Investigadores han desarrollado un enfoque innovador que integra modelos matemáticos de confianza en el aprendizaje por refuerzo multiobjetivo para la gestión agrícola inteligente, centrándose en la interacción entre humanos y la inteligencia artificial (IA) en agricultura de precisión. Este estudio aborda la creciente adopción de tecnologías avanzadas, como la IA, para incrementar la eficiencia agrícola ante los retos del cambio climático.

El equipo de la Universidad de Iowa utilizó un marco llamado Gym-DSSAT para simular con precisión variables del suelo y el crecimiento de cultivos, con 28 variables internas esenciales para evaluar prácticas agrícolas. Los investigadores llevaron a cabo encuestas con 71 agricultores del Medio Oeste de EE.UU., para desarrollar un modelo de confianza contextualizado a partir de la interacción humano-IA.

Este modelo busca superar las desconfianzas de los agricultores ante recomendaciones de IA, al integrar la confianza en un marco de refuerzo multiobjetivo que valora la interacción humano-IA, complementando escasez de confianza existente por discrepancias entre las prescripciones algorítmicas y experiencias prácticas de los agricultores.

Esta metodología identificó que los agricultores priorizan el rendimiento de los cultivos y la cantidad de fertilizante utilizado, seguidos por la frecuencia de fertilización, mientras que los impactos ambientales fueron la prioridad más baja. Mediante simulaciones, las recomendaciones generadas por inteligencia artificial consciente de la confianza lograron equilibrar una alta aceptación social y un desempeño agronómico efectivo.

El modelo implementado demostró eficacia en escenarios de variabilidad climática moderada, aunque fue menos robusto bajo climas extremos, sobre todo la reducción de precipitaciones, sugiriendo la necesidad de recalibrar las estrategias ambientales del modelo de confianza.