Nuevas tecnologías impulsan la eficiencia y precisión en la agricultura

Notipress.- Un nuevo estudio publicado en Engineering destaca cómo la inteligencia artificial (IA) de próxima generación y el big data están transformando el mejoramiento de cultivos. Esta evolución tecnológica promete impulsar la seguridad alimentaria mundial al optimizar la producción agrícola con mayor eficiencia y precisión.

De acuerdo con la investigación titulada “Revolucionando el mejoramiento de cultivos: inteligencia artificial de próxima generación y diseño inteligente impulsado por macrodatos”, realizada por Ying Zhang y su equipo, el mejoramiento de cultivos evolucionó a lo largo del tiempo, desde la domesticación de especies hasta el uso de biotecnología avanzada. La última fase, denominada mejoramiento 4.0, integra IA, big data y biotecnología para desarrollar variedades más resistentes y productivas. Esta innovación marca una transición de los métodos tradicionales basados en la experimentación científica hacia enfoques inteligentes y automatizados.

Fenotipado de alto rendimiento y análisis genético avanzado

Uno de los avances clave en esta revolución es el fenotipado de alto rendimiento, que permite recopilar datos sobre características de los cultivos con una precisión sin precedentes. Mientras que los métodos tradicionales eran lentos y costosos, el uso de drones y sensores avanzados facilita la identificación de rasgos específicos sin dañar las plantas. Estas tecnologías permiten evaluar el crecimiento y la resistencia al estrés de manera continua y en condiciones adversas.

Además, el estudio destaca el papel fundamental de las bases de datos multiómicas, que integran información genética, transcriptómica y epigenética. Recursos como ZEAMAP para el maíz y SoyMD para la soja ofrecen un vasto conocimiento sobre la variabilidad genética de los cultivos. Estos datos permiten identificar genes clave y comprender los mecanismos de regulación, facilitando el desarrollo de cultivos más resistentes a enfermedades y condiciones climáticas extremas.

Inteligencia artificial aplicada al mejoramiento genético

Otro avance significativo es el análisis multiómico basado en inteligencia artificial, que permite descifrar complejas redes genéticas. Investigadores de la Universidad Agrícola de Huazhong desarrollaron un modelo de predicción genética para el maíz que optimiza la selección de genes funcionales. Este tipo de herramientas acelera el descubrimiento de características beneficiosas y mejora los modelos de mejoramiento genético.

Por otro lado, el desarrollo de software especializado en IA también está revolucionando la industria de semillas. Estas plataformas procesan grandes volúmenes de datos para mejorar la toma de decisiones en el mejoramiento de cultivos, reduciendo el tiempo necesario para desarrollar nuevas variedades y aumentando la precisión en la selección de rasgos deseables.

Desafíos y futuro del mejoramiento inteligente

A pesar de estos avances, el estudio reconoce que algunos países, como China, aún enfrentan desafíos en la adopción de estas tecnologías. La brecha con líderes internacionales se debe a limitaciones en innovación científica, sistemas de mejoramiento inteligente y competitividad en el mercado global de semillas.

Para superar estos obstáculos, se propone desarrollar sistemas automatizados de adquisición de datos fenotípicos, mejorar los algoritmos de análisis de big data y fomentar la integración multidisciplinaria. De cara a 2040, China busca consolidarse como líder en este ámbito mediante la construcción de plataformas de innovación colaborativa y el fortalecimiento del mejoramiento de precisión basado en datos.

Yann LeCun cuestiona la AGI y resalta la necesidad de nuevas arquitecturas para una IA más avanzada

Notipress.- Durante el CES 2025, celebrado en Las Vegas, Yann LeCun, científico jefe de inteligencia artificial en Meta, ofreció una conferencia en la cual destacó los principales retos que enfrenta el desarrollo de la IA y presentó nuevas líneas de investigación en la materia. Fue enfático al señalar que, a pesar de los avances recientes, los modelos actuales no son suficientes para alcanzar una inteligencia comparable a la humana. “No hay forma en que los modelos autoregresivos actuales lleguen a la inteligencia de nivel humano”, afirmó.

El científico detalló que el camino hacia una inteligencia artificial verdaderamente avanzada pasa por construir sistemas capaces de planificar, razonar y comprender el entorno físico. Según sus palabras, “necesitamos sistemas que tengan modelos mentales del mundo y puedan planificar secuencias de acciones para cumplir objetivos”. Esta estrategia es parte del abordaje de investigación que Meta está llevando a cabo, con el objetivo de desarrollar sistemas de IA más avanzados y autónomos en los próximos años.

Respecto a las predicciones sobre la pronta llegada de la inteligencia general artificial (AGI, por sus siglas en inglés), LeCun se mostró escéptico y aseguró que el desarrollo de una IA con capacidades comparables a las humanas no ocurrirá en el corto plazo. “La gente lleva cometiendo los mismos errores desde hace setenta años, creyendo que superar benchmarks significa haber alcanzado una inteligencia similar a la humana”, sostuvo. De todas maneras, si el plan de investigación actual en Meta tiene éxito, no prevé contar con un sistema de estas características antes de cinco o seis años.

El enfoque JEPA y los modelos de energía

Uno de los conceptos más destacados durante la intervención de LeCun fue el modelo JEPA (Joint Embedding Predictive Architecture), una nueva arquitectura la cual se diferencia de los modelos generativos tradicionales. Según explicó, esta perspectiva permite a los sistemas hacer predicciones más abstractas al centrarse en los elementos relevantes del entorno y eliminar detalles innecesarios. “La idea es no predecir todos los detalles, sino entrenar un sistema que aprenda una representación abstracta del mundo”, detalló. Agregó que este método podría facilitar el desarrollo de sistemas con capacidad de razonamiento y planificación en entornos complejos.

En cuanto a la escalabilidad de los modelos actuales, LeCun mencionó que el crecimiento exponencial observado en los últimos años está alcanzando un punto de saturación. “El costo de entrenar modelos más grandes sigue aumentando exponencialmente, pero el rendimiento ya no crece al mismo ritmo”, explicó.

Perspectiva sobre el futuro de la IA y la regulación

LeCun también ofreció su perspectiva sobre el futuro de los agentes de inteligencia artificial y su impacto en la vida diaria de las personas. Según sus estimaciones, en los próximos diez a quince años, será común que cada individuo cuente con un asistente virtual inteligente el cual lo acompañe constantemente, facilitando tareas cotidianas y ofreciendo recomendaciones personalizadas. De todas maneras, aclaró que todavía se necesitan avances significativos en el desarrollo de sistemas capaces de interactuar de manera autónoma con el mundo físico.

En cuanto al debate sobre la regulación de la inteligencia artificial, LeCun se manifestó en contra de regular los modelos de IA en su fase de investigación y desarrollo, argumentando que esto podría frenar la innovación y el avance científico. “Regular la investigación y el desarrollo no tiene sentido. El riesgo de imponer regulaciones en esta etapa es que se desincentive la creación de modelos abiertos”, afirmó.