Medina y Campis nos muestran cómo usar la ia en un emprendimiento de Hidroponia
Category
🗞
NoticiasTranscripción
00:00Gracias por acompañarnos, mientras JJ prepara nuestro proyecto de hidroponía, yo les voy
00:14a contar un poquito qué es inteligencia artificial y hacia dónde vamos.
00:17Bueno, Juan recién estuvo hablando de IA generativa, bueno, dio la casualidad, yo le
00:28decía recién a Silvia, estás tocando temas que yo también voy a hablar acá para ustedes
00:36y bueno, como son temas que se están utilizando, digo la verdad, con Juan no hablamos de qué
00:43íbamos a dar, entonces, bien, bueno, qué es inteligencia artificial, inteligencia
00:51artificial y acá tengo dos definiciones, una definición que es la definición formal
00:57y la otra es la definición que yo les doy, porque, a ver, inteligencia artificial allá
01:04lejos en el tiempo, porque en el 50 es donde empezamos a conocer estos conceptos, no se
01:11podían aplicar porque evidentemente la tecnología de aquel momento no estaba acorde a lo que
01:20se pretendía hacer, entonces dice que la inteligencia artificial es la simulación
01:26de procesos de inteligencia humana por parte de las máquinas, eso fue hace mucho tiempo,
01:33pero no es una definición que nosotros digamos es la correcta, porque en realidad la inteligencia
01:39artificial resuelve problemas, que es lo que estamos viendo ahora, pero no necesariamente
01:45utiliza el razonamiento humano, puede ser otro tipo de caminos en forma autónoma para
01:54resolver un problema, esa es la definición actual, por lo menos esa es la que yo veo.
02:01Bien, dentro de la inteligencia artificial, qué tenemos, se divide en varias ramas, tenemos
02:10el Machine Learning, que es el área de la inteligencia artificial que utiliza un repositorio
02:19de datos, y ese repositorio de datos nos sirve a nosotros para enseñarle a la computadora,
02:26entre comillas, a resolver un problema.
02:31El otro área que también es parte del Machine Learning es el Deep Learning, y acá empezamos
02:37a trabajar con muchos modelos matemáticos para poder analizar patrones de comportamiento,
02:46entonces utiliza estos patrones para poder analizar imágenes, videos, sonidos, y ahora
03:05está de moda, en realidad de moda no, se está utilizando mucho el concepto de IA generativa,
03:13IA generativa nos permite trabajar con el estudio de estos patrones de imágenes, sonidos,
03:22y que a nosotros nos sirve en este proyecto de hidroponía para poder saber cómo están
03:29las plantitas, entonces nosotros vemos por medio de una foto, por medio de un video,
03:35cuál es el estado de las plantas, ahora va a venir JJ y le va a explicar bien lo que
03:40es hidroponía, pero yo me adelanto un poquito con el tema de inteligencia artificial y para
03:46qué utilizamos la inteligencia artificial en este proyecto.
03:51Bien esto es Machine Learning, esto es Deep Learning, que les dije recién, y lo de IA
03:59generativa, como les decía recién, es el análisis de imágenes, sonidos, para poder
04:05determinar algún tipo de comportamiento.
04:10Para qué se utiliza entonces la IA generativa, bueno, ¿qué podemos ver?
04:15Bien, chatbot, asistentes virtuales, creación de contenido, me imagino que alguno habrá
04:21utilizado DaVinci para generar imágenes, bueno eso es IA generativa.
04:30Los otros días me puse a charlar con el gen de Google, ¿alguno lo utilizó?
04:37Sí, bueno entonces le digo, escúchame, dos puntos, está todo muy lindo lo de IA generativa
04:46que tiene relación con el Machine Learning, pero en mi opinión no es tanto Machine Learning
04:53si no es más Deep Learning por el manejo de los patrones, patrones, Deep Learning.
05:02Entonces me dice con una voz sensual, tenés razón, pero si utilizás mucha información
05:12ahí es Deep Learning, si utilizás poca información ahí es Machine Learning, y dije, wow, tan
05:18loco no estaba.
05:20Entonces, a ver.
05:23Voy a empezar hablando un poco del proyecto en sí, es este jardín que ustedes pueden
05:28ver acá, es un jardín vertical que acá adentro tiene una bomba, la cual lo que hace
05:33es circular el agua, este tipo de sistema hidropónico lo que hace es oxigenar mucho
05:39más el agua, que hace eso, que las plantas crezcan más rápido.
05:47Está armado por un profesor de 3D, que tenemos en el instituto, entonces esto fue armado
05:56con las herramientas que nosotros tenemos en el instituto, y acá adentro, ahí está
06:04la bomba, ahí se puede ver, no la conectamos porque no iban a ver cómo fluye el agua así.
06:13Lo importante de esto, por un lado estamos reciclando, se darán cuenta que es un balde
06:18de pintura.
06:22La parte que hicimos nosotros de implementar la inteligencia artificial, ahora vamos a
06:28hacer una demostración.
06:29Esto que pueden ver que estaba preparando mientras José Luis estaba explicando lo que
06:36eran las guías generativas, es un proyecto, un prototipo, basado en una placa ESP32, esto
06:45tiene capacidades de Wi-Fi y Bluetooth, lo que ocupamos nosotros es el Wi-Fi, a través
06:50de un protocolo que se llama MQTT, ese protocolo se usa en la industria IOT, la industria
06:574.0, lo que hace básicamente es medir 6 sensores, ustedes ven acá este, es el más
07:09visible digamos, es un sensor de pH, un pHímetro, otro que tenemos acá en el vaso es la temperatura
07:19del agua, obviamente esto para las plantas es muy importante, sobre todo la lechuga hidropónica
07:26que es lo que sale más rápido, tiene que tener una temperatura relativamente baja.
07:31Ahora, muestro acá, esto sería un dashboard, aquí es lo que está pasando los datos de
07:45todos los sensores, ahí tenemos presión, calidad del agua, temperatura del agua, temperatura
07:52del ambiente, altitud sobre el nivel del mar, no es tan relevante pero ya que el sensor
08:00lo traía, lo pusimos ahí. El sensor es el tamaño de mi dedo meñique y tiene 4 sensores,
08:124 sensores tiene eso, más el pH, más el de temperatura sumergible. Como les había
08:20dicho en un principio, esto es un prototipo para una muestra, entonces dijimos, bueno
08:28vamos a hacer un dashboard que se vea los datos y buscamos la forma de mostrarles cómo
08:35interactúa con la IA, hay otro menú acá. Bueno, esto que está pasando acá, hay una
08:48parte en la presentación, ahora les voy a mostrar un esquema. ¿Pasamos a esa parte
08:53o no? Después mostramos. Un ratito. Está bueno que vean esa parte del esquema de cómo
09:18está hecho el sistema. No sé si llegan a leer, es muy chiquita la letra. Tenemos la
09:25torre vertical, la placa de SP32 con los sensores, se comunica por MQTT, esto envía la información
09:35a una placa Raspberry, la Raspberry está allá en la otra mesa, está enchufada y esto
09:42se comunica por ese personaje, Jason, se lo conoce como Jason en el mundo de la informática,
09:50son notaciones de objetos en Javascript. Es importante mostrarles esto para que entiendan
09:57cuál es el texto que estoy mandando. Básicamente todo se maneja en texto. Esto se envía a
10:05través de la nube a OpenAI, la empresa que hizo ChatGPT, la empresa de Sam Altman y fíjense
10:13que tenemos dos herramientas que estamos utilizando. Una es la parte de visión por computadora
10:23y la otra es el análisis de datos. Como ChatGPT es un modelo pre-entrenado, ya tiene datos,
10:31lo que hago es pasarle los datos de mi planta y él me devuelve si están bien o no. Entonces
10:36le digo tengo una planta de lechuga y tengo estos datos. ¿De dónde saco los datos? De
10:42los sensores. Esto me devuelve a la placa y la placa lo muestra en un dashboard, en
10:51un visualizador. Ahora sí volvemos al sistema. Bien. Esos son los datos. Ahí está procesando.
11:18Esos son datos en JSON. JSON son clave, valor. Sencillo. Tenemos qué planta tenemos, cuál
11:27es la temperatura del agua, cuál es el pH. Y eso es lo que me responde el ChatGPT. Ahí
11:38me dice el ajustar el pH, se recomienda un valor de 6. Fíjense que mi pH acá dice valor
11:47del 6. ¿Qué me recomienda ChatGPT? Ajustar el valor. Tengo que cambiar el pH para que
11:57sea adecuado para la lechuga. Fíjense que acá mi pH cuando yo le mandé era de 4.12.
12:03No pega para la planta de lechuga eso. No está bien. Tengo más datos. Obviamente que
12:13él me responde. La temperatura del agua está ligeramente alta. Se recomienda alrededor
12:20de 20 grados para la lechuga. Y la otra parte es la de visión. Como les había dicho, esto
12:35es una muestra. Obviamente que esto se puede automatizar todo y que no tenga que estar
12:42haciendo esta parte. Entonces, supónganse que tengo, no llegué a activar la cámara,
12:50pero tiene una cámara en vivo también para monitorear el jardín vertical. Entonces, para
12:59hacer la demostración, tengo la imagen, esto es lo que vemos nosotros, es una foto, pero
13:10lo que se le manda a OpenAI es esto. Esto se llama Base64, es codificar la imagen en
13:17un texto. Entonces, de esa manera yo puedo enviarle la imagen como texto y además el
13:26PROM me puedo poner. ¿Qué planta es? ¿Y qué le pasa? Supónganse que yo saqué esa
13:40foto, ¿no? Entonces envío ese PROM más la imagen. Procesa y esto es lo que me contestó
13:50ChargPT. La planta de la imagen es una hoja de lechuga. El problema visible en la hoja
13:56parece ser una forma de enfermedad o daño. Posibles causas, hongos, las manchas marrones.
14:01Fíjense que detectó las manchitas marrones. Pueden ser causadas por hongos, como la
14:06cercohoriosis. No tengo idea porque no estoy en esa área. Bacterias, falta de nutrientes,
14:15condiciones climáticas. Obviamente yo esto le pedí que me conteste así,
14:20pero yo puedo automatizar todas esas tareas.