La inteligencia artificial es un conjunto de técnicas que está revolucionando el panorama actual. Nombrada expresión del año 2022 por la RAE, la inteligencia artificial se aplica a la gestión de datos y permite la extrapolación de conclusiones en base a dicha información. En la actualidad, se aplica en todos los campos de la ciencia y la tecnología, y la ciencia del compostaje no es menos. El interés de aplicar estas técnicas se centra en gestionar la cantidad ingente de datos que se obtienen durante el proceso, con el fin de optimizarlo y también, modelizarlo.
En un trabajo reciente, investigadores turcos han revisado todo el conocimiento científico disponible sobre inteligencia artificial aplicado al compostaje. Aunque la aplicación de la inteligencia artificial al compostaje está en sus primeras etapas de desarrollo, es un área prometedora que podría mejorar significativamente la eficiencia del proceso y reducir los costos de producción.
Además de esta interesante aplicación, también podemos usar la inteligencia artificial para mejorar nuestro entendimiento del compostaje usando la literatura científica disponible. A continuación, os comparto mi conversación con ChatGTP sobre la introducción teórica del trabajo que os comento en esta entrada:
- Germán Tortosa (GT): Hola ChatGTP. ¿Puedes hablar en Español?
- ChatGTP: ¡Hola! Sí, puedo hablar en español. ¿En qué puedo ayudarte hoy?
- GT: Me gustaría que me ayudases con un texto en inglés. Te lo puedo escribir y necesitaría que me lo interpretaras.
- ChatGTP: Por supuesto, estaré encantado de ayudarte a interpretar tu texto en inglés. Adelante, por favor envíame el texto y con gusto te ayudaré a comprenderlo.
- GT: Aquí va … (aquí copio y pego el texto de la introducción del artículo)
- ChatGTP: Los residuos orgánicos se suelen desechar mediante digestión anaerobia, compostaje y métodos térmicos. El compostaje es preferido por sus bajos costos de inversión y operación, mayores beneficios sociales y ambientales, y generación de un producto final vendible. El compostaje es un proceso bioquímico que convierte los residuos orgánicos en un producto estable y seguro que se puede utilizar como sustrato y fuente de nutrientes para el crecimiento de las plantas. El proceso de maduración es fundamental para producir un compost de alta calidad. El índice de madurez es un procedimiento de evaluación que se utiliza para determinar el grado de descomposición de las materias primas y la completitud del proceso de compostaje. El compost debe pasar dos o más de estos tests para ser considerado maduro. El compost maduro es beneficioso para las plantas, mientras que el compost inmaduro puede inhibir la germinación de semillas y el crecimiento de las raíces y las plántulas debido a la presencia de altas concentraciones de ácidos grasos volátiles, amoníaco libre u otros compuestos tóxicos. La optimización del proceso se realiza mediante modelos matemáticos para obtener el mejor compost de calidad agregada y para gestionar el proceso de manera más económica. El modelado se aplica para predecir la variable dependiente con la mayor precisión posible, especialmente cuando los valores de las variables independientes no están disponibles. Los modelos matemáticos tienen algunas limitaciones, como la asunción de linealidad y distribución, lo que dificulta la modelización de las relaciones no lineales entre las variables. En cambio, el aprendizaje automático (esto sería el maching learning o ML), un subconjunto de la inteligencia artificial, ha surgido como una forma efectiva de abordar los desafíos metodológicos clave en el modelado. El ML puede manejar datos multivariables complejos, predecir conexiones no lineales y procesar datos faltantes. El uso de enfoques de ML se clasifica en aprendizaje supervisado (regresión y clasificación), aprendizaje no supervisado (agrupamiento) y enfoques de aprendizaje por refuerzo. El aprendizaje supervisado es el enfoque más utilizado. El ML adquiere experiencia utilizando datos, aprende patrones, realiza inferencias informadas a partir de los datos para crear un modelo matemático y proporciona predicciones para el futuro. En los procesos de compostaje, se utilizan enfoques de ML para predecir con precisión la producción de CO2, optimizar los parámetros de procesamiento para mejorar la calidad del compost, predecir la madurez del compost, monitorear el contenido de humedad en sistemas de compostaje a escala industrial, estimar la actividad enzimática del compost y clasificar la madurez del compost. El modelado de los parámetros del proceso de compostaje es muy importante para generar soluciones y procesos de toma de decisiones. En los últimos años, se han utilizado diferentes algoritmos de ML en el modelado y la predicción de los parámetros del proceso de compostaje.
- GT: Muchas gracias
- ChatGTP: ¡De nada! Si necesitas algo más, no dudes en preguntar.
- GT: Una pregunta, ¿puedo usar este texto para publicarlo en mi blog? Te mencionaré como autor
- ChatGTP: El texto es de tu propiedad una vez que lo has recibido, por lo que puedes usarlo en tu blog si lo deseas. Sin embargo, ten en cuenta que el texto ha sido generado automáticamente por mí como un modelo de lenguaje y que se proporciona solo con fines informativos y educativos. Por lo tanto, si decides utilizar el texto, te sugiero que lo edites y lo adaptes según tus necesidades y verifiques su exactitud y relevancia antes de publicarlo en tu blog. Y sí, puedes mencionarme como autor del texto.
¿Qué os parece? Aunque así me lo sugería ChatGTP, no he modificado su texto pata que así tengáis una idea más real de lo podemos hacer.
La fuente:
- Fulya Aydın Temel, Ozge Cagcag Yolcu, Nurdan Gamze Turan. Artificial intelligence and machine learning approaches in composting process: A review. Bioresource Technology 370 (2023) 128539. DOI: https://doi.org/10.1016/j.biortech.2022.128539