sistema.

De esta forma, podríamos decir que  la tecnología puede dominar, sólo hasta un cierto nivel, la conversión que se hace desde los Datos hasta la Inteligencia como se ha definido en este artículo.


Sistemas de Información.

Trascendiendo lo Geográfico

Paisaje geográfico. Cogollos de la Vega, Granada. Foto: J. García Vialard

Los Sistemas de Información Geográfica (SIG) han representado desde su creación como herramientas que cumplen con gran parte de lo que significa un Sistema Experto. Si analizamos el concepto original para la construcción de un Sistema de Información Geográfico, este pasa por las siguientes etapas:

1. Diseño Conceptual: comienza a partir del análisis de los objetivos esperados del Sistema de Información, en cuanto a su funcionalidad, aplicabilidad, y los datos disponibles. El siguiente paso es clasificar los datos a ser recogidos o capturados y asociarlos a unos atributos o etiquetas que los definan y que permitan ser identificados apropiadamente. Una vez lograda estos pasos, podremos considerar que los Datos han sido convertidos en Información.

2. Diseño Lógico: en función a las características de los datos  utilizar y de los objetivos esperados por el sistema, se establecen las relaciones que existen entre ellos. Estas asociaciones representan la descripción del “cómo funcionan los datos entre sí” y le darán un carácter de Base de Datos Relacional, convirtiendo así los datos en Conocimiento.

3. Diseño Físico: una vez obtenido una Base de Datos Relacional, se estudia cómo se comportan los datos en función de la variabilidad entre ellos. Dicho de otro modo: a través del conocimiento científico se describe el comportamiento de los datos según eventos naturales y antrópicos. Esto se realiza mediante la creación de algoritmos que puedan simular, modelar y predecir situaciones de acuerdo unas condiciones dadas. Se crean las interfaces para que los usuarios puedan comunicarse con el sistema y obtener la a partir de requerimientos y parámetros resultados

Los Sistemas de Información Geográficos vistos como Sistemas Expertos. 

Es así como una vez desarrollada y creada la Base de Datos Estructurada, habiendo cargado todos los datos y terminado el desarrollo de las interfaces y los algoritmos de modelaje, podemos considerar que el sistema está creado. Ahora tendremos la posibilidad de modelar situaciones y solucionar problemas con una gran cantidad de variables aplicando algoritmos Inteligentes. Dicho en otras palabras: tendremos un SIG equivalente a un Sistema Experto.

Muchas veces se han utilizado los SIG como repositorios de datos, o como simples herramientas de consulta, pero también es cierto que muchos se han creado como sistemas expertos orientados a mejorar y optimizar situaciones como por ejemplos agropecuarias, ambientales, sociales, los cuales representan un ejemplo del uso de los SIG como Sistemas Expertos es decir, sistemas con IA.

Más aún, en las últimas décadas, con los avances tecnológicos, ligados a telecomunicaciones, disponibilidad de datos geoespaciales y geográficos, las industrias tanto públicas como privadas han visto modificar sus métodos de trabajo a la hora de distribución de mercancía, análisis de mercadeo, optimización de mantenimiento de servicios, entre muchos otros, y no están más que utilizando los SIG de una manera cada vez más intensiva, por no mencionar los que probablemente han sido siempre los usuarios por excelencia como lo son aplicaciones militares. Por lo tanto, es válido decir que la IA ha estado siendo utilizada desde la creación de los SIG en la década de los años 70.

Sensores Remotos y la Inteligencia Artificial

Desde sus inicios, las imágenes de los primeros satélites de observación de la Tierra mostraron su gran capacidad de ofrecer gran cantidad de datos que, una vez procesados, se convertían en información valiosa que ofrecía una visión de la superficie de Tierra nunca antes observada. 

Durante todos estos años han servido como una valiosa fuente de datos pero para que estos datos sean convertidos en información también ha sido necesario aplicar algoritmos inteligentes. 

La secuencia  es la siguiente;

1. Los Datos son recibidos por un sensor en una plataforma aérea o espacial, como una señal.

2. Estos datos son estructurados según la disposición geométrica interna del sensor y la longitud de la onda recibida entre otras características, convirtiéndolos en datos ordenados, representando así los datos como Información del objeto estudiado.

3. Luego estos datos estructurados son corregidos geométricamente para la correcta ubicación de la procedencia sobre la superficie terrestre o la superficie de algún objeto o infraestructura estudiada. En este momento podremos considerar los datos convertidos en Conocimiento de una superficie estudiada.

4. Mediante algoritmos Inteligentes de clasificación como Máxima Verosimilitud, Redes Neurales o Matrices de Confusión (Fuzzy) y Componentes Principales, obtenemos nueva información sobre los elementos estudiados.

Como vemos, podemos considerar también que las tecnologías de Procesamiento Digital de Imágenes utilizan también la IA para poder integrarse a su vez en otros sistemas como los SIG para ser utilizados en optimización, monitoreo y evaluación de la Agricultura, Medios Ambientales, etc.

El procesamiento Digital de Imágenes de Satélite  visto como un Sistema Experto Comp. Julián García

Actualmente el uso de la información generada por las imágenes de satélite y de  las adquiridas por drones, está tomando un auge importantísimo en aquellos sectores relacionados principalmente con la agricultura. Esto se debe a la disponibilidad de adquirir datos a bajo coste al poder realizar vuelos con cámara multiespectrales con drones. Si recordamos los años 90, las imágenes de los pioneros satélites LANDSAT y SPOT  costaban entre 5.000 y 6.000 dólares por un área de 180 x 180 km y con resoluciones entre 10 y 30 m por pixel. Estaban sólo al alcance de las agencias gubernamentales y las industrias que manejaban mucho capital, como el gas y el petróleo.

Los grandes avances en la tecnología en general también han mejorado los tiempos de procesamiento y las redes de comunicación de mayor velocidad han favorecido la manipulación y divulgación de esta tecnología y sus aplicaciones, en parte por la demanda de esta tecnología en nuevas aplicaciones como lo pueden ser detección de movimiento, identificación de automóviles incluso de personas, a través de algoritmos inteligentes de análisis morfológicos.


La Inteligencia Artificial y la Industria 4.0

Olivar en Granada España. Foto:  J. García Vialard

La IA es una tecnología que está evolucionando rápidamente en muchos sectores tanto en grandes como pequeñas empresas. Hoy día está presente en la denominada “digitalización de las empresas” en cuanto a nuevos métodos de procesamiento, utilización de maquinarias automatizadas más eficientes y con un seguimiento casi total de las operaciones.

También debemos considerar que esta tecnología viene potenciada por otras como por ejemplo: 

Ordenadores con gran capacidad
Grandes velocidades en las redes (Tecnología 5G)
Big data
Posicionamiento global
Información meteorológica global

Y aunque existen inconvenientes a superar como la falta de conectividad de internet en el campo, problemas en las vías de comunicación, países con otras prioridades económicas, cambios de clima imprevisibles entre otros, la IA  tiene grandes capacidades para utilizar los avances tecnológicos y afrontar exitosamente los inconvenientes y compromisos mencionados. 

Y como meta incuestionable, deben considerarse con un alto nivel de compromiso los siguiente aspectos relacionados con el Cambio Climático:

Desertización de los suelos.
Variaciones inesperadas de las condiciones climáticas.
Fenómenos imprevistos cada vez más frecuentes.
Conservación de recursos naturales.
Marcar tendencia hacia lo sustentable.
Mejora de la eficiencia energética.
Reducción de la huella de carbono de los productos, servicios y procesos.
Reducción de las emisiones de dióxido de carbono
Seguridad Alimentaria 

Aplicaremos el esquema de funcionamiento de un Sistema Experto, a lo que representa la Industria 4.0 enfocada principalmente a dos importantes temas: la agroindustria y la alimentación.

Los procesos  que hoy día se utilizan en cada  fase de esta Industria, consideran la IA en sus procesos, los cuales deben incluir los siguientes retos que están sobre la mesa:

Compromiso con el cambio climático
Integración de cada etapa y sus componentes 
Incremento del uso de Imágenes de satélite y drones para la optimización de la agricultura

Procesos y componentes de los Sistemas Expertos en la Industria 4.0. Julián García

Al esquematizar los procesos  que contempla cada etapa de la industria de alimentos, podemos clasificarlos según los componentes tecnológicos que utilizan en:

1. Industria Agrícola desde la preparación del suelo, siembra cuidado y recolección.
2. Transporte de las cosechas a los centros de procesamiento.
3. Centros de procesamiento de alimentos. De los productos generados en campo a los alimentos listos para distribuir y consumir.
4. Distribución hasta los grandes almacenes e incluso entregas a casa.

Todos los componentes de cada etapa manejan tecnologías que pueden incluir otros sistemas expertos particulares para su funcionamiento. Estos componentes necesitan datos de entrada para su funcionamiento y generarán  información y conocimiento que serán utilizados en el Sistema Experto de la Agricultura 4.0.

En un próximo trabajo a publicar se analizará cada componente por separado en función de:

Facilidad de implementación.
Objetivos más utilizados hoy en día.
Objetivos potenciales a futuro.
Interconexión con otros componentes.

Los datos, conocimiento e información recogidos en cada una de las fases, formarán parte ahora del Sistema Experto general. Entonces del sistema experto tenemos:

I. Base de Datos.

II. Base de Conocimientos.

III. Módulo de explicación.

Debemos ahora considerar:

IV. Módulo de adquisición del conocimiento científico, económico, y social proveniente de expertos.

V. Módulo de Inferencia desarrollado por programadores  de algoritmos inteligentes como:

o Machine Learning.
o Deep Learning.
o Clasificación No supervisada.
o Clasificación Supervisada.
o Redes Neuronales.
o Análisis de matrices de confusión.
o Análisis de Componentes Principales.

VI. Interfaz del usuario desarrollada también por programadores para que los usuarios de diferentes niveles tengan la oportunidad de:

o Consultar datos e información.
o Realizar simulaciones a futuro.
o Analizar situaciones y eventos actuales.
o Realizar seguimiento de (trazabilidad) de los productos desde la siembra hasta su consumo

Beneficios de la Inteligencia Artificial en cada etapa de la Industria 4.0. Julián García


De una manera general, la influencia de los sistemas IA repercute principalmente en tres ámbitos de la industria: 

Aumento de la productividad gracias a la automatización de procesos.
Ahorro de tiempo y costes de producción.
Mayor disponibilidad de productos y de servicios de consulta y atención.

Ahora bien, de manera particular en cada fase tenemos beneficios concretos. Si se logran interconectar entre fases, las Bases de Datos, conocimiento e información, se lograría mejorar aún más los beneficios generales mencionados anteriormente.

Conclusión
Bosque Natural. Embalse El Guapo. Venezuela. Foto: J. García Quesada     

La actividad humana como la minería, la tala, la ganadería, la agricultura y la extracción de petróleo y gas, han ejercido una presión insostenible sobre nuestros bosques afectando la fragilidad de nuestros ecosistemas. 

Aunque las áreas protegidas están aumentando, al igual que los esfuerzos para frenar la deforestación, la voluntad y disposición de las naciones tiene un papel primordial para hacer frente al cambio climático, que estas actividades han acelerado. 

Es hora que los avances tecnológicos que tanto han ofrecido mejorar la calidad de nuestras vidas, también se orienten para devolverle al planeta lo que tan generosamente nos ha permitido aprovechar. 

Para ello, nuestra mejor oportunidad en este momento, es incluir la Inteligencia Artificial orientada no solamente en la optimización y mejora de los procesos tecnológicos de las actividades humanas, sino también la conservación del Ambiente.

Trabajo publicado en la revista Nosolosig.com
Julián García

Licencia Creative Commons
Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional.