Los suelos sustentan alrededor del 95 % de los alimentos y son un importante depósito de carbono, pero, con un tercio ya degradado, resulta difícil proteger el resto a medida que cambia el clima.
El aprendizaje automático puede cartografiar suelos y detectar patrones, pero rara vez explica el comportamiento del suelo ni sus respuestas a condiciones desconocidas.
La inteligencia artificial (IA) multiagente podría ayudar a los científicos a plantear mejores preguntas con mayor rapidez, siempre que el trabajo siga dirigido por científicos.
Exigimos a nuestros suelos más que en casi cualquier otro momento de la historia moderna.
Aproximadamente el 95 % de los alimentos que consumimos depende del suelo, por lo que este debe seguir produciendo alimentos, incluso cuando el clima sea cada vez menos predecible.
Los suelos también deben retener carbono. Almacenan más carbono que la atmósfera y toda la vegetación terrestre juntas. Y deben hacerlo todo ello bajo una presión creciente, porque un tercio de los suelos del mundo ya está degradado y la erosión por sí sola podría reducir la producción de cultivos en una décima parte para 2050.
Pero los suelos no se comportan como máquinas. Una solución que acumula carbono en un campo puede tener un rendimiento inferior en el siguiente, donde difieren los minerales, la humedad y la historia del terreno. Un terreno que hoy parece estable puede cambiar tras años de calor y estrés hídrico.
Para científicos y gestores de tierras, la parte difícil llega después de la medición. Deben comprender por qué un suelo se comporta como lo hace y anticipar lo que hará a continuación. La inteligencia artificial (IA) suele presentarse como una forma de sortear esa complejidad, pero un papel más útil podría ser ayudar a los científicos a abordarla.
Cómo la IA podría ayudar a la investigación de suelos
La IA ya se utiliza en la investigación de suelos. Las herramientas de aprendizaje automático cartografían propiedades del suelo, interpretan flujos de datos de sensores y predicen condiciones en paisajes enteros, poniendo de manifiesto patrones que a una persona le costaría distinguir. Sin embargo, el reconocimiento de patrones es solo el primer paso de la ciencia.
Un modelo puede mostrar que una señal sigue una propiedad del suelo sin explicar por qué existe esa relación. Puede pronosticar un cambio en el carbono del suelo sin revelar el proceso que lo subyace. Y un modelo puede fallar justo cuando más se necesita, cuando las inundaciones, las sequías y las olas de calor empujan a los suelos más allá de cualquier situación contemplada en los datos de entrenamiento.
Esa es la brecha que merece la pena cerrar.
La investigación de suelos necesita ahora mejores formas de conectar evidencias, sopesar explicaciones contrapuestas y decidir qué investigar a continuación.
¿Podría la IA funcionar como un equipo de investigación de suelos?
Los sistemas de IA multiagente son un paso en esa dirección. Mientras que un modelo de IA convencional está diseñado para una sola tarea, un sistema multiagente asigna funciones a varios agentes de IA y les permite abordar un problema por etapas. Uno revisa la bibliografía mientras otro analiza los datos, un tercero somete a prueba de estrés una explicación propuesta y un cuarto sopesa hipótesis competidoras para determinar cuáles son más plausibles, útiles o comprobables.
Una configuración así es un asistente potente, pero no es un científico por derecho propio. Los agentes de IA son rápidos y capaces de abarcar enormes cantidades de información, pero dependen de los investigadores humanos para plantear la pregunta y juzgar la respuesta.
En un campo moldeado por la historia local, el clima, la biología y la gestión, ese papel humano es decisivo, ya que los suelos no pueden comprenderse solo a partir de datos. Pero los agentes de IA pueden incorporar al debate evidencias dispersas.
En lugar de otro mapa estático, pueden ayudar a construir un “gemelo digital” del suelo que se actualice a medida que llegan nuevas observaciones. En lugar de una simple alerta sobre una tendencia preocupante, pueden ayudar a los investigadores a indagar en las causas de un problema y convertir artículos y conjuntos de datos dispersos en preguntas comprobables.
Probar la idea con el carbono del suelo
En un artículo reciente publicado en la revista Frontiers in Science, mis colegas y yo encomendamos a un sistema de IA multiagente uno de los temas más disputados del campo: cuánto carbono pueden retener los suelos y cuán estable se mantiene.
El debate gira en torno a la saturación de carbono del suelo: si existe un límite para el carbono asociado a minerales que un suelo puede almacenar. El concepto tiene un peso real en la política climática, donde incluso ganancias modestas de carbono en el suelo se consideran una palanca de mitigación importante, pero sus límites en el mundo real están en discusión.
El valor del sistema de IA multiagente residió en el proceso más que en una respuesta concreta. Revisó la bibliografía reciente, generó hipótesis contrapuestas, simuló aspectos de la revisión por pares y clasificó los resultados según su novedad, plausibilidad, viabilidad y amplitud de aplicación.
El sistema organizó un debate confuso en líneas de investigación más claras al separar la capacidad teórica de almacenamiento de un suelo de lo que alcanza en condiciones reales, al llamar la atención sobre los factores biológicos y químicos que intervienen y al sugerir que los suelos cercanos a la saturación pueden responder de forma distinta al estrés climático que aquellos con margen disponible.
Cada una de esas ideas aún requiere un escrutinio experto para determinar si está fundamentada en evidencias, si es realmente útil y si puede comprobarse sobre el terreno o en el laboratorio. Bien empleada, la IA multiagente no aparta a los científicos del trabajo; más bien, les ofrece un punto de partida más estructurado.
Los retos de utilizar la IA en la investigación de suelos
Al utilizar IA, existe un riesgo real de tomar una respuesta fluida por una respuesta profunda. Un sistema entrenado con datos desiguales no comprenderá suelos que nadie haya medido. Un modelo fiable en condiciones conocidas puede fallar ante sequías o inundaciones que quedan fuera de su experiencia.
El suelo es un caso difícil. Los datos están fragmentados y son locales, y la bibliografía es desigual entre regiones, tipos de suelo y sistemas agrícolas. Incluso los modelos más avanzados de hoy responden correctamente solo a alrededor del 65 % de las preguntas de los exámenes avanzados de ciencia del suelo, lo que nos recuerda cuánto terreno debe cubrir todavía el juicio humano al utilizar la IA.
Utilizadas sin transparencia, las herramientas de IA pueden hacer más difíciles de ver los puntos ciegos existentes. Además, el acceso es desigual, ya que la capacidad de cómputo y la experiencia que sustentan la IA avanzada no se reparten por igual entre los países.
Por ello, es importante exigir a estos sistemas de IA un alto nivel de rigor. Deben poder mostrar de dónde procede su información, comunicar su incertidumbre y admitir el cuestionamiento.
IA dirigida por científicos, no ciencia dirigida por IA
Los suelos se encuentran entre los recursos más vitales del planeta y, a la vez, entre los más desatendidos. Su estado configurará la seguridad alimentaria, la resiliencia climática y la gestión responsable de la tierra durante décadas.
La IA multiagente puede ayudar a los científicos a abordar esa complejidad al establecer conexiones con mayor rapidez, afinar hipótesis y agilizar las fases iniciales y laboriosas de la investigación, de modo que el tiempo de los expertos se dedique a lo que realmente importa: la observación de campo, la interpretación y el juicio.
El valor de los sistemas de IA dependerá de la calidad de los datos que los sustentan, de la transparencia de su razonamiento y de la experiencia de las personas que los dirigen. Utilizados con esa disciplina, los agentes de IA podrían convertirse en socios genuinos en el descubrimiento, ayudando a los científicos del suelo a ir más allá de la mera detección de patrones bajo nuestros pies para comprender los sistemas vivos que nos sostienen.
El suelo sobre el que descansa cada decisión que tomamos sobre alimentos y clima merece algo menos.
