Criterios para la configuración de plataformas de inteligencia aumentada para el mejoramiento de la sostenibilidad de cultivos agrícolas

El desarrollo de la inteligencia artificial ha planteado una serie de retos en cuanto al futuro y la sostenibilidad del trabajo humano. Sin embargo, el desarrollo de la tecnología ha traído consigo el desarrollo de conceptos como el de la inteligencia aumentada (IA), el cual tiene por objetivo el mejoramiento de las capacidades humanas mediante la interacción hombre-máquina para la solución de problemas complejos en diferentes áreas del conoci miento. Esta interacción supone una serie de retos desde lo tecnológico, ya que la experiencia humana es un proceso complejo de transfer learning para que las máquinas sean un comple mento perfecto de las personas. En el contexto de la agricultura de precisión, las plataformas de inteligencia aumentada (AIP, por sus siglas en inglés) han surgido como una alternativa importante para el fortalecimiento de las capacidades en la detección y diagnóstico de estados fitosanitarios o agroclimáticos. En este artículo, se propone una metodología para la configu ración de las AIP, integrando tres elementos que son fundamentales para la sostenibilidad de cultivos como son: imágenes áreas espectrales utilizando vehículos aéreos no tripulados (UAV, por sus siglas en inglés), mapas de pronóstico para describir la dispersión de enfermedades y sus vectores asociados en campo, modelos deep y machine learning para la caracterización auto mática de eventos fitosanitarios o agroclimáticos, así como redes IoT-IoB (Internet of Things e Internet of Beings) para la interacción hombre-dispositivos. Para la evaluación de estas platafor mas, se propone un GAP de sostenibilidad, el cual evalúa de una manera integral la reducción en el uso de pesticidas y fertilizantes, así como la sostenibilidad de los puestos de trabajo en un futuro de largo plazo, y en donde la inteligencia artificial tendrá un papel preponderante en el desarrollo agrícola en el mundo.