Ganancias:
- Capacidad para reconocer y gestionar riesgos éticos, como la propiedad de los datos de los agricultores, la privacidad y el sesgo algorítmico.
- Capacidad de combinar todos los enlaces del módulo en un único flujo de trabajo estacional de extremo a extremo
- Establecer en un sistema de calidad que la producción de IA no reemplace la aprobación de un agrónomo competente en decisiones agrícolas críticas para la seguridad.
Examen del módulo
1. ¿Cuáles son los anclajes de la validación de los 'tres anclajes' que se aplican antes de incorporar los resultados de la IA en una decisión en ingeniería agrícola?
- A) Rango de tamaños, plausibilidad agronómica y evidencia de campo ✔
- B) Popularidad del modelo, duración de la respuesta y fluidez del idioma.
- C) Precio, velocidad e interfaz de usuario.
- D) Credibilidad de la marca, conexión a Internet y formato de archivo.
Descripción: Tres anclas; orden de magnitud, que verifica si el resultado está dentro de la potencia esperada de 10, razonabilidad agronómica, que analiza la coherencia de la producción con el cultivo y el clima, y evidencia de campo, que proporciona confirmación en el campo en lugar de núcleo/muestra. La marca de la fuente, la popularidad del modelo o la fluidez del texto no son criterios de verificación.
2. ¿Qué mide básicamente el NDVI (Índice de Vegetación de Diferencia Normalizada)?
- A) Determinar el porcentaje exacto de humedad del suelo en centímetros.
- B) Densidad y fuerza de una vegetación verde y vibrante ✔
- C) ¿Qué agente patógeno está presente a nivel de especie?
- D) Precio del producto final después de la cosecha
Descripción: NDVI mide la densidad y la fuerza de la vegetación viva fotosintética verde normalizando la diferencia entre las reflectancias del infrarrojo cercano (NIR) y de la banda roja. Dado que las plantas sanas reflejan fuertemente el NIR y absorben el rojo intensamente, el NDVI aumenta; El valor disminuye en caso de cobertura estresante o escasa. No mide directamente el rendimiento, la humedad del suelo ni el tipo de enfermedad; estos requieren datos adicionales.
3. Una imagen de satélite muestra un área con un valor de NDVI bajo. ¿Cuál de los siguientes es el mejor paso a seguir antes de convertir esta anomalía en una decisión de ingeniería?
- A) Aplique fungicida en esa área inmediatamente.
- B) Duplicar la dosis de fertilizante al área.
- C) Confirmar la causa mediante control de campo, meteorología y fenología ✔
- D) Ignorar la anomalía y aplicar un promedio a todo el campo.
Explicación: El NDVI bajo puede ser causado por estrés hídrico, enfermedades, deficiencia de nutrientes, emergencias poco frecuentes, sombra de nubes o suelo recién arado. Sólo podemos distinguir esta incertidumbre a través del control de campo, la meteorología y la fenología; El mapa por sí solo no dice por qué. La aplicación directa de pesticidas o fertilizantes conlleva el riesgo de interferir con la causa equivocada.
4. ¿Cuál es el enfoque más preciso al ingresar las coordenadas de campo de los agricultores, los datos de rendimiento y costos en una herramienta de inteligencia artificial disponible públicamente?
- A) Pegar todos los datos tal cual con su ID y coordenadas
- B) Anonimizar la información de identificación y compartir solo los datos técnicos necesarios ✔
- C) Cargar datos en una tabla pública sin verificarlos en absoluto
- D) Donar datos para modelar la capacitación sin permiso del agricultor
Divulgación: Los datos de los agricultores son confidenciales desde el punto de vista comercial y personal; La información de coordenadas, identidad y costos es una cuestión de propiedad y confidencialidad. El enfoque correcto es anonimizar la información de identificación con etiquetas representativas (Plot-A, coordenada X) y compartir solo los datos técnicos necesarios para el análisis. Compartir los datos tal como están o abrirlos a la educación sin permiso plantea riesgos éticos y legales.
5. El informe del análisis del suelo indica un pH de 4,8. ¿Qué significa este valor desde el punto de vista agronómico?
- A) Suelo neutro e ideal para la mayoría de cultivos.
- B) Fuertemente ácido; Una condición que puede restringir la ingesta de alimentos y requerir corrección ✔
- C) álcali fuerte; una condición que requiere encalado
- D) Significa que la salinidad del suelo es extremadamente alta.
Descripción: pH 4,8 indica un suelo fuertemente ácido; En esta condición, se reduce la absorción de fósforo y molibdeno, aumenta el riesgo de toxicidad por aluminio/manganeso y se suprime el desarrollo de las raíces en muchos cultivos. Para la mayoría de los cultivos de campo, 6,0-7,0 es el rango apropiado. Por lo que se considera una corrección como el encalado; El suelo ácido no es "ideal" y por sí solo no garantiza altos rendimientos.
6. La IA recomendó 60 kg de nitrógeno puro por decare para un campo de trigo; El rendimiento práctico y objetivo regional indica aproximadamente 12-16 kg de nitrógeno puro por decare. ¿Cuál es el mejor comportamiento?
- A) Implementar la recomendación tal como está, porque la IA calculó
- B) Aumentar aún más la dosis para estar seguro
- C) Véalo como una advertencia de orden de magnitud y verifique las entradas y la calibración local ✔
- D) Dividir la propuesta a la mitad sin tener en cuenta el análisis del suelo.
Descripción: La recomendación es aproximadamente cuatro veces el rango esperado; Esta es una advertencia de orden de magnitud. El exceso de nitrógeno significa tanto daños económicos como riesgo de depresión, enfermedades y contaminación por nitratos. El comportamiento correcto es rechazar la recomendación y verificar los insumos (unidad, rendimiento, rendimiento objetivo, N del suelo) y la calibración local. La aplicación ciega causa daños ambientales y agronómicos.
7. ¿Qué significa el 'consumo de agua de las plantas' (evapotranspiración, ET) utilizado en las decisiones de riego?
- A) La cantidad de agua que ingresa al suelo solo a través de la precipitación.
- B) Pérdida total de agua por evaporación del suelo y transpiración de la planta ✔
- C) Conductividad eléctrica del suelo.
- D) Valor de presión en la tubería de riego.
Explicación: La evapotranspiración es la pérdida total de agua del suelo a la atmósfera a través de la evaporación y transpiración de la planta. Multiplicando la ET de referencia por el coeficiente del cultivo (Kc), se estima la necesidad hídrica real del producto (ETc) y se planifica el riego en función de este balance hídrico. ET no es lluvia ni salinidad del suelo; Representa el lado de salida del presupuesto de agua.
8. Un ingeniero que vio síntomas en la hoja le dio la descripción fotográfica a AI y recibió un diagnóstico preliminar. ¿Qué es obligatorio antes de traducir este diagnóstico en una decisión de control de plagas?
- A) Confirmar el agente en el campo/laboratorio y seleccionar un medicamento autorizado y etiquetado ✔
- B) Tomar varios medicamentos diferentes juntos, solo para estar seguro
- C) Aplicar el ingrediente activo inmediatamente como diga AI.
- D) Elija el pesticida más barato y aplíquelo en todo el campo.
Explicación: El diagnóstico preliminar a partir de la imagen por sí sola no es suficiente debido a diferentes factores (fúngicos, bacterianos, virales, deficiencia de nutrientes, estrés abiótico) que causan síntomas similares. El agente debe ser confirmado con una muestra de campo y, si es necesario, un diagnóstico de laboratorio, y luego solo se debe seleccionar un medicamento autorizado para ese agente y ese producto y adecuado a su etiqueta. La aplicación de pesticidas de amplio espectro sin verificación crea el riesgo de resistencia y residuos.
9. ¿Cuál es el propósito del concepto GDD (Growth Degree Day), que se utiliza con frecuencia en el apoyo a las decisiones agrícolas?
- A) Según el valor del pH del suelo
- B) Predecir las etapas de desarrollo de las plantas y la aparición de plagas por acumulación de calor ✔
- C) Medición del caudal de la tubería de riego
- D) Calcular el precio de mercado del producto.
Descripción: GDD es el calor total acumulado restando una temperatura base a la temperatura promedio diaria y se utiliza para estimar las etapas de desarrollo (fenología) de la planta y el tiempo de emergencia de algunas plagas. Por lo tanto, las ventanas de pulverización, fertilización y cosecha se pueden planificar según la acumulación de calor en lugar de según el calendario. GDD no es el pH del suelo ni la cantidad de lluvia directa.
10. ¿Cuál de las siguientes es la afirmación más precisa para un modelo de predicción de rendimiento establecido con aprendizaje automático?
- A) Predice el futuro con precisión y sin error.
- B) Se basa en patrones pasados; Debe darse con rango de incertidumbre y verificarse ✔
- C) Siempre funciona con la misma precisión en condiciones distintas a los datos de entrenamiento.
- D) Es el único que toma la decisión final sin información agronómica
Descripción: un modelo de aprendizaje automático se basa en patrones que ve en datos históricos; La confianza disminuye cuando las condiciones de entrada quedan fuera de los datos de entrenamiento (nueva variedad, clima inusual). Por lo tanto, la producción debe darse con un rango de incertidumbre, no un punto, y debe verificarse con rendimientos históricos y puntos de referencia. El modelo no conoce el futuro con certeza y no funciona con la misma precisión en todas las condiciones.
11. ¿Cuál es la mejor práctica antes de ejecutar un código de análisis Python/pandas generado por IA?
- A) Aplicar el código directamente a todo el conjunto de datos sin leerlo
- B) Probar con una pequeña muestra de datos con resultados conocidos y verificar fórmulas y unidades ✔
- C) Considerar que basta con trabajar sin errores.
- D) Poner el resultado en el informe sin verificarlo en absoluto
Descripción: si bien el código generado por IA puede parecer correcto, puede contener errores de unidad, nombre de columna, fórmula de índice o lógica de filtro. Una buena práctica es ejecutar manualmente el resultado con una pequeña muestra de datos que conoce, compararlo con el resultado esperado y comparar fórmulas como NDVI con la fuente. Aplicar código a big data sin verlo traslada errores silenciosos a producción.
12. ¿Por qué el cuaderno de administración de medicamentos es fundamental en los registros de trazabilidad?
- A) Sólo para obtener una deducción fiscal
- B) Proporciona un registro verificable de cumplimiento de LMR, certificación y rastreo de lotes ✔
- C) Sólo para comparación con campos vecinos
- D) Elaborar folletos publicitarios.
Descripción: Libro de administración de medicamentos; Documenta qué producto, qué ingrediente activo, en qué dosis y fecha se utilizó, y el período de espera entre la última aplicación y la cosecha. Este registro es obligatorio para el cumplimiento del límite máximo de residuos (LMR), la buena certificación agronómica/orgánica y el rastreo del lote si ocurre un problema. No se conserva únicamente para seguimiento de costos o publicidad.
13. Una herramienta de inteligencia artificial informó con seguridad que una plaga que no se encontraba en el área era una "amenaza común". ¿Qué concepto puede explicar mejor esta situación?
- A) Error de calibración del sensor
- B) Alucinación: producción de información que no existe en un lenguaje seguro ✔
- C) Interrupción de la conexión de red
- D) Falta de datos de precipitaciones
Explicación: Se llama alucinación cuando el modelo produce información que en realidad no existe o no coincide con el contexto, como si fuera real, fluida y segura. El filtro de la plausibilidad agronómica (¿el clima y el patrón de cultivo de la región son adecuados para esa plaga?) y la evidencia de campo detectan esos errores antes de firmarlos. Esto no es un mal funcionamiento del sensor ni un error de la unidad.
14. ¿Cómo debería definirse el papel de la inteligencia artificial en las decisiones agrícolas críticas para la seguridad y la calidad (por ejemplo, dosis de pesticidas, prescripción de fertilizantes, plan de riego)?
- A) La autoridad competente que es la única que toma la decisión final
- B) Sistema automatizado que reemplaza la aprobación del agrónomo competente
- C) Un asistente que elabora borradores y sugerencias y deja la decisión al experto ✔
- D) Fuente precisa de información que no requiere verificación
Descripción: Inteligencia artificial; Es un asistente que produce esquemas, resume datos y propone hipótesis. La última palabra en las decisiones críticas pertenece al ingeniero agrónomo competente que esté familiarizado con la observación de campo, la calibración local y la legislación; La producción de IA no reemplaza esta aprobación. Cuando se trata de seguridad del producto, medioambiental y alimentaria, la responsabilidad recae en el experto firmante.