A l'esdeveniment “GREEN AI: el futur sostenible de la intel·ligència artificial”, organitzat pel Ministeri per a la Transformació Digital i de la Funció Pública, Miguel Hormigo, director del Sector d'Indústria de GMV, ha destacat el paper clau de la intel·ligència artificial en el futur de l'agricultura sostenible. Durant la seva intervenció, va presentar el projecte AgrarIA, que utilitza la intel·ligència artificial aplicada a la cadena de valor de la producció agrària amb l'objectiu de transformar el sector agroalimentari espanyol cap a un model més sostenible i tecnològicament avançat. Es tracta d'un projecte d'investigació industrial finançat pel Ministeri per a la Transformació Digital i de la Funció Pública, amb l'objectiu de desenvolupar una indústria agrícola global sostenible amb una petjada de carboni neutra, utilitzant tecnologies avançades com la intel·ligència artificial, la robòtica i la bioenginyeria per identificar nous mètodes de producció agrícola.

El projecte preveu el desenvolupament d'un espai de dades, amb el nom AgrarIA, basat en serveis d'IA que unifiqui tots els models de la cadena de valor del sector agrari –producció, transformació i distribució– en una única entitat de computació desacoblada, cosa que permet el desplegament d'iniciatives singulars que afavoreixin una transformació ràpida, eficient, productiva i sostenible del sector agroalimentari a mitjà termini. Hormigo va destacar com aquestes tecnologies permeten una gestió més intel·ligent dels recursos, alineada amb els objectius del Programa Nacional d'Algorismes Verds (PNAV) presentat a la jornada. En concret, AgrarIA disposa d'activitats específiques de desenvolupament, dins dels seus paquets de treball, per investigar algoritmes verds aplicats a l'espai de dades i a diferents casos d'ús desenvolupats pels socis del projecte. Així mateix, el projecte posa l'accent a buscar l'eficiència en el consum de recursos computacionals per ser encara més sostenible, i tot això està alineat amb dos dels grans reptes del sector: la competitivitat i la productivitat.

A més, el projecte té un altre objectiu principal de recerca en la modelització utilitzant diferents casos d'ús d'aquest espai de dades, per mostrar-ne la validesa com a plataforma interoperable, sostenible i segura; per això, en la seva presentació, va mostrar alguns exemples d'aquests casos d'ús que estan desenvolupant tots els socis del consorci: millora de la capacitat dels cultius vitivinícoles, eficiència energètica a les plantes frigorífiques, detecció i eliminació ràpida de plagues a les plantacions de tomàquet en hivernacles, visió artificial als supermercats per millorar l'experiència del client a través del reconeixement de fruites a la línia de pagament, computació quàntica aplicada a imatges de satèl·lit, eficiència de l'aigua en grans plantacions, etc.

Un exemple és la col·laboració amb TEPRO, on s'han implementat models de predicció per calcular el contingut d'aigua disponible al sòl per als cultius, utilitzant variables clau com la precipitació i l'evapotranspiració. Aquests models permeten anticipar-se a les necessitats hídriques dels cultius, i així optimitzar l'ús del reg. En una explotació d'ametllers de Carmona (Sevilla), els resultats van ser impressionants, i es va aconseguir un estalvi de fins al 58 % en aigua de reg, la qual cosa representa una millora significativa en la sostenibilitat de l'ús dels recursos hídrics.

D'altra banda, GMV i Família Torres han estat treballant en un projecte per preveure la quantitat de raïm que entrarà al celler combinant imatges de satèl·lit i informació agroclimàtica. La IA desenvolupada no només ajuda a gestionar millor les produccions pròpies, sinó que també facilita el control de les previsions de tercers, i s’optimitza la compra de raïm i altres processos relacionats amb la verema.

En col·laboració amb el CSIC, GMV està duent a terme una prova pilot d'intel·ligència artificial quàntica per predir el rendiment dels cultius agrícoles. Aquesta iniciativa utilitza imatges de satèl·lit processades per generar un predictor basat en Quantum Machine Learning (QML), que permet predir el rendiment amb més precisió. A més, s'integren altres dades com el clima i els riscos associats, i s’amplia el model de predicció per proporcionar una visió més global i eficient.

El Projecte AgrarIA: INTEL·LIGÈNCIA ARTIFICIAL APLICADA A LA CADENA DE VALOR DE LA PRODUCCIÓ AGRÀRIA 2050 (TSI-100114-2021-0) ha estat finançat pel Ministeri per a la Transformació Digital i de la Funció Pública, mitjançant el Programa Misiones de R+D en intel·ligència artificial 2021, en el marc de l’Agenda Espanya Digital 2025 i de l’Estratègia nacional d’intel·ligència artificial, amb finançament europeu a través del Pla de recuperació, transformació i resiliència.