Inteligencia artificial para erradicar la maleza

Entendiendo el juicio moral justo y eficaz. 

(Al final, hay un video de esta publicación)

Quisiéramos arrancar de raíz todos los males de nuestra sociedad y, en ocasiones, ponemos en duda la moralidad o ética de algunos vecinos, ciudadanos o gobernantes. Pero, ¿sabemos hacer juicios morales justos y eficaces? 

Podemos aprender de una empresa de Inteligencia Artificial que ha desarrollado una tecnología para eliminar efectivamente la maleza en extensos cultivos. Al fin y al cabo, acabar con la maleza es como acabar con la injusticia, la desigualdad, la discriminación, la violencia o la corrupción en nuestra sociedad. 

¿Cómo criticas?, ¿Cómo señalas lo malo o lo incorrecto?, ¿Cómo comunicas tus juicios morales? 

Jorge y Lee, graduados de Stanford, se conocieron mientras tomaban un curso y descubrieron que los unía una pasión: contribuir a una agricultura más sostenible a través de la robótica, el aprendizaje automático y la visión por computadora. 

Con esta idea, el apoyo de sus amigos y familiares, y una subvención de la NSF, crearon Blue River Technology. 

La primera máquina inteligente que construyeron fue un robot para el adelgazamiento de la lechuga, una tarea tradicionalmente realizada a mano que consiste en eliminar las plántulas de lechuga no deseadas y que resulta costosa en tiempo y recursos. 

El robot de lechuga automatizó este arduo proceso tomando fotografías, identificando cuáles plantas se debían eliminar, rociándolas con herbicida y verificando la precisión de la operación, así como el rendimiento del sistema, todo en tiempo real. 

A partir de su “robot de la lechuga” desarrollaron la tecnología See & Spray que puede traducirse por Ver & Rociar. Las máquinas See & Spray aprovechan el aprendizaje profundo para poder identificar una mayor variedad de plantas, tanto cultivos como malezas, con mayor precisión y luego tomar decisiones en el desmalezado de cultivos de algodón y soya. 

Jorge y Lee describen la tecnología See & Spray con palabras del comportamiento humano, al fin y al cabo se trata de una tecnología que dota a las máquinas con Inteligencia Artificial. 

Sentir y decidir 

Lo primero que hace una máquina con tecnología See & Spray es “sentir” y “decidir” porque ven cada planta y determinan el tratamiento apropiado para cada una. Sus modelos inteligentes utilizan visión artificial y aprendizaje automático que les permite distinguir diferencias sutiles, casi imperceptibles al ojo humano, entre plantas de algodón o soya y malezas de muchas especies y tamaños. 

Actuar 

En seguida, la máquina apunta sus boquillas robóticas a las malezas no deseadas a medida que se desplaza sobre el cultivo. Con gran precisión y precisión, aplica el herbicida solo a las malezas, evitando la aplicación de químicos en el cultivo o en áreas sin malezas. 

La aplicación precisa del herbicida permite a los productores reducir hasta en un 80% el volumen de químicos aplicados, controlar efectivamente la maleza y prevenir el fenómeno de resistencia. 

Verificar y aprender 

En un ciclo de "circuito cerrado", la tecnología See & Spray incluye un segundo conjunto de cámaras, que dota a la máquina con la capacidad de verificar automáticamente el funcionamiento del rociado mientras avanza por el cultivo. Es decir, evalúa el herbicida aplicado, realiza ajustes y aprende a medida que avanza. 

Blue Rivers Technology recopila constantemente datos sobre las decenas de miles de plantas en cada campo, para mejorar continuamente su software al servicio la agricultura. 

A finales del 2017, Deere & Company, más conocida por su marca de tractores verdes “John Deere” adquirió Blue River Technology pagando a sus creadores 305 millones de dólares. En todo caso Blue River sigue siendo una subsidiaria administrada de forma independiente con espíritu emprendedor y, ahora, con el apoyo de uno de los líderes mundiales en agricultura de precisión. 

La historia de Jorge y Lee con la creación de su empresa Blue River Technology y el desarrollo de su tecnología See & Spray ha sido exitosa porque ha resuelto problemas de la industria agrícola y ha creado valor para los agricultores. 

Su historia también puede ser una metáfora de cómo las personas podemos mejorar nuestros juicios morales, de manera que con ellos podamos contribuir al mejoramiento de la sociedad. Supongamos que un gran cultivo de algodón o soya representa todo aquello positivo y valioso que los seres humanos podemos crear en conjunto; entonces, la maleza serían los males que afectan a nuestra sociedad. 

Ahora bien, si cada uno de nosotros es un agricultor responsable de erradicar la maleza, debemos ser capaces de hacer juicios morales. Se trata de una tarea que debemos hacer siempre frente a nuestro propio comportamiento pero que también podemos hacer frente al comportamiento ajeno, con el fin de cuidad a nuestra familia, comunidad y sociedad. Por simplicidad, voy a abordar el juicio moral como el acto mental que nos permite distinguir el comportamiento correcto del incorrecto de otras personas. 

Admitamos que la gran mayoría de las personas disponemos de esta capacidad moral porque hemos desarrollado esta función emergente de nuestro cerebro social que llamamos “conciencia”. 

Experimentamos escrúpulos, vergüenza o culpa y, también, empatía hacia los demás, especialmente cuando sufren o experimentan dolor. Sin embargo, estas experiencias no son suficientemente precisas para sustentar nuestros juicios morales concretos porque desembocamos muy fácilmente en prejuicios, sesgos y generalizaciones. 

Cuando nuestros juicios morales son imprecisos no sirven para ayudar a los demás ni para luchar contra la injusticia, la desigualdad, la discriminación, la violencia o la corrupción. 

Con una efectiva tecnología del juicio moral logramos prevenir conflictos y colisiones entre las personas, así como armonizar nuestras acciones con los demás, porque detectamos, ojalá a tiempo, los problemas y las consecuencias negativas de los comportamientos dañinos o decisiones equivocadas. 

Necesitamos, por lo tanto, una tecnología que nos permita evaluar oportunamente la conducta, dirigir con precisión nuestra atención hacia lo dañino, rociar con argumentos éticos a los responsables, evaluar la efectividad de nuestros argumentos y aprender de la experiencia. 

El punto más crítico es enfocar la conducta, lo que hace y dice la persona, teniendo en cuenta su intención y las circunstancias específicas de su actuación. De esto se desprende que un justo juicio moral requiere conocer, también, cómo la persona describe su conducta y cómo la explica, en función de sus intenciones y circunstancias concretas. No basta, entonces, con la observación “objetiva” de la acción y, mucho menos, con los comentarios de terceros. 

A partir de la exploración de la perspectiva ajena, podemos contrastar sus criterios y la jerarquía de sus principios o valores morales, y advertir los daños y los conflictos interpersonales causados o potenciales. 

Terminemos con un ejemplo de un juicio moral, estructurado con lo que hemos llamado una “tecnología efectiva”: “Tu participación en reuniones sociales y fiestas durante esta cuarentena es inconveniente porque te puedes contagiar con esta enfermedad que puede llegar a ser mortal y puedes transmitirla a otros. Entiendo que la cuarentena ha sido más larga de lo que nos imaginábamos, que quieres compartir con tus amigos, divertirte y descansar del encierro, pero tu deber ahora es cuidarte y cuidar a tus padres. ¿Eres consciente de las consecuencias que podría tener una sola salida?”. 

Para hacer buenos juicios morales no tenemos que atacar a la persona; la consigna “Duro con el problema y suave con las personas”, debería ser una condición para el juicio moral justo. 

Comparte esta publicación, haz un comentario y sigue este blog 

CRÉDITOS 

Videoclips tomados del canal de Blue River Technology y vistos en http://www.bluerivertechnology.com/ 

Videoclips descargados de https://www.pexels.com/es-es/ 

Música: 

Sundays To Be Thinking About 

by Speck (c) copyright 2018 Licensed under a Creative Commons Noncommercial Sampling Plus license. http://dig.ccmixter.org/files/speck/58216 Ft: Javolenus, ingemannStrunch, Apoxode