En la actualidad, la inteligencia artificial (IA) está transformando diversos sectores, y la agricultura no es la excepción. Un ejemplo de esta revolución es el uso de TinyML (Machine Learning en pequeña escala), una tecnología de bajo costo y consumo de energía que está ayudando a los agricultores en regiones con escasos recursos. Un caso paradigmático es el de Bala Murugan, científico del Instituto de Tecnología de Vellore en Chennai, India, quien ha desarrollado un sistema basado en TinyML para detectar enfermedades en los árboles de anacardo.
TinyML y la Agricultura: Un Enfoque Práctico
Murugan, proveniente de una familia de agricultores de anacardo, observó cómo el uso excesivo de pesticidas afectaba la salud humana y el medio ambiente. Su solución fue diseñar un dron equipado con TinyML que pudiera identificar hojas enfermas a través de una cámara y un modelo de IA incorporado. Este sistema permite detectar manchas negras o marrones indicativas de la enfermedad Anthracnose con una precisión del 95% al 99%. Además, en el futuro podría dirigir otros drones para rociar pesticidas solo en las plantas enfermas, minimizando el uso indiscriminado de productos químicos.
La Eficiencia de TinyML
A diferencia de los modelos de IA tradicionales, TinyML funciona en dispositivos de bajo consumo energético y sin necesidad de conexión a internet. Esta tecnología es particularmente útil en regiones rurales, donde la conectividad es limitada. Además, los dispositivos TinyML pueden operar durante semanas con baterías comunes, lo que reduce costos y facilita su implementación.
El interés por TinyML está creciendo rápidamente. En 2020, se enviaron alrededor de 15 millones de dispositivos TinyML, y se espera que esta cifra aumente a 2.5 mil millones para 2030. Su atractivo radica en su accesibilidad y en la posibilidad de proporcionar soluciones locales a problemas específicos.
TinyML vs. Modelos de IA Convencionales
Los modelos de IA tradicionales requieren grandes cantidades de datos y procesamiento en centros de datos remotos, lo que implica altos costos y un considerable impacto ambiental. Por ejemplo, los chips utilizados para modelos de lenguaje avanzado pueden costar hasta 70,000 dólares y consumir hasta 1,200 vatios por chip. En contraste, un dispositivo TinyML puede costar entre 2 y 60 dólares y consumir menos de 100 milivatios, lo que lo hace una opción sostenible y económica.
Aplicaciones Globales de TinyML
Diagnóstico de Enfermedades en Cultivos
João Yamashita, ingeniero electrónico en la Universidad Federal de Itajubá (UNIFEI), ha desarrollado un dispositivo TinyML para diagnosticar enfermedades en cafetales brasileños. Este dispositivo, del tamaño de un paquete de cartas, identifica enfermedades como la roya del café con una precisión del 96% al 98%, proporcionando a los agricultores una herramienta asequible y eficiente.
Aplicaciones en la Salud
TinyML también se está utilizando en el sector de la salud para detectar afecciones como la fibrilación auricular y la anemia. Dado su bajo costo y autonomía energética, estos dispositivos pueden implementarse en comunidades con acceso limitado a servicios de salud.
TinyML en la Monitorización Ambiental
Otra aplicación prometedora de TinyML es el monitoreo ambiental. Sensores con esta tecnología pueden detectar contaminantes en el aire y el agua, proporcionando datos en tiempo real para mejorar la calidad ambiental y la salud pública.
TinyML está demostrando ser una revolución en la aplicación de la IA en sectores clave como la agricultura, la salud y el medio ambiente. Su bajo costo, eficiencia energética y capacidad para operar sin conexión a internet lo convierten en una herramienta valiosa, especialmente en países en desarrollo. Con el avance de esta tecnología, es posible que en el futuro veamos una expansión significativa de TinyML en diversas industrias, mejorando la calidad de vida de millones de personas en todo el mundo.