Diccionario

Subcampo del aprendizaje automático basado en redes neuronales artificiales de múltiples capas, capaces de procesar grandes volúmenes de imágenes o datos complejos, como por ejemplo para identificar de manera muy precisa síntomas para el control o manejo de plagas y enfermedades en cultivos y masas forestales.

Aplicación holística de técnicas y algoritmos que incluyen: aprendizaje automático, aprendizaje profundo, visión por ordenador o computadora y procesamiento del lenguaje natural, para diversas aplicaciones. Programa de ordenador diseñado para realizar determinadas operaciones que se consideran propias de la inteligencia humana, como el autoaprendizaje, el análisis de secuencias y mutaciones, la posible función de genes, el diseño de nuevas moléculas con acción plaguicida o antibiótica, la identificación de patógenos tras secuenciación masiva de muestras, o la navegación automática de vehículos aéreos o terrestres utilizados en teledetección o en agricultura de precisión o masas forestales, entre otras aplicaciones. Se trata de una combinación de algoritmos planteados con el propósito de diseñar y producir dispositivos compactos que presenten las mismas o mayores capacidades que el ser humano. Actualmente el ChatGPT-5 es el más utilizado, aunque se prevén sucesivas actualizaciones. Como en otras áreas, la inteligencia artificial está aplicándose cada vez más en el ámbito de la Fitopatología, por ejemplo en la detección, diagnóstico, identificación, prospecciones y encuestas y control o manejo de enfermedades de plantas cultivadas y de masas forestales. Actualmente es un creciente campo interdisciplinar entre las ciencias agrarias y forestales, la informática y la estadística, con aplicaciones en investigación, agricultura de precisión y protección vegetal, incluyendo la forestal. La inteligencia artificial junto con aplicaciones (app) móviles basadas en fotografías, análisis aéreo/satelital, robótica y metagenómica, posibilita: i) detectar y diagnosticar agentes fitopatógenos a partir de imágenes, bioseñales o datos o señales moleculares o bioquímicas o identificar síntomas o signos, mediante análisis de imágenes digitales; ii) predecir brotes de enfermedades y ajustar a modelos epidemiológicos espaciales y temporales, mediante datos climáticos, edáficos y de macrodatos (big data) en agricultura y silvicultura/selvicultura obtenidos por sensores; iii) asistir en la detección biológica, serológica o de amplificación molecular, por la interpretación rápida de síntomas, reacciones serológicas, de amplificación molecular o de datos de secuenciación o de biosensores terrestres o aéreos, para la identificación de patógenos; y iv) establecer y optimizar estrategias específicas de control fitosanitario en agricultura y selvicultura o silvicultura, mediante la recomendación de tratamientos concretos. Ejemplos concretos actuales son las aplicaciones con teléfonos móviles, mediante las cuales el agricultor o silvicultor fotografía síntomas o signos y recibe un diagnóstico instantáneo de la posible enfermedad causal (como ejemplos la aplicación móvil Plantix de origen alemán; PlantVillage Nuru, y Agrio, de EE. UU. y otras muchas actualmente disponibles), y algunas de ámbito más local en España (como PlantHome, especializada en jardines, IFAPA Guía especializada en cultivos de invernadero, SatAgro, AgroNews Neiker para agricultores y forestales, etc.), y otras de ámbito europeo como Plantvoice® de origen italiano, que consta de un sensor + aplicación (app) que analizan la savia para conocer el estado fisiológico de la planta en tiempo real o Blue River Technology (John Deere), con visión por ordenador/computadora para manejo remoto, o incluso la aplicación Trace Genomics/Miraterra, de EE. UU. y Canadá, para diagnóstico del suelo mediante metagenómica. Otros sistemas más complejos integran, además de la telefonía móvil, el uso de drones y sensores inteligentes con visión por ordenador o computadora, para detectar precozmente focos de infección en cultivos o masas forestales.

Rama de la inteligencia artificial (IA) que permite a los sistemas informáticos aprender a reconocer patrones en conjuntos de datos, como por ejemplo, datos agrícolas y forestales (imágenes fotográficas próximas o aéreas, registros climáticos, sensores de campo, etc.), y mejorar sus predicciones expertas sin ser programados explícitamente. Se aplican en la detección, diagnóstico e identificación de plagas y enfermedades de plantas.