Podcast Ag Tech Talk: Reunir la inteligencia artificial y los seres humanos para resolver casos extremos
27 enero 2023 
Es 2023. Según predicciones anteriores, se suponía que tendríamos autos voladores que nos llevarían a la escuela y a la oficina, mochilas propulsoras que nos permitieran visitar la tienda sin meternos en embotellamientos, las tareas domésticas serían manejadas por robots y la inteligencia artificial resolvería los problemas del mundo o esclavizar a la humanidad. Si bien técnicamente, esas cosas existen, están lejos de ser omnipresentes y muy lejos de la promesa de hace décadas. La inteligencia artificial y la automatización existentes son bastante sofisticadas, pero pueden quedar perplejas rápidamente por "casos extremos" inesperados. SparkAI La solución reúne el factor humano con la tecnología existente para superar esos desafíos únicos. En este podcast hablamos con Michael Kohen, fundador y director ejecutivo de SparkAI, sobre la inteligencia artificial y el futuro de la agricultura.
Transcripción del podcast:
AgriBusiness Global,: ¿Por qué no nos dices qué es SparkAI? ¿Dame tu discurso de ascensor sobre de qué se trata todo eso?
Michael Kohen: Mira, este es el problema específico que resolvemos. Y realmente tiene que ver con la realidad del mundo que vivimos, el mundo real es impredecible y complejo. Y como resultado, es muy difícil construir sistemas de IA que funcionen perfectamente siempre.
Venimos de la industria de los automóviles autónomos. No te subirías a un auto sin conductor con una precisión de 95%. Entonces, para muchas aplicaciones, y especialmente aquellas que se ocupan de cosas relacionadas con la seguridad o la productividad y el rendimiento, es el último 5%, es decir, la brecha crítica que impide que estas aplicaciones de próxima generación lleguen al mercado.
Y está ahí porque, de nuevo, los sistemas de IA funcionan muy, muy bien, 95%t del tiempo. Pero cuando se encuentran con algo que no entienden del todo, las cosas comienzan a fallar y eso afecta la viabilidad del producto. Así que esa es la pieza que resolvemos. Lo hacemos aprovechando la tecnología y las metodologías que construimos originalmente cuando trabajábamos en autos sin conductor.
MK: Lo hacemos de una manera particular y única al combinar nuestros propios sistemas de IA con aportes de seres humanos reales. Y lo hacemos en tiempo real. El resultado es que ayuda a nuestros clientes a cruzar una variedad de aplicaciones, lanzar y escalar productos de IA más rápido de lo que nunca creyeron posible. Y antes de que sus sistemas de IA sean perfectos.
ABG: Perdona mi ignorancia, aquí. Tenemos inteligencia artificial. Hemos estado escuchando sobre eso durante mucho tiempo, y luego la automatización, la robótica, ese tipo de cosas con las que te estás casando aquí. Si te entiendo, explica cómo son diferentes y cómo se complementan entre sí.
M.K.: Claro. Cuando hablas de robótica, normalmente te refieres a las máquinas físicas, mecánicas, ¿verdad? Ya sean robots autónomos, móviles, un tractor autónomo, o robots de recogida de mercancías o robots personales como los que se pueden emplear en un almacén. Estás hablando de cosas físicas que interactúan con el mundo de una manera física.
Esos robots, y especialmente la próxima generación de esos robots, están aprovechando la IA, que en sí misma es un concepto general bastante amplio. Pero piensa en ello como el cuerpo y el cerebro. Entonces, el robot es el cuerpo. El sistema de IA es el cerebro.
Necesita ambos para entregar realmente productos que brinden el valor que están tratando de entregar. La automatización es otro de estos términos generales bastante amplios que, dependiendo de cómo desee definirlos, probablemente encapsule la IA y la robótica en este concepto de automatización. Así es como se alinea la distinción.
ABG: Está bien. Entonces, usted mencionó los automóviles. Hemos oído hablar de autos sin conductor, pero también hemos oído hablar de accidentes y cosas por el estilo, y creo que eso es a lo que se refirió cuando mencionó el 5%. En su sitio web los llama casos extremos. ¿Puedes hablar un poco más sobre cuáles son?
MK: Como una ciudad ocupada, ocupada como la ciudad de San Francisco. Estás constantemente observando el entorno y adaptándote a algunas de las cosas locas que a veces puedes encontrar por primera vez. Nuevamente, los humanos realmente aprovechamos las décadas de experiencia de vida que tenemos, pero también millones de años de evolución humana que nos equipan increíblemente bien para adaptarnos a situaciones cambiantes en el mundo muy rápidamente, en base a modelos mentales que nuevamente aprovechan nuestra vida pasada, experiencia y nuestra experiencia evolutiva pasada. Ese concepto simplemente no existe para la IA hoy en día. La forma en que construimos la IA es que tenemos un modelo base y lo golpeamos con lo que se llama datos de entrenamiento, como muchos ejemplos, por así decirlo, de cosas particulares que esperamos que encuentre ese modelo. Pero solo hay una cantidad limitada de esos datos disponibles en el mundo, y solo hay una cantidad limitada de eso que un sistema de IA puede ingerir con confianza y realmente comenzar a construir un modelo mental alrededor. Entonces, lo que sucede es que la mayoría de los equipos de IA pueden hacer eso muy, muy bien y llegar al rendimiento de, digamos, 95% o 96%. El desafío es que el último 5% representa lo que se denominan casos extremos de cola larga o excepciones de cola larga. A lo que se refiere es a todas esas situaciones, la larga cola de situaciones que pueden existir en el mundo que no puedes predecir y para las que no puedes entrenar, y realmente no puedes construir un gran depósito de datos de entrenamiento porque son raros.
Son raros de forma individual, pero en conjunto representan un porcentaje significativo de los problemas.
Entonces, nuevamente, 95% de la época, su automóvil autónomo podría estar funcionando perfectamente. Pero en eso sabes que hay 5% de la época en que el mundo se ve ligeramente diferente. Si ese sistema no puede adaptarse, sabes que tienes una situación realmente peligrosa en tus manos.
ABG: Su solución es devolver ese factor humano a la automatización. ¿Puedes hablar un poco sobre cómo funciona? Si un productor tiene su rociador, sea cual sea la herramienta que esté usando en el campo. Si él puede hacerlo con inteligencia artificial, tú puedes hacerlo en medio de la noche, ¿verdad? ¿Cómo funciona realmente traer a los humanos de vuelta a esto? ¿Ese tipo de derrota el propósito de confiar en la inteligencia artificial?
MK: No tanto. Quiero decir, realmente vemos lo que estamos haciendo aquí como una piedra angular de la revolución de la IA. Lo que quiero decir con eso es que tomará algunas décadas lograr que estos sistemas de IA funcionen perfectamente bien por sí solos siempre. Esta es una historia que se desarrolla genuinamente a lo largo de décadas. ¿Cuándo piensas en las aplicaciones en la agricultura? Específicamente, los cultivadores han dependido de una forma particular de hacer las cosas durante siglos. Y ahora tienes nueva tecnología que está llegando. Y claro, si funciona bien la mayor parte del tiempo, genial. Pero si enciende cualquier máquina que tenga funcionando en medio de la noche, y hace algo mal y destruye su campo o lo impacta de alguna manera negativa, realmente ya no puede confiar en ese producto.
Realmente no se trata de amortiguar nuestra capacidad para lanzar y escalar productos de IA. Realmente se trata más de cómo tomamos los sistemas que nosotros, como industria, hemos construido hoy y brindamos a los productores la confianza de que estos sistemas funcionarán extremadamente bien y de manera confiable todo el tiempo, y parte de eso es ayudar al sistema de IA a salvar esto. brecha cognitiva que hoy solo tenemos los humanos. Le da a la gente la confianza para decir, esto es algo en lo que puedo confiar para hacer realmente lo que estoy entregando para hacer.
ABG: Está bien. Entonces, tal vez ahora sea un buen momento para un ejemplo específico. Dame algo en ese 4% a 5% que esa inteligencia artificial no pueda resolver por sí sola.
M.K.: Claro. Somos bastante públicos acerca de nuestra relación con John Deere, que es simplemente una compañía increíble, increíble. Mire algunos de los titulares que están saliendo en torno al trabajo que han estado haciendo durante los últimos años para introducir realmente la automatización en las soluciones que ofrecen a sus clientes finales. Es realmente una de las empresas de automatización más importantes que existen en la actualidad que realmente está cumpliendo la promesa de automatización y entregando el valor allí.
Uno de los casos de uso en los que hemos estado trabajando estrechamente con ellos es este tractor autónomo. Aquí tienes un sistema que involucra un equipo bastante grande que está navegando por el mundo por su cuenta. Como saben muchas de las personas que escuchan esto en este podcast, un campo agrícola es en realidad un entorno bastante desestructurado: impredecible y potencialmente complejo. De vez en cuando tienes un carrito de la compra en medio del campo. Y debe poder manejar eso con seguridad y confianza de una manera que no afecte el rendimiento. La forma en que interactuamos con un producto como ese es en esos momentos en los que el sistema puede encontrar algo que no está muy seguro de qué es.
En lugar de simplemente detenerse y esperar a que el granjero venga a ayudar, llamará a nuestro sistema automáticamente. Obtendremos datos de los robots. Veremos a través de los ojos del robot y proporcionaremos seres humanos reales capacitados para el caso de uso. Mire esos datos y pueda proporcionar una entrada humana cognitiva de sentido común. Esa entrada vuelve directamente al robot, que luego la usa para tomar una decisión segura y confiable en el campo.
Una vez más, el robot puede tomar una decisión segura y confiada, y todo lo que acabo de mencionar sucede en cuestión de segundos, por lo que es realmente fluido en términos del funcionamiento del propio robot.
ABG: Obviamente, cuantos más productos venda y más veces se implemente esta solución SparkAI en el campo, necesitará más y más personas disponibles para responder a estos problemas.
MK: Aquí es donde entra en juego la capa de tecnología. La forma de fuerza bruta es simplemente contratar a este enorme mar de personas que siempre están disponibles para responder en segundos. Pero la verdadera magia de lo que hemos desarrollado aquí, y nuevamente se basa en la tecnología que creamos en los autos sin conductor, es la capacidad de hacer más con menos y tener una huella humana más pequeña que no necesita escalar. linealmente con la cantidad de implementaciones que podríamos tener con un cliente o clientes y ayudar a permitir que los humanos hagan un trabajo más rápido y preciso a través de la tecnología. Hay trabajos y sistemas de enrutamiento: herramientas de decisión en tiempo real que permiten a los humanos hacer un trabajo más rápido. Todo eso se une para entregar realmente el mismo trabajo con la menor cantidad de personas posible.
ABG: Bueno, hablando de unas pocas personas como sea posible, una de las quejas o preocupaciones habituales que escuchamos de los productores es sobre cuestiones laborales, tratando de encontrar personas en la finca. Una solución automatizada o de inteligencia artificial parecería ser una posible circunstancia atenuante, por lo que ese problema es un poco menos preocupante. Pero, ¿hay otras cosas que puedan estar impidiendo que las personas adopten este tipo de tecnología?
MK: Cada vez hay más presión sobre los productores para que produzcan, ¿verdad? Y esa presión proviene de muchas direcciones diferentes a la vez: aumento de la población que está más desarrollada y consume más, presión del clima y las condiciones del suelo del clima y de la mano de obra, escasez de mano de obra y la capacidad de satisfacer realmente el suministro y demanda. Entonces, toda esa presión realmente está alimentando este interés y deseo de pensar en cómo resolver partes de ese rompecabezas con la automatización.
El interés está ahí. Entonces, la pregunta es, ¿qué tan confiable es esa automatización hoy? Los humanos somos increíblemente indulgentes con otros humanos que cometen errores o cometen errores. Pero tan pronto como tomas un sistema de IA supuestamente inteligente y dices: 'Oye, deberías confiar en esto, ese sistema de IA realmente degrada tu confianza en ese producto y tu capacidad para confiar realmente en él. Entonces, creo que hay algunas dinámicas, ¿verdad? Una es que están afectando potencialmente la adopción de la robótica, y yo estoy en el campo. Uno es ese factor general de rendimiento y confiabilidad. Otra es que algunas de esas aplicaciones aún no se han perfeccionado realmente, desde un punto de vista puramente mecánico, haciendo que los robots articulados recojan cada fresa en una fila. En realidad, es un desafío de física particularmente difícil. Y el tercer tipo de pieza interesante. Y creo que este es solo un factor único de la agricultura, sí, algunas personas se dedican a la agricultura porque quieren estar al aire libre, y saben que quieren trabajar con sus manos, y quieren ser parte del acto de crecer. Entonces. encontrar el equilibrio adecuado de cómo permitir que las personas continúen haciendo eso mientras les permite responder a esta llamada y presión de la necesidad de ser cada vez más productivos.
Sabes, es un equilibrio que creo que nosotros, como industria, todavía estamos tratando de encontrar juntos.
ABG: Usted mencionó que trabaja con John Deere. ¿Cómo funciona físicamente? ¿Es una solución de software integrada? ¿Hay una caja que está sentada, en el tablero que funciona dentro? ¿Cuáles son los mecanismos que en realidad dicen: 'Aquí está la cosa que tiene la inteligencia artificial incrustada'.
MK: Sí, entonces esta es la parte hermosa. Realmente interactuamos en la capa de decisión. Entonces, no hay hardware físico que estemos introduciendo. Hemos hablado de paquetes en lo que se llama una API, que es solo una forma en que dos sistemas de software se comunican entre sí. Así, con todos nuestros clientes. Tienen un sistema robótico. Ese sistema tiene inteligencia a bordo y sabe cuándo no confía en una decisión. Entonces, cuando sabe que no está seguro, llama a nuestro sistema automáticamente, una interfaz de software a software y luego hacemos lo nuestro en segundo plano y luego entregamos una respuesta. Todo es a través del software, lo que nos permite interactuar con una variedad de diferentes tipos de sistemas robóticos y clientes.
Trabajamos con una variedad de aplicaciones dentro de la agricultura, pero también fuera de la agricultura: seguros, tecnología, logística, almacén, inspección con drones. Esas son todas las áreas en las que pasamos mucho tiempo.
ABG: Algo de lo que hemos oído hablar mucho últimamente son los datos: empresas que recopilan datos. Está recopilando escenarios para aprender para que pueda ayudar a la inteligencia artificial a seguir aprendiendo. ¿Está recopilando otros tipos de datos sobre los datos de la granja? Y si es así, ¿cómo te aseguras de que no estás dando ninguna información que un productor no quiere que esté ahí afuera?
M.K.: Sí. Estamos allí para ayudar a nuestros clientes a entregar un mejor producto a sus clientes. En cuanto a esa relación de datos que se gestiona entre nuestro cliente y su cliente final. No somos dueños de ninguno de esos datos. Realmente estamos allí solo para atender a nuestros propios clientes. Entonces, realmente dejamos que ellos lo manejen, y solo somos partidarios de eso.
ABG: Hemos estado escuchando sobre tecnología y cómo va a cambiar el mundo. Tal vez vi la caricatura de "Los Supersónicos" demasiadas veces cuando era niño. Se supone que ya tenemos autos voladores. La promesa de estas soluciones parece superar su realidad. Mencionaste que podría tomar décadas. ¿Dónde vamos a estar dentro de cinco años? ¿Seguirá teniendo eso en una conexión humana con su inteligencia artificial o será completamente automatizado?
MK: La realidad aquí es que esta es una historia que se desarrolla durante décadas. Y creo, a lo que la industria está empezando a despertar es a esta idea de que la IA es difícil de perfeccionar, y es difícil hacerla confiable y que funcione perfectamente, como mencioné en todos los escenarios posibles. Entonces, lo que está escuchando de la mayoría de los practicantes de inteligencia artificial y líderes de opinión es este tema cada vez mayor de que el ritmo de desarrollo en el que estamos es excelente. Pero existe esta otra pista que, hasta el momento, no se ha descubierto y que nosotros, como industria, debemos resolver. Pero el tema recurrente es que ese otro camino debe comenzar a parecerse mucho más a la cognición humana, ¿verdad? No es que esté diciendo que la cognición humana deba ser parte de esto para siempre jamás, pero la forma en que construimos los sistemas de IA debe comenzar a tomar algunas colas más de cómo funcionan los sistemas cognitivos humanos. Y debemos comenzar a descubrir una manera de incorporar ese razonamiento de sentido común en la forma en que construimos los sistemas de IA, que nuevamente es realmente una pista por descubrir. En IA, probablemente haya uno o dos premios Nobel en esa historia. Es una innovación que ocurre una vez en una década.
ABG: ¿Estamos más cerca de un coche totalmente autónomo o de un tractor totalmente autónomo?
MK: Tractor totalmente autónomo. Y creo que esa es una de las cosas más hermosas de la agricultura, donde comenzarás a ver muchos más sistemas autónomos a gran escala y no solo robots, sino también confianza en la IA en un entorno agrícola. Lo verás mucho antes que en un entorno urbano. Creo firmemente en esto, la revolución de la IA comienza en la granja.
ABG: Mencionaste un carrito de compras en medio del campo en alguna parte. ¿Puede darme uno o dos ejemplos muy específicos de un caso límite que su sistema haya tenido que resolver?
M.K.: Claro. Entonces, la forma en que puede pensar sobre los casos extremos son realmente solo excepciones. Hay dos maneras de pensar en ello. O es algo completamente único que nunca podría haber predicho, y es totalmente nuevo para el sistema, o es algo totalmente mundano. Pero por alguna razón, en ese momento se ve único. Quizás sea más fácil pensar en un tronco en medio de un campo, o una roca, o un arbusto en el borde de un campo.
Por la razón que sea, hay momentos en los que ese arbusto, por cómo está orientado el sol o es un día especialmente polvoriento. Por alguna razón, esa combinación de factores ambientales hace que ese arbusto parezca algo completamente diferente. Para aquellos que manejan Tesla y son lo suficientemente valientes como para encender el piloto automático, verán que estas cosas suceden de vez en cuando cuando un automóvil se identifica como un camión o una persona se identifica como un ciclista. Entonces, eso es lo mismo que sucede realmente en cualquier lugar donde se implemente un sistema de IA.
Y el sistema Ai es lo suficientemente inteligente como para decir: “Oye, esto es extraño y tampoco estoy seguro. No estoy seguro de lo raro que es eso”.
Un ejemplo muy específico que puedo darles es que va a sonar tan mundano un arbusto en el borde de un campo que parece otra cosa debido a alguna condición ambiental.
Realmente creo que la revolución de la IA comienza en la granja, y existe una enorme promesa de satisfacer una necesidad muy específica a nivel humano, ayudando a alimentar al mundo. Y hay formas de hacerlo a través de la robótica.
Y hay formas de hacer esto a través de algunos de los otros sistemas de IA realmente emocionantes que se están introduciendo en los últimos años y en el futuro, usando IA para administrar mejor los cultivos: rendimiento de cultivos, detección de plagas, salud de cultivos, monitoreo de suelos.
Algunos de esos sistemas son bastante simples. Son sistemas que se sientan en el campo y simplemente respiran el aire y producen resultados. Otros involucran drones que inspeccionan cultivos y tratan de identificar evidencia de ciertos problemas de salud de los cultivos. Están sucediendo muchas cosas en la agricultura. El eje de todo esto es qué tan confiable puedes hacerlo. ¿Cuánto puede hacer que los agricultores confíen en el resultado de estos sistemas que están retroalimentando todos estos datos? Y luego también, ¿cómo empaqueta estos datos de una manera que realmente le permita al agricultor tomar medidas?
Si sabe que una esquina del campo está afectada por el gusano cogollero, ¿cómo puede el agricultor tomar medidas solo en esa esquina del campo, si sabe que su sistema de riego es toda la hilera? Entonces, hay mucho de este tipo de simbiosis que debe suceder. Comienza con el desarrollo de sistemas mejores y más confiables que realmente demuestren el caso del ROI para aumentar la adopción. Y luego, a través de eso, hay un desarrollo de código evolutivo continuo que ocurre con el tiempo.
ABG: Hablamos un poco antes sobre nuestro enfoque en los insumos para cultivos. ¿Cómo ve las herramientas de inteligencia artificial que afectan los insumos de los cultivos?
MK: Todo se reduce a la optimización. Y esto se ve tanto con sistemas robóticos como con sistemas no robóticos. Algunos de los temas en ejecución son: ¿Cómo estás? obtener más rendimiento de sus cultivos con mayor eficiencia? Eso es menos pesticidas fertilizantes, optimizando el uso del agua. Estas son cosas que son importantes para el flujo descendente, el costo total de administrar una granja, aumentar la producción y el rendimiento de su granja, pero también tienen implicaciones para (garantizar) un clima saludable y un medio ambiente saludable.
Hay mucho trabajo por hacer allí. Cuanto mejores se vuelven los datos, más digeribles se presentan a los agricultores, más acciones decisivas se pueden tomar
ABG: ¿Cómo obtienen más información sobre sus ofertas?
MK: Nos pueden encontrar en www.chispa.ai. Toda la información está allí, y hablamos mucho sobre varios casos de uso en la agricultura, así como un puñado de piezas de pensamiento que realmente comienzan a hablar sobre lo que se necesitará para introducir estos productos de próxima generación en el mercado. No dentro de cinco años o dentro de 10 años, sino ahora mismo, hoy, cuando el mundo más lo necesite.
ABG: Bien, muchas gracias por su tiempo. Realmente aprecio tus ideas hoy.
MK: Absolutamente, realmente un placer estar aquí.
¡Obtenga el boletín hoy!
