Saber amb quant de fred pot aguantar una vinya abans que es facin malbé els borrons és clau per decidir quan cal protegir-la, i cada any més cellers depenen de models predictius per prendre aquesta decisió. El problema és que aquests models solen funcionar bé només a la regió on s'han entrenat: els que es construeixen amb dades d'una zona vinícola concreta rarament es poden aplicar a una altra sense tornar a recollir anys de dades pròpies, cosa que deixa fora les regions amb menys historial.
William Solow, Paola Pesantez-Cabrera, Markus Keller, Lav Khot, Sandhya Saisubramanian i Alan Fern han presentat el 31 d'agost a arXiv un marc que aborda aquest problema combinant representacions apreses de múltiples fonts d'informació: l'estructura molecular i genètica de cada varietat, descripcions textuals del cultiu i de la regió de conreu, i les poques observacions històriques disponibles. Amb aquesta combinació, el sistema pot inferir la resistència al fred d'una varietat o d'una regió que no ha vist mai durant l'entrenament, tant sense cap dada prèvia (zero-shot) com amb molt poques observacions (few-shot). Provat en sis regions vinícoles d'Amèrica del Nord, el mètode supera de manera consistent els sistemes de predicció de resistència al fred més avançats fins ara, amb una millora especialment marcada en les regions amb menys dades històriques disponibles.
El treball és rellevant perquè demostra que incorporar coneixement textual i estructural explícit —no només dades numèriques passades— permet a un model generalitzar a contextos que mai ha vist, un problema recurrent en l'aplicació de la IA a l'agricultura, on la major part de regions i varietats del món no disposen de prou historial de dades per entrenar un model propi. Per a zones vinícoles emergents o amb registres climàtics limitats, com bona part de la Mediterrània, un sistema capaç de transferir coneixement d'altres regions podria avançar-se a episodis de gelada sense haver d'esperar dècades a acumular dades pròpies.
Es tracta, però, d'un preprint encara no revisat per parells, validat només amb dades de sis regions nord-americanes i sense cap prova sobre varietats o climes europeus. Els autors no detallen, tampoc, com respondria el model davant d'episodis climàtics extrems poc representats en les dades d'entrenament, ni si la millora es manté quan la informació textual disponible sobre una regió és escassa o imprecisa.