Un equipo de investigadores presentaron un marco conceptual, basado en el aprendizaje automático y análisis multicriterio, para mejorar el diseño de los alimentos acuícolas, en donde se considera los aspectos ambientales, económicos y nutricionales.
Los alimentos acuícolas son la principal fuente de costos ambientales en la evaluación del ciclo de vida de la crianza de peces y camarones; de esta forma, los ingredientes emergentes tienen un rol importante para incrementar la sostenibilidad de la actividad acuícola.
Los investigadores de la National University of Ireland Galway y de la IBM Research Europe publicaron un estudio donde proponen que el desarrollo y el “diseño” de las composiciones de los alimentos usados en la acuicultura pueden ser mejorados mediante enfoques innovadores, que simultáneamente optimizan la selección de ingredientes.
Hacia alimentos acuícolas sostenibles
La modelación computacional y estadística avanzada, a través del aprendizaje automático, se ha empleado en la acuacultura a través de la detección de enfermedades, monitoreo de la calidad del agua, gestión de las granjas acuícolas, selección de la ubicación para las piscigranjas, evaluación de riesgos y en regímenes de alimentación.
Las aplicaciones de aprendizaje automático en las formulaciones de alimentos balanceados para la acuicultura puede proveer un puente entre disciplinas como la ecología industrial, biología, ingeniería ambiental y la nutrición, para arribar a piensos acuícolas mejor formulados.
En un ejemplo conceptual, el uso de redes neuronales podría permitir el uso de meta bases de datos y la literatura para ayudar en opciones diseño para la formulación de piensos a bajo costo, es que especie específica, usando ingredientes que tienen bajo impacto ambiental, a la vez que se acorta la cadena de suministro y optimcie el crecimiento de los peces.
El uso del aprendizaje automático como parte de esta formulación permite un enfoque integral de los métodos establecidos y puede presentar nuevas posibilidades con respecto a la automatización la eficiencia del proceso, a la vez que se alinea con las políticas emergentes.
Mediante la iteración de nuevos prototipos de productos a través de experimentos de prueba y error “virtuales”, que también simulan la respuesta de los peces, puede revolucionarse el paradigma del desarrollo de alimento.
Disponibilidad de datos de insumos para piensos
La vinculación entre los ingredientes para los piensos acuícolas, el perfil nutricional y el impacto ambiental han sido incluidos en varios estudios y bases de datos de ingredientes para piensos.
Los datos de entrenamiento ambiental pueden ser extraídos de los inventarios de ciclo de vida como la bases de datos ECOALIM. Esta herramienta puede ser empleaa por loa fabricantes de piensos y los investigadores del ciclo de vida de los productos para investigar los impactos ambientales de una formulación de pienso acuícola en particular.
Aún cuando ECOALIM no incluye ingredientes especificos para la acuicultura (por ejemplo harina y aceite de pescado), si provee un ejemplo clave de un recursos que puede ser usado como datos de entrenamiento para un modelo de aprendizaje automático.
La base de datos es un punto de partida en el desarrollo de información de acceso abierto a las formulaciones de piensos, impactos e ingredientes; sin embargo, es posible expandir esta perspectiva e incluir otros factores como el económico.
En lugar de datos experimentales, se pueden utilizar conjuntos de datos públicos y privados para desarrollar modelos de aprendizaje automático. Por ejemplo, los conjuntos de datos nutricionales y los impactos esperados en los animales de granja pueden obtenerse de bases de datos de información de alimentos de acceso abierto en:
i) Feedipedia
ii) Feedtables
iii) Iaffd.
Asimismo, los autores del estudio destacan que bases de datos del ciclo de vida, como ecoinvent y Agri-footprint, pueden ser integrados con las bases de datos nutricionales.
Alimentos para las granjas acuícolas
Las emisiones de nutrientes de los animales acuáticos de granja (por ejemplo las heces y el amoníaco) de los alimentos balanceados modelados pueden ser aproximados dentro de un modelo de aprendizaje automático.
Mediante el empleo de los modelos y métodos de digestibilidad desarrollados por Cho y Kaushik (1990) y Kaushik (1998), Papatryphon et al. (2005) desarrolló un modelo de digestibilidad de nutrientes capaz de predecir las emisiones de nitrógeno, fósforo y sólidos suspendidos totales.
Este modelo nutricional es ampliamente usado en la aproximación de los desechos metabólicos de los peces en la evaluación del ciclo de vida y la acuacultura de peces.
Asimismo, el estudio destaca que la vinculación entre la formulación y el uso puede expandir el objetivo de los modelos de aprendizaje automático en la acuicultura, permitiendo a los desarrolladores estimar los impactos en toda la cadena de producción.
Las extracción de datos relevantes para cada ingredientes desde bases de datos nutricionales, económicas y de ciclo de vida puede considerarse como el primer paso en el desarrollo de una herramienta para el diseño de alimentos balanceados.
El próximo paso incluye la transformación de los datos en una forma que puede ser usada en algoritmos específicos de aprendizaje automático.
Herramientas de decisión multicriterio
El desarrollo de herramientas de apoyo para las decisiones multicriterios es un paso importante para optimizar los costos de económicos, mantener el valor nutricional y la digestibilidad de nutrientes, a la vez que se minimizan los impactos ambientales.
La evaluación rápida de estos factores de una forma simulada puede permitir que los fabricantes de alimentos y los investigadores cambien radicalmente el procesao de desarrollo, optimicen el diseño de piensos antes de la etapa de prueba.
Esta herramienta debe basarse en el pensamiento del ciclo de vida. En este sentido, es necesario expandir los límites de la herramienta y vincularla con otras aplicaciones y herramientas basadas en aprendizaje automático.
La vinculación de la evaluación del ciclo de vida, los datos nutricionales, los procesos de producción, la trazabilidad y la economía tiene un potencial significativo como una innovación disruptiva para incrementar la sostenibilidad de los peces y camarones de granja.
El estudio contó con fondos de Interreg Atlantic Area funded NEPTUNUS y del proyecto AquaCatch, financiado por Bord Iascaigh Mhara y European Maritime Fisheries Fund.
Referencia (acceso libre):
Ronan Cooney, Alex H.L. Wan, Fearghal O’Donncha, Eoghan Clifford. Designing environmentally efficient aquafeeds through the use of multicriteria decision support tools. Current Opinion in Environmental Science & Health, Volume 23, 2021, 100276, ISSN 2468-5844, https://doi.org/10.1016/j.coesh.2021.100276.
