Galego
O big data, é dicir, a recompilación e tratamento en tempo real de inxentes cantidades de información e de datos, está xa presente en numerosos ámbitos da nosa vida, desde as aplicacións no móbil que nos permiten elixir o mellor camiño en coche a calquera destino ás suxerencias de novos amigos cos que contactar a través das redes sociais. O sector lácteo, á vangarda nos últimos anos na implantación de novas tecnoloxías no sector primario, subiuse tamén de cheo a este novo mundo de análise de datos que ameaza con transformar, se non o fixo xa, o traballo nas explotacións.
Disto sabe moito Fernando Mazeris. Este veterinario arxentino leva 25 anos traballando en ámbitos relacionados con sensores para vacas e software de manexo de rabaño, liderando proxectos desde a fase de investigación ata a de desenvolvemento e aplicación en granxa, primeiro dentro de DeLaval internacional e agora como director xeneral de Dairy Data Warehouse (DDW), unha spin off pertencente á compañía holandesa Uniform Agri, dedicada desde hai máis de 30 anos ao desenvolvemento dunha ferramenta informática de xestión de rabaño que permite centralizar e unificar toda a información das explotacións.
Os usos actuais destas novas tecnoloxías son xa enormes pero as súas posibilidades futuras son aínda maiores. “Estas tecnoloxías van impactar máis pronto que tarde na industria láctea, en toda a cadea de valor, desde as explotacións leiteiras ata o consumidor final, pasando por industrias que utilicen algoritmos de intelixencia artificial para predicir, por exemplo, a calidade da materia prima que van recibir”, asegurou recentemente Fernando Mazeris nas xornadas técnicas de Africor Lugo.
No caso das explotacións, ademais da robotización de tarefas mecánicas e a consecuente redución en man de obra, estas ferramentas tecnolóxicas servirán de apoio na toma de decisións, tanto diarias como estratéxicas, encamiñadas ao aumento da rendibilidade das explotacións. “Levar adiante unha gandería de leite hoxe en día non é nada fácil. O gandeiro debe conseguir rendibilidade ou, en caso de tela, mantela, cuns custos moi axustados e facendo fronte a unha presión permanente con novos requirimentos lexislativos que cumprir. Pero estas novas ferramentas axudarán aos gandeiros na súa tarefa, cada vez máis difícil de conseguir: a de mellorar a súa rendibilidade, a calidade do produto, a saúde e o benestar dos animais e minimizar o impacto negativo no medio ambiente”, enumera. Son todas posibles aplicacións do big data nas que xa se está traballando para a mellora de distintos aspectos do día a día das granxas leiteiras.
Da intelixencia artificial á aprendizaxe profunda
A intelixencia artificial é unha tecnoloxía dixital que traballa tratando de imitar as funcións cognitivas do cerebro humano, levando a cabo tarefas intelixentes a través de algoritmos matemáticos, que se conseguen a través do adestramento de computadoras grazas á análise de moitísimos datos. Pero o uso de algoritmos non implica intelixencia artificial. “Para que haxa intelixencia artificial o algoritmo ten que ter a capacidade de aprender das súas propias predicións”, aclara Fernando.
“A intelixencia artificial non é algo novo, empezouse a utilizar nos anos 50 do século pasado, pero o que fixo que a día de hoxe sexa unha tecnoloxía que se usa máis e máis en todas as ordes do traballo humano é o feito de que os computadores teñen a capacidade para manexar as cantidades inxentes de datos que se necesitan para poder aplicala e tamén a capacidade de aprender deses datos e ofrecer unha resposta a un problema ou interrogante concreto”, indica.
A intelixencia artificial nace nos anos 50. Nos 80 evoluciona coa aprendizaxe automática e a partir do 2010 co ‘Deep Learning’ ou aprendizaxe profunda, que é o que desencadea o boom actual da intelixencia artificial
Do mesmo xeito que os sistemas de condución automática en vehículos utilizan deep learning, tamén o fan as sementadoras de precisión; do mesmo xeito que existen cámaras de identificación en lugares como os aeroportos dalgúns países, tamén existen cámaras que fan un recoñecemento facial de cada unha das vacas do establo; e do mesmo xeito que avanzan os sistemas de diagnóstico médico por imaxes, tamén o fan, no ámbito agrario, as sulfatadoras selectivas, que aplican tratamento unicamente a aquelas plantas que o requiren a través do uso de cámaras de identificación, que en tempo real distinguen entre plantas de cultivo ou maleza, para aplicar herbicidas só de forma selectiva, o que permite aforrar entre o 75 e o 80% do herbicida que se utilizaría doutro xeito. Pero “todas estas tecnoloxías teñen que ter un sentido económico e de mellora da eficiencia para que acaben por implantarse”, destaca Fernando.
A dependencia dos datos
Para poder facer intelixencia artificial é necesario contar con datos de calidade e en gran cantidade. Son as coñecidas como “as 4 V” dos datos: volume, velocidade, variedade e veracidade. “Para poder detectar unha enfermidade en vacas leiteiras necesitamos ter os rexistros de miles e miles de vacas”, indica Fernando, que traballou, por exemplo, no desenvolvemento de Predicta Ketorisk, a aplicación empregada por DeLaval que detecta o risco de sufrir cetose en vacas recén paridas.
“Para facer un algoritmo que poida predicir cetose necesitamos unha colección de datos históricos de vacas con cetose de moitísimas granxas de todo o mundo, especialmente se queremos utilizar o algoritmo a nivel global”, recoñece o responsable de Dairy Data Warehouse. De aí o valor dos datos, de distintos aspectos de manexo, estado dos animais ou calidade do leite, que se extraen hoxe en día en moitas explotacións.
Durante os últimos 7 anos Dairy Data Warehouse dedicouse a recompilar datos de millóns de vacas de todo o mundo
“É importante que estes sistemas sexan integrados, é dicir, que se actualicen constantemente coa entrada de novos datos e predicións, para que o gandeiro o único que teña que facer é conectar a súa granxa ao sistema, e que sexa flexible e se adapte a calquera sensor de toma de datos”, indica Fernando. O funcionamento do sistema deseñado por DDW é sinxelo e automatizado: instálase un pequeno software na granxa que recompila todos os datos dos animais de forma individual cada 24 horas e envíaos á nube, onde se procesan, e devólvese a continuación a información á granxa en forma de predición e alertas.
Durante os últimos 7 anos DDW dedicouse a recompilar “datos de millóns de vacas de todo o mundo”. Pero eses datos así, tal como veñen da granxa, non se poden utilizar, “é necesario facer un traballo importante de clasificación e limpeza, e como veñen de diferentes fontes hai que correlaccionarlos para que haxa unha base de datos con información relevante”, aclara Fernando. É un aspecto clave, porque sobre esa base é sobre a que traballan os algoritmos de intelixencia artificial facendo as súas predicións.
Que cambios se aveciñan?
Ata o de agora, a xestión do rabaño mediante estas ferramentas específicas limitábase á observación de danos, xa que o deseño de aplicacións centrábase en datos históricos, pero o Big Data permite anticipar eventos futuros e adiantarse para previlos. “Estes modelos de predición permiten a simulación de diferentes escenarios hipotéticos, por tanto, a optimización da toma de decisións”, defende.
“Nós xa temos tres algoritmos de intelixencia artificial funcionando: un para facer unha predición individual de produción de leite de cada vaca na lactación actual e as seguintes (Predicta milk); outro para predicir cales son as vacas que van estar no rabaño nos próximos 500 días en base ás enfermidades, prácticas de manexo, etc (Predicta inventory); e un terceiro sobre predición de saúde dos animais (Predicta ketorisk)”, detalla.
O big data permite anticipar eventos futuros e adiantarse para previlos
No caso da cetose, por exemplo, comunícaselle ao gandeiro con 3 ou 4 semanas de anticipación ao parto cal é o risco de sufrir hipercetonemia durante esa lactación de cada unha desas vacas que van parir para que o gandeiro poida adoptar medidas preventivas. “Estamos nun camiño na utilización da tecnoloxía que vai desde documentar danos, que é o que se facía ata o de agora, ata poder previlos. É dicir, un paso máis aló sería pasar das estatísticas históricas das granxas (que pasou?) ás estatísticas preditivas (que pasará?), para chegar despois a un terceiro nivel, que serían as estatísticas prescriptivas (que debo facer?). Isto, que parece ciencia ficción, xa está aquí”, asegura Fernando Mazeris.
Como será a vida do gandeiro?
Gandeiros holandeses empregando os sistemas de predición de Data Dairy Warehouse
“Digámolo así, os modelos de intelixencia artificial van ser parte da produción de leite en todos os aspectos dunha gandería, é só unha cuestión de tempo, e serán útiles en dous sentidos: por unha banda resolver cuestións operativas do día a día do produtor de leite (identificar un animal enfermo, definir a enfermidade, suxerir un tratamento), é dicir, algo puntual de todos os días, para poder tomar unha decisión concreta; pero á súa vez, onde creo que os algoritmos van ter unha importancia decisiva será nas cuestións estratéxicas a curto, medio e longo prazo. Por exemplo, dará ao gandeiro información concreta e precisa sobre que vacas inseminar con seme sexado e cales con seme de carne e todo iso con datos reais e verídicos de cada unha das granxas, esa é a revolución que vai suceder”, avanza.
As decisións en base a sentimentos ou pura intuición van perder peso e as ferramentas preditivas darán certeza en cambios de manexo, alimentación, xenética ou outros aspectos estratéxicos das explotacións
“Vai haber unha base de información tan grande que as decisións en base a sentimentos ou decisións intuitivas van perder peso, aínda que obviamente o que vai seguir tomando as decisións vai seguir sendo o gandeiro pero cunha ferramenta que o apoia nesas decisións”, indica. Nos últimos 15 anos chegaron masivamente ás explotacións leiteiras os sensores de monotorización dos animais e os gandeiros acumularon valiosos datos históricos das súas granxas en aplicacións de xestión do rabaño que agora son tremendamente útiles para pedecir o futuro desa explotación en múltiples aspectos, analizando os distintos escenarios futuros en función das decisións tomadas con anterioridade e as que se tomen no momento actual.
Detección automática de enfermidades e prescrición de tratamentos
O big data vai cambiar a vida diaria das granxas, dando respostas a moitas preguntas estratéxicas a curto e longo prazo en distintos aspectos. Por exemplo, cantas xatas pode vender o gandeiro para seguir entregando a cantidade de leite acordada coa empresa de recollida ou cantas tenreiras haberá de recriar, segundo a estratexia da explotación, en caso que querer medrar en determinado número de cabezas ou litros de produción.
O papel do veterinario limitarase a casos máis graves ou a fármacos sometidos a supervisión máis estrita, como os antibióticos
Pero tamén terán utilidade práctica en cuestións do día a día. A popularización dos sensores de monitoraxe individualizada permitirá avances na chamada gandería de precisión. “O desenvolvemento deste tipo de tecnoloxías vai continuar de forma exponencial, do que falamos é só o comezo”, asegura Fernando.
Moitas das novas aplicacións están a focalizarse en aspectos de saúde, desde detección de enfermidades a prescrición de tratamentos. Haberá ferramentas preditivas para problemas habituais (hipercetonemia, mamite, etc) que axuden a detectalos e a prescribir tratamentos en substancias de venda libre, como propilenglicol contra a cetose. Pero esta competencia non acabará co papel dos veterinarios, considera o responsable de Data Dairy Warehouse.
O desenvolvemento deste tipo de tecnoloxías vai continuar de forma exponencial, do que falamos é só o comezo
“Haberá outros niveis de fármacos, especialmente antibióticos, nos que a supervisión dos veterinarios deberá seguir sendo necesaria para a súa prescrición, sobre todo a raíz do inminente endurecemento da normativa sobre a súa aplicación”, considera. “O gandeiro, pero tamén o veterinario, vai ter que dedicar menos tempo a analizar datos, pero o seu papel vai seguir sendo esencial á hora de prescribir tratamentos e de axudar ao gandeiro a mellorar, por exemplo recomendando rutinas”, conclúe.
