En asociación con Lenovo, Vatsavai está aplicando algoritmos de aprendizaje profundo e inteligencia artificial al problema del monitoreo global de cultivos con la esperanza de “optimizar las necesidades de las poblaciones futuras”. Si bien la producción mundial de alimentos supera actualmente a la necesidad, es probable que esto no ocurra en las próximas décadas, a medida que la población mundial aumente paralelamente a los efectos del cambio climático.

Con el tiempo, Vatsavai tiene previsto proporcionar a los agricultores productos de datos inteligentes que les aconsejarán cuándo plantar y cosechar para evitar la siembra en condiciones climáticas inusuales. Debido al cambio climático, dice Vatsavai, la helada se está presentando durante la floración y congela los brotes. Si no hay brotes, no habrá ni flores ni frutos. Esto ya ha impactado las plantaciones de cítricos en Florida en los últimos años. En lugar de seguir las estaciones, que han demostrado ser poco confiables en un planeta sacudido por el cambio climático, los agricultores pueden utilizar datos modelados por computadoras para predecir las fechas ideales de siembra y para plantar las semillas adecuadas junto con los fertilizantes y herbicidas adecuados. Utilizar datos para determinar las épocas ideales de siembra y cosecha podría, a su vez, reducir la escasez de alimentos provocada por el cambio climático y los fenómenos meteorológicos que produce.

Sin embargo, estos conjuntos de datos espaciotemporales, entre ellos, las imágenes satelitales de muy alta resolución y los datos sobre el clima y el cambio climático, son masivos. “A menos que dispongas de inteligencia artificial eficiente y de algoritmos de aprendizaje automático, así como de acceso a una infraestructura informática moderna y potente, simplemente no se puede generar inteligencia procesable de manera oportuna”, dice Vatsavai.

La generación de estos modelos de cultivos avanzados está fuera del alcance de la potencia de cálculo de la universidad, por lo que la asociación con Lenovo es esencial para el laboratorio de Vatsavai.

En 2017, Lenovo se esforzó por impulsar a sus clientes para acelerar sus trayectorias de inteligencia artificial, un esfuerzo que culminó con la apertura de tres nuevos Centros de innovación de inteligencia artificial, incluyendo uno en Morrisville, Carolina del Norte, donde está ubicado Vatsavai. En el Centro de innovación de inteligencia artificial de Lenovo, Vatsavai y su equipo tienen acceso a los recursos más recientes, que van desde clústeres informáticos de alto rendimiento de Lenovo e Intel hasta potentes herramientas de software como la plataforma LiCO para la inteligencia artificial. Es importante destacar que el equipo de Vatsavai también puede buscar orientación y apoyo de los científicos y arquitectos de datos durante todo el proyecto.

Vatsavai usa actualmente una ThinkStation P920 de Lenovo, una de las estaciones de trabajo de mayor rendimiento, como un sandbox de inteligencia artificial para el desarrollo rápido de modelos desde su oficina antes de escalar estos modelos para las computadoras de alto rendimiento del Centro de innovación de inteligencia artificial de Lenovo.

Sin embargo, para la segunda fase de la iniciativa de investigación, el objetivo de Vatsavai era mejorar la precisión y resistencia de las predicciones de inteligencia artificial mediante la incorporación de la informática de vanguardia y fuentes de datos de Internet of Things. Para lograrlo, confía en la pequeña ThinkStation P330 Tiny.

“Si puedo poner este dispositivo de computación de vanguardia cerca de los sensores en el campo, puedo hacer cálculos en tiempo real”, dice Vatsavai. “Ese es el objetivo final: acercar estos dispositivos informáticos a la adquisición de datos y aplicar inteligencia artificial sobre la marcha para generar conocimiento en tiempo real y procesable. Todavía estamos trabajando en esto”.

La workstation Tiny permite al equipo de investigación colocar la potencia analítica cerca de donde se generan los datos, lo que les permite capturar los resultados en tiempo real a nivel del sensor. Más adelante, estos modelos generados por la ThinkStation Tiny pueden indicar a los investigadores remotos del laboratorio si las hojas están creciendo en los cultivos de maíz en Nebraska o predecir una helada próxima en los campos de cítricos en Florida.

En un país como Estados Unidos, los alimentos, la energía y el agua se administran por entidades separadas: federales, estatales y hasta locales. “Como resultado, estamos perdiendo la interconexión entre estos tres sistemas importantes”, dice Vatsavai. Su trabajo en inteligencia artificial geoespacial y el aprendizaje automático espera mejorar estas limitaciones mediante la integración de grandes cantidades de datos de los tres sectores para explicar estas “fuertes interrelaciones”. “Solo adoptando un enfoque holístico”, dice, “podremos empezar a prepararnos para el nuevo modo de vida que está provocando el cambio climático”.