Hewlett Packard Enterprise anunció una colaboración en investigación global con el CGIAR System Organization para abordar los problemas de seguridad alimentaria, que ahora se han agravado debido al COVID-19.
Con la aplicación de la tecnología Memory-Driven Computing Sandbox de HPE en los conjuntos de datos del CGIAR, HPE ayudará al CGIAR a acelerar las soluciones a estos problemas globales mediante el desarrollo de modelos de sistemas alimentarios.
Uno de los problemas más serios que enfrenta actualmente el mundo es asegurar un suministro sostenible de alimentos a nivel mundial. Cerca de 800 millones de personas padecen desnutrición crónica y 2,000 millones tienen deficiencia de micronutrientes.
Por otra parte, el número de granjas pequeñas está disminuyendo en todo el mundo porque su rentabilidad es muy difícil de lograr.
A corto plazo, estos problemas empeorarán considerablemente, ya que la Organización de las Naciones Unidas (ONU) prevé que la población mundial aumentará a 8,500 millones de personas en el 2030, y el Foro Económico Mundial predice que la población ascenderá a 9,800 millones de personas en el 2050, lo que requerirá 70% más de alimentos de los que se consumen en la actualidad.
Además, el problema se ha agravado debido a la pandemia global del COVID-19. La crisis ha afectado los sistemas alimentarios y las cadenas de suministro en todo el mundo, pero de forma diferente en cada lugar, lo que significa que los problemas no pueden resolverse con una única solución universal.
El CGIAR es un consorcio mundial formado por 14 instituciones de investigación agrícola sin fines de lucro que trabajan en más de 100 países en la investigación de prácticamente todos los aspectos de la seguridad alimentaria. En sus 11 bancos de genes alrededor del mundo, el CGIAR preserva y regenera 760,000 variedades de cultivos alimentarios que representan una importante diversidad genética disponible para fortalecer el suministro mundial de alimentos.
Para entender por completo la situación actual, el CGIAR necesita generar una imagen continua y precisa de lo que ocurre en los lugares que conforman la “canasta de alimentos”, es decir, las zonas con alta producción de alimentos, a nivel mundial. Una imagen completa suele requerir datos de múltiples fuentes, tales como el rendimiento de los cultivos, los registros meteorológicos, la actividad económica y las encuestas.
Los conocimientos producidos por estos datos ayudan a los investigadores a responder preguntas como:
- ¿Cómo se desarrolla la actividad económica y el movimiento de alimentos en las canastas semanalmente?
- ¿Cómo pueden estos análisis guiar al sector agrícola y a sus participantes más vulnerables en un período de creciente variabilidad climática y de fenómenos meteorológicos extremos?
- ¿Cómo pueden los agentes públicos, privados y sin fines de lucro compartir de manera significativa todos estos datos para generar mejores resultados para todos?
- ¿Cómo pueden las partes interesadas seguir y medir el progreso de los Objetivos de Desarrollo Sostenible de la ONU para cumplir el objetivo de hambre cero antes del 2030?
Las respuestas a esas preguntas ayudan al CGIAR a detectar y predecir los problemas de seguridad alimentaria y a guiar las acciones colectivas para resolverlos.
“Poder crear una imagen en 200 ciudades o asentamientos en un corto período de tiempo es radicalmente diferente de lo que podemos hacer con nuestros recursos de computación actuales”, dijo Brian King, coordinador de la Plataforma para Big Data en la Agricultura del CGIAR. “Dado que el impacto del COVID-19 es diferente en cada país, es muy importante para nosotros tener la capacidad de observar la situación desde una perspectiva local del terreno. Esa capacidad nos permite operar de distintas maneras como organización de investigación. Sin embargo, generar conocimientos rápidamente en múltiples contextos requiere más capacidad de cómputo de la que teníamos. Memory-Driven Computing Sandbox llegó en el momento justo”.
Si bien el CGIAR cuenta con clústeres de cómputo de alto rendimiento en varios de sus centros, está observando una mayor necesidad de desarrollar información y análisis oportunos y localizados en una serie de contextos de seguridad alimentaria surgidos a raíz de la pandemia, lo cual rebasa sus recursos de computación existentes.
El sandbox Memory-Driven Computing se distingue por otorgar a cada procesador (hasta 64 sockets) en el sistema acceso a un gigantesco conjunto de memoria compartida —hasta 48 terabytes—, lo que representa un avance marcado respecto a los sistemas actuales. Por lo general, cantidades relativamente pequeñas de memoria —unos cuantos terabytes— se vinculan a cada procesador, pero esto genera ineficiencias que limitan el rendimiento.
Al contar con todos los datos masivos y diversos al mismo tiempo en la memoria, los usuarios pueden eliminar los cuellos de botella computacionales que obstaculizan la investigación y el descubrimiento.
Con acceso al sandbox —llamada así por el entorno controlado que ofrece a los clientes para experimentar con recursos computacionales avanzados—, el CGIAR está desarrollando una visión transversal de los sistemas alimentarios que vincula el modelado de los cultivos —incluyendo los registros meteorológicos y el rendimiento de los cultivos por año y ubicación—, los datos de las encuestas y la actividad económica en general (por ejemplo, el movimiento de bienes y personas). El CGIAR está monitoreando las emisiones en 1,000 puntos en India y África Oriental a través de los datos satelitales públicos de las agencias espaciales.
Los cambios en las emisiones indican cambios en la actividad económica que proporcionan a los investigadores un contexto importante para conocer cómo se desarrollan los problemas de seguridad alimentaria en cada lugar. Con esta imagen dinámica y en constante desarrollo, el CGIAR puede comparar los datos de cultivos y de los estudios realizados en encuestas para observar la forma en la que ese cultivo individual afectará el suministro de alimentos más amplio.
Los conocimientos generados por esos datos permitirán al CGIAR observar y predecir de forma más precisa cómo se están desarrollando los problemas de seguridad alimentaria a partir de la crisis del COVID-19 para informar a los legisladores, a los responsables de la seguridad alimentaria y a otras partes interesadas.
Con la tecnología actual del CGIAR, el análisis de las emisiones en un punto de la Tierra podría tardar de cuatro a cinco horas en realizarse. Hoy, el CGIAR puede llevar a cabo múltiples análisis en múltiples puntos con la suficiente frecuencia para informar sobre las medidas oportunas en materia de seguridad alimentaria.
“En HPE, nuestro propósito es evolucionar la manera en que las personas viven y trabajan, y estamos comprometidos a utilizar la tecnología para abordar algunos de los problemas sociales más graves”, dijo Janice Zdankus, Vicepresidenta de Innovación para el Impacto Social en HPE. “Una de nuestras áreas de enfoque es el hambre en el mundo, inspirada por los resultados de la granja de investigación de 566 hectáreas de la Universidad de Purdue y su aplicación de agricultura de precisión para aumentar el rendimiento de los cultivos y preservar los recursos. Con el CGIAR, vimos la oportunidad de aplicar tecnologías innovadoras como el Memory-Driven Computing Sandbox de HPE para acelerar la generación de conocimientos y ayudar a resolver este problema tan complejo”.
Mientras que la pandemia ha causado problemas inmediatos a corto plazo que deben atenderse, el futuro de la seguridad alimentaria también debe evaluarse en un horizonte más lejano. El mapeo y predicción del riesgo climático, la vulnerabilidad y las opciones de adaptación son las principales prioridades del CGIAR.
“Es fundamental desarrollar capacidades de monitoreo y modelado”, dijo King. “La pandemia tomó por sorpresa al mundo entero porque encontramos lagunas enormes en los datos puntales y de alta calidad para monitorear y responder rápidamente a las innumerables —y muy diferentes— disrupciones del sistema alimentario como resultado de la crisis del COVID. La comunidad global de agentes de seguridad alimentaria ha comenzado a desarrollar capacidades para diagnosticar y responder de forma más oportuna y localizada a los problemas de seguridad alimentaria. Asimismo, esas capacidades se han complementado con el mapeo y predicción de los riesgos y vulnerabilidades de los posibles impactos climáticos en la seguridad alimentaria. Podremos destacar las mejores opciones para que los agricultores vulnerables en esas áreas se adapten a las condiciones cambiantes y los ayudaremos a prepararse para la próxima crisis”.
Por ejemplo, el CGIAR utiliza los modelos para predecir los tipos de peligros climáticos (desastres como ciclones, inundaciones o sequías) que podrían amenazar a los agricultores pequeños en las economías en desarrollo.
El CGIAR puede entonces ayudar a los legisladores y a los agricultores en riesgo a prepararse para este tipo de choques climáticos con el fin de minimizar el impacto en el sistema alimentario.
A medida que se acerca el año 2030, los esfuerzos mundiales para alcanzar el Objetivo de Desarrollo Sostenible de hambre cero deben impulsarse digitalmente.
“La comunidad global coincide en que necesitamos analizar estos tipos de datos juntos y con mayor frecuencia para promover las inversiones específicas que fortalecen a los agricultores pequeños”, dijo King. “Hay mucho trabajo por hacer para crear los fundamentos analíticos que permitan alcanzar el objetivo de hambre cero”.
