Un modelo de IA explicable (xIA) desarrollado por expertos del Centro Común de Investigación (JRC) de la Comisión Europea puede detectar múltiples peligros climáticos que afectan a la agricultura en Europa. Permite la detección probabilística y la estimación de la incertidumbre de las áreas de interés, mejorando así la gestión de riesgos.

Los extremos climáticos plantean amenazas significativas para la agricultura en Europa: las olas de frío pueden provocar heladas durante la fase de floración, mientras que el calor excesivo y la baja disponibilidad de agua pueden estresar la vegetación, reduciendo así el rendimiento de los cultivos.

Mediante la integración de décadas de conocimiento experto con técnicas avanzadas de IA explicable (xAI), un equipo de investigadores dirigido por el Centro Común de Investigación (JRC) de la Comisión Europea ha desarrollado un modelo impulsado por expertos que puede detectar múltiples peligros climáticos que afectan a la agricultura en Europa.

El modelo, descrito en un artículo científico publicado en Nature, puede mejorar la gestión de riesgos y la adaptación, ayudando a impulsar la resiliencia de la agricultura en Europa. Esto marca un paso hacia el desarrollo de sistemas de alerta temprana multirriesgo más robustos y fiables para la agricultura.

Al combinar el poder de la IA con la experiencia insustituible de los especialistas en la materia, este modelo puede ayudar a mejorar la resiliencia climática y salvaguardar la seguridad alimentaria frente a la creciente variabilidad climática en Europa.

Detección de riesgos climáticos a través del conocimiento experto y la IA

El modelo se basa en la experiencia de especialistas agroclimáticos que han identificado operacionalmente Áreas de Preocupación donde peligros climáticos específicos pueden afectar a la agricultura, como sequías, olas de calor y eventos de precipitaciones extremas. Al aprender de este rico conjunto de datos, el modelo puede digerir de manera eficiente grandes conjuntos de datos agrometeorológicos de manera oportuna para proporcionar primeras conjeturas de Áreas de Preocupación relevantes para la agricultura en Europa.

A diferencia de los modelos tradicionales de IA de caja negra, este sistema proporciona explicaciones claras para sus predicciones al mostrar los factores clave que impulsan la detección de Áreas de Preocupación. Por ejemplo, el modelo revela el papel fundamental de los patrones específicos de circulación atmosférica en la conducción de las condiciones de sequía, lo que permite una predicción y una preparación más precisas basadas en el impacto de la sequía. La transparencia e interpretabilidad incorporadas en el modelo ayudan a generar confianza y permiten a las partes interesadas comprender las posibles causas subyacentes del riesgo.

Otro aspecto clave del modelo desarrollado radica en su naturaleza probabilística. El modelo está diseñado para proporcionar una gama de resultados posibles, por lo que no solo detecta si una determinada área es motivo de preocupación, sino que también proporciona los medios para evaluar la probabilidad, junto con una estimación de la incertidumbre asociada.

Este resultado probabilístico empodera a los agricultores, las partes interesadas, los responsables de la formulación de políticas y los profesionales de la reducción del riesgo de desastres para tomar decisiones más informadas sobre la asignación de recursos y las estrategias de intervención. Por ejemplo, el modelo destaca las áreas con potencial alto impacto (por ejemplo, condiciones de sequía durante las primeras etapas de crecimiento de los cultivos) y baja incertidumbre (por ejemplo, probable que se verifique en el campo), lo que indica la necesidad de tomar medidas inmediatas en esas áreas.

Las investigaciones futuras se centrarán en la incorporación de fuentes de datos adicionales, la exploración de arquitecturas avanzadas de IA y el perfeccionamiento de las estrategias de comunicación para transmitir eficazmente información compleja sobre riesgos a diversas audiencias.