La denominación de origen Ribera del Duero verá como sus bodegas mejoran su producción y su calidad gracias a la tecnología. Concretamente, a la Inteligencia Artificial y al análisis de datos, que, con drones e imágenes por satélite, permitirán a los enólogos afinar su trabajo en las vendimias. Todo ello será posible debido al trabajo de la Unión Europea con el proyecto AI4EU, de Horizonte 2020, el programa marco de investigación e innovación de la Comisión Europea.
Dentro del proyecto AI4EU, que se divide en varias ramas, se encuentra este piloto tan particular. Liderado por Atos España –con la colaboración de la pyme Smart Rural, la Universidad Politécnica de Cataluña, la Universidad de Atenas y el DLR (Centro Aeroespacial Alemán)–, el proyecto busca reducir los costes generales y mejorar la calidad de la producción del vino de la Ribera del Duero.
Tomás Pariente, project manager de AI4EU, del departamento de I+D de Atos, explica de dónde viene este piloto. “AI4EU es un proyecto faro de IA a nivel europeo cuya idea es que, como si de una semilla se tratase, surja a través de él un ecosistema de proyectos y empresas que puedan utilizar su plataforma a nivel global”.
Uno de los sectores en los que trabaja es el de agricultura. Y, dentro de este sector (AI4Agriculture), se encuentra el piloto. “La idea es utilizar datos que proceden de imágenes o del conocimiento del día a día del trabajo en las bodegas”, especifica. “Creamos una Inteligencia Artificial con datos que proceden de satélites, o con información más cercana de drones o de fotos con móvil. Estas últimas no son fotos normales, están hechas con ciertas aplicaciones que recogen algo más que la foto en sí, ya que añaden metadatos". Además, están desarrollando una metodología para tomar otros datos.
[Le puede interesar: Ribera del Duero expande su esencia en jóvenes sumilleres extranjeros]
“Las bodegas quieren una predicción sobre cómo irán sus viñedos”
Según Pariente, en la Ribera del Duero –y en todas las denominaciones de origen– tienen un límite de producción. Por eso tiran más hacia la calidad que hacia la cantidad. “No miran las uvas ‘correctas’, sino las correctas para el tipo de vino que quieren. Diferentes zonas de un viñedo pueden dar opción a un y vino y otras a otro”.
“Las bodegas lo que quieren es eso: una predicción sobre cómo irán sus viñedos. No esperar hasta el último momento”, subraya. De ahí que utilicen técnicas de machine learning para aplicar estas predicciones. “No se trata tanto de lo que hacen normalmente, lo que hace un enólogo: el color, tamaño, olor. Lo hacemos anticipándonos. Por ello, este verano hemos recopilado imágenes de las uvas y de los racimos de diferentes cepas en diferentes momentos de la estación. Ahora, un experto lo está etiquetando y, de esa manera, trabajamos con algoritmos de IA y metemos esos datos etiquetados. La idea es que el siguiente verano se validen esos datos.
Este verano han trabajado con las bodegas Martín Berdugo, Prado Rey y Vizcarra. “Queremos entender si podemos complementar a los expertos en esto. Así, el enólogo puede abarcar más terreno sin necesidad de estar in situ en todas las zonas de un viñedo”. En definitiva, anticiparse a los tipos de uva que se pueden llegar a dar sin tener que comprobar cada cepa.
Aún así, el piloto liderado por Atos no se queda solo ahí. Su trabajo se puede aplicar a más cuestiones, como saber cómo está la uva. “Queremos ver la calidad, pero esta toma de datos puede ser para otras decisiones, como el control de plagas, por ejemplo. Queremos un aprendizaje automático, sobre el terreno; queremos tomar los datos y detectar que las fotos sean sobre las mismas uvas que teníamos pensado, no sobre uvas distintas. La geolocalización de un móvil no te da una situación exacta. No es fácil determinar eso, por lo que queremos ajustar todavía diversas cuestiones”, reconoce.
“En IA, la agricultura es de lo más complejo que hay”
Según Pariente, la agricultura es uno de los dominios más complicados que pueden existir, ya que depende del suelo, del tiempo… “La agricultura no es solo la uva, sino cualquier cultivo, y cada cultivo requiere una toma de datos distinta. La agricultura es de lo más complejo que hay. Al final, para hacer un buen sistema de Inteligencia Artificial tienen que pasar varios años con diferente estrés hídrico de las plantas, insolación e incluso mirar diferentes tipos de bodegas para que el sistema se pueda aplicar a nivel general. Seguramente, con lo que hacemos, el año que viene tendrán un buen nivel”.
Es un buen ejemplo de cómo los diferentes entornos pueden asimilarse en otros sitios. Es decir, que “el sistema será mejor cuanto más tiempo tenga”. Para ello, habrá que estudiar años similares, esto es, un proceso más largo del que están haciendo para este año. “Estamos teniendo en cuenta un pasado histórico con satélites. Pero no tenemos un set de datos de pruebas de entrenamientos que sea suficiente para darlo por válido. Eso requiere años”.
Cuentan con dos líneas dentro del piloto: un demostrador genérico que muestre las capacidades del proyecto –“que puedan verlo para poder vender estos resultados”, indica– y que alguna pyme tenga ya trabajos con bodegas. "Queremos integrar los resultados en su suite y mejorar su propia plataforma. Por otro lado, como Atos, con estos resultados queremos vender la solución a bodegas o a cualquier cliente de agricultura. Con diferentes datos, se podría ajustar a otros campos”.
Por último, Pariente confía en la continuidad y el futuro del proyecto. Según él, “la comisión está poniendo bastante dinero y tiene pinta de que esto dará mucha cancha para que otros utilicen los datos para hacer sus propios proyectos. Que, a la larga, posicione a la UE en IA”. Asimismo, destaca que, en cuanto a investigaciones IA en Europa “estamos bien, es de lo mejor”. Pero a nivel comercial, todas las plataformas que tienen algo que decir en el mundo son asiáticas y americanas. “No es crear una plataforma nueva, sino reutilizar todo (de todos) en una plataforma de colaboración. Que se pueda poner al servicio de Europa algo que permita este desarrollo de soluciones”.
