Alphabet cerrará su negocio de tecnología agrícola

El explorador de plantas de Mineral trabajando en un campo de soja. (Foto: Alphabet)

La empresa matriz de Google, Alphabet, cerrará Mineral, su operación de tecnología agrícola, pero dijo que el trabajo del equipo continuará en otras agroindustrias.

Mineral se lanzó como una empresa independiente en enero de 2023, tras cinco años de desarrollo por parte de X, el laboratorio de innovación de Alphabet. Con la misión de impulsar la agricultura sostenible, el trabajo del equipo de Mineral incluyó robots diseñados para inspeccionar cada planta de un campo y la aplicación de inteligencia artificial (IA) e IA generativa para ayudar a las empresas a afrontar los retos del desperdicio de alimentos, la previsión y la recopilación de datos de alta calidad.

En una entrada de blog que anunciaba el cierre, Elliott Grant, director ejecutivo de Mineral, escribió: «Nuestra misión siempre ha sido marcar una diferencia significativa y positiva en el sistema alimentario mundial, algo que sabíamos que era una iniciativa audaz y de alto riesgo. Por eso, nos preguntábamos con frecuencia: '¿Es esta la mejor manera de maximizar el impacto?' y '¿Estamos llegando a la diversidad de agricultores que queremos en todo el mundo?'. Ya hemos mencionado anteriormente que hemos estado buscando alianzas nuevas e innovadoras que puedan trascender los enfoques tradicionales. Por ello, a principios de este año, decidimos replantear la estructura de Mineral y nuestro enfoque para lograr un impacto positivo para el mayor número de agricultores posible».

El trabajo de Mineral se centró en tres áreas: desarrollar tecnología de detección que pueda generar ricos conjuntos de datos sobre las plantas, organizar datos agrícolas de distintas fuentes para el aprendizaje automático y crear algoritmos de software y realizar investigaciones para avanzar en la comprensión de las plantas.

En su investigación, Mineral afirmó haber descubierto que la mayoría de las empresas no recopilaban la cantidad, diversidad ni calidad de datos necesarias para aprovechar al máximo el aprendizaje automático. Esto la llevó a desarrollar herramientas para capturar, seleccionar, depurar y ampliar datos multimodales. La empresa desarrolló exploradores de plantas para capturar grandes cantidades de imágenes de alta calidad y, posteriormente, amplió su alcance al desarrollo de tecnología de percepción generalizada compatible con plataformas como robots, equipos agrícolas de terceros, drones, dispositivos centinela y teléfonos móviles.

Mineral afirmó que un descubrimiento importante de su trabajo fue que implementar el aprendizaje automático como servicio era muy diferente del software como servicio (SaaS). Añadió que los modelos deben ser monitoreados y reentrenados continuamente con nuevos datos, especialmente en un sistema agrícola que cambia anualmente.

En un principio, Mineral se asoció con el productor de frutos rojos Driscoll's para desarrollar herramientas de IA que mejoraran el fenotipado de los cultivos, pronosticaran mejor el rendimiento, optimizaran las inspecciones de calidad y redujeran el desperdicio de alimentos. Alphabet afirmó haber transferido parte de esa tecnología a Driscoll's.

Driscoll's, con sede en California, es la primera agroindustria en incorporar la tecnología Mineral. Quizás más conocida como productora de fresas, la empresa se asoció inicialmente con el equipo de Mineral para mejorar la recopilación de datos en sus operaciones de mejoramiento. El mejoramiento de cultivos implica la recopilación de múltiples puntos de datos sobre cada variedad de planta a lo largo de la temporada de crecimiento. La capacidad de recopilar datos a gran escala durante toda la temporada permitió a los fitomejoradores centrarse en otras tareas.

La información obtenida a partir de esos datos inspiró a Driscoll's a colaborar con Mineral en otro desafío: predecir el rendimiento de cada planta. En un caso práctico , Mineral informó que sus ingenieros y científicos de datos ayudaron a Driscoll's a mejorar la precisión de sus pronósticos, aumentar su frecuencia, reducir la volatilidad de los mismos y ampliar su horizonte de pronóstico.