Actualmente estamos viendo un cambio importante en el uso de las tecnologías aplicadas a la vida cotidiana. Casi nadie puede decir hoy en día que sus relaciones personales no se han visto modificadas por el uso del móvil [1] [2] [3]. Las hasta hace poco tiempo indispensables enciclopedias se han visto relegadas por el uso de Internet [3] [4], nuestros hijos usan esta herramienta habitualmente, tanto en las escuelas como en los hogares. Las pruebas en los procesos judiciales han supuesto un giro importante con la posibilidad de los análisis de ADN en la investigación forense [5], por lo que aumenta la fiabilidad y, quizás a veces, la sofisticación irracional. Nadie en las oficinas puede prescindir del ordenador como principal herramienta de trabajo, incluso un fallo de subministro o una caída del “servidor” muestran la debilidad de esta dependencia. Todo esto que rodea nuestra existencia, y mucho más, nos evidencia como van cambiando nuestras relaciones con el entorno, en el trabajo o en los momentos de ocio.
Y esto sólo es el principio.
Esta “sofisticación” también se va extendiendo en otras áreas de trabajo y sectores más tradicionales como la agricultura. Muchos agricultores utilizan tractores, aperos y maquinaria de última generación, con automatismos que permiten una mayor precisión en las labores. Láseres, GPS, programadores de riego o paneles solares son ejemplo de una interminable lista de herramientas que están disponibles para mejorar la eficiencia de la producción y su calidad.
Actualmente por ejemplo, los nuevos sistemas de precisión utilizan dispositivos que combinan programas informáticos con datos procedentes de satélites y de la fotointerpretación para una nutrición en parcela ajustada a las necesidades reales y en tiempo real. Todo esto sin mencionar el uso de nuevas fuentes de energía y de nuevos productos biológicos que pueden hacer que los productos vegetales sean más adaptables a nuevas condiciones o más extremas, con mayores contenidos de elementos nutricionales considerados esenciales y más eficientes en el uso de recursos limitados como puede ser el agua.
En el campo de la Sanidad Vegetal, el manejo de plagas, enfermedades y malas hierbas no es una excepción a todo este proceso. Desde el diagnóstico, que actualmente se realiza en laboratorios dotados de cromatógrafos, técnicas moleculares y toda clase de aparatos de precisión, hasta la generación de avisosde riesgo que se han basado en complejos análisis espacio-temporales de las evoluciones de los parásitos, hay toda una amplia gama de herramientas y técnicas en constante desarrollo, que frecuentemente se materializa en lo que se ha denominado tradicionalmente sistemas expertos [6] (o Decision Support Systems; DSS, en la terminología anglosajona) cuando deviene la mayor complejidad. Programas como BWM, DESSAC, EPIPRE, NEGFRY, NordPRE, PRO_PLANT, PC-Plant Protection y otros muchos son buenas referencias de ello [7] [8]. Estos medios pretenden dar apoyo y en su caso substituir si cabe, las decisiones de agricultores y técnicos. Continuaremos con algunos ejemplos que ilustran esta posición.
En el seguimiento de enfermedades en campo, se utilizaban hasta hace poco sistemas de muestreo visuales, con anotaciones en cuaderno de las variables a medir. Ahora por ejemplo, a cambio de costosos y delicados termohumectógrafos disponemos de pequeños aparatos con sensores que tienen unas dimensiones y un precio como mínimo 10 veces menor. Además son muy manejables e igualmente precisos. Por otra parte podemos medir las variables mediante diferentes sistemas y manejarlas con herramientas que nos permiten nuevas perspectivas de análisis. ¿Quién no desearía optimizar una red de seguimiento de plagas mediante el uso de feromonas y reducirlo hasta la mitad de puntos obteniendo la misma calidad de la información? ¿Quién no desearía saber en esta red optimizada cuáles son los puntos o zonas más “calientes”, con mayor riesgo de incidencia o daño, y establecer un plan estratégico de control priorizado en estas zonas? Pues bien, esto lo permite el uso de la geoestadística [9] [10] [11]. Hasta ahora los expertos se permitían numerosas observaciones y análisis precisos de las evoluciones de las plagas y enfermedades, concretadas en seguimientos temporales que se realizaban y realizan en diferentes puntos de la geografía. Los análisis de estos datos obtenidos en el tiempo han sido el objetivo básico para la interpretación y la predicción. Sin embargo, hasta ahora no había sido fácil obtener información del conjunto de estaciones dispuestas en el territorio e inferir conclusiones de validez suficiente para realizar una planificación. Las herramientas geoestadísticas, basadas en programas informáticos que aplican modelos a las variables medidas en puntos del espacio, permiten obtener esta información y mejorarla constantemente.
Programas como WARIOWIN, Geo-EAS o GS+©, por ejemplo, nos han ido facilitando herramientas de análisis que han permitido abordar estos objetivos.
Aunque los avances anteriores son en muchos casos espectaculares y suponen saltos cualitativos muy importantes, nos encontramos que a pesar de todo es difícil substituir la experiencia de un agricultor acumulada a lo largo de muchos años de sudor y trabajo, o que igualmente es imposible reemplazar los conocimientos de un profesional. Del mismo modo es complicado introducir procesos de aprendizaje cortos en el tiempo para la consecución de buenos expertos con conocimientos y experiencia en diferentes disciplinas. Si continuamos como hasta ahora, los sistemas agrícolas incluyen tantos factores que se necesitaría de un conocimiento enorme y durante muchos años para establecer procesos metodológicos de trabajo similares a otras áreas disciplinares como la aeronáutica o las telecomunicaciones. De hecho, las variables en agricultura son tantas y en muchas ocasiones desconocidas que en el ámbito científico se aceptan mayores imprecisiones en los estimadores y en los resultados que en otras áreas del conocimiento científico. Así pues, con estas premisas, las conclusiones y decisiones subsiguientes pueden conducir a errores importantes o a la invalidación de sistemas de cálculo, de las mismas teorías basadas en estos datos empíricos o de los conclusivos resultados finales.
Quizás parte de la solución en esta clase de procesos informatizados de decisión se pueda encontrar en la utilización de la inteligencia artificial [12].
Ya los sistemas expertos mencionados anteriormente utilizan un “patrón” en la toma de decisiones que simula los complejos procesos neuronales que discurren en nuestro cerebro, pero que hasta hace poco han estado basados en sistemas lógicos conocidos, concretos y cerrados, los cuales necesitan también de información completa para predecir un resultado y tomar una decisión lógica.
Incluso las bases experimentales se han situado dentro de los límites de la precisión estadística, con un cálculo de probabilidad y un error asociado a una predicción. Sin embargo los nuevos sistemas podrían no necesitar de toda una compleja base de datos para tomar una decisión. Bastaría con unos pocos datos para que el sistema empezara a funcionar y que el mismo se retroalimentase constantemente con nuevos datos y de forma automática o “quasi” automática.
Además, seguramente los procesos internos no serian los mismos que los actuales ya que el desarrollo actual de otro tipo de herramientas de cálculo y decisión, como puede ser la lógica difusa [13] (llamada también lógica borrosa o “fuzzy logic” en inglés), supone una nueva perspectiva de manejo de sistemas como el agrícola, imbuidos de una importante imprecisión.
El tiempo dirá cuál es la dirección e irá tomando soluciones que vayan permitiendo los avances tecnológicos del momento, los cuales podrán o no ir en la dirección apuntada en esta reflexión. Lo que si parece ineludible es que la tecnología ha llegado definitivamente al campo y que irá implantándose en todos los procesos cotidianos de decisión del agricultor, como una herramienta “substitutiva” de la frecuentemente denostada experiencia por parte de los tecnólogos.
La pregunta acaso es si en este proceso podríamos perder algunas aportaciones importantes, quizás imprescindibles, hechas durante siglos, al mundo de la agricultura, la producción y la protección vegetal.
BIBLIOGRAFÍA
[1] MARIANELA JÁUDENES RUIZ DE ATAURI. Los hijos y el móvil. GEA Madrid - Red de Asociaciones Grupos de Estudio de Actualidad. Mayo de 2008. http://www.agea.org.es
[2] JUAN MIGUEL AGUADO E INMACULADA JOSÉ MARTÍNEZ MARTÍNEZ. Del teléfono móvil al medio móvil: desarrollos actuales en las prácticas de producción y consumo de las comunicaciones digitales. III Congreso ONLINE. Observatorio para la CiberSociedad. http://www.cibersociedad.net/congres 2006/gts/comunicacio.php?llengua=es&id=984
[3] Comisión del Mercado de las Comunicaciones (CMT). Nota mensual 2 – Febrero de 2008. https://www.comparaiso.es/comision-mercado-telecomunicaciones
[4] DIEGO ZENZANO. El uso de Internet, en auge. Sección Tendencias de Maestros del Web. http://www.maestrosdelweb.com/editorial/usointernet/
[5] RICARDO RODRÍGUEZ JORGE. La huella genética en Medicina Legal. ADV con fines forenses. Revista electrónica de PortalesMedicos.com
[6] ENRIQUE CASTILLO, JOSÉ MANUEL GUTIERREZ Y ALI S. HADI. Sistemas Expertos y Modelos de Redes Probabilísticas. Monografías de la Academia de Ingeniería. Madrid. 1998.
[7] B.M. COOKE, D. GARETH JONES Y B. KAYE. The epidemiology of plant diseases. Second Edition. Springer. Dordrecht. The Netherlands. 2006.
[8] P. BRIDGE, P. JEFFRIES, D.R. MORSE Y P.R. SCOTT. Information Technology, Plant Pathology and Biodiversity. CAB International. Wallinford. UK. 1998.
[9] JOSÉ QUINTIN CUADOR GIL. La geoestadística, su surgimiento y evolución. CIGET Pinar del Río, Vol. 2 Nº 2 abril-junio del 2000. http://www.ciget.pinar.cu/No.%202000-2/GEOESTADISTICA.htm
[10] DONALD E. MYERS. What is geostatistics?. Emeritus Professor of Mathematics. Department of Mathematics. University of Arizona. http://www.u.arizona.edu/~donaldm/homepage/whatis.html
[11] MANEL RIBES DASI, RAMÓN ALBAJES, MARÍA JOSÉ SARASUA Y JESÚS AVILLA. The use of geostatistics to study the spatial distribution of Cydia pomonella and Pandemis heparana in Lleida (Spain). Integrated Fruit Production. IOBC/wprs Bulletin Vol. 24(5) 2001 pp. 185-188.
[12] JOHN MCCARTHY. What is Artificial Intelligence?. Computer Science Department. Stanford University. Revised on November 12, 2007. http://wwwformal.stanford.edu/jmc/whatisai/whatisai.html
[13] JOSÉ GALINDO GÓMEZ. Conjuntos y Sistemas Difusos (Lógica Difusa y Aplicaciones). Curso introductorio de conjuntos y sistemas difusos. E.T.S.I. Informática. Departamento de Lenguajes y Ciencias de la Computación. Universidad de Málaga. http://www.lcc.uma.es/~ppgg/FSS/
