Inteligência Artificial e Machine Learning

A in­te­li­gên­cia ar­ti­fi­cial es­tá ca­da vez mais pre­sen­te no nos­so dia a dia. Es­ta­mos ro­de­a­dos das mais di­fe­ren­tes tec­no­lo­gi­as, re­sol­ven­do pro­ble­mas por meio de ro­bôs de aten­di­men­to. Nos­sa voz, fa­ce e di­gi­tais são fa­cil­men­te re­co­nhe­ci­das por di­fe­ren­tes dis­po­si­ti­vos.

A evo­lu­ção das tec­no­lo­gi­as, co­mo ma­chi­ne le­ar­ning, in­te­li­gên­cia ar­ti­fi­cial (IA), big da­ta, ge­o­lo­ca­li­za­ção e de­ep le­ar­ning, che­ga­ram pa­ra re­sol­ver pra­ti­ca­men­te tu­do em nos­sas vi­das. In­clu­si­ve um pro­ble­ma que atin­ge mi­lhões de pes­so­as no mun­do: a fo­me! Mas co­mo? Por meio de so­lu­ções ca­pa­zes de con­tro­lar o des­per­dí­cio, acom­pa­nhar o cres­ci­men­to de plan­ta­ções e o de­sen­vol­vi­men­to de pra­gas, bem co­mo de­tec­tar si­nais de es­cas­sez de ali­men­tos no mun­do.

De acor­do com da­dos da Or­ga­ni­za­ção das Na­ções Uni­das pa­ra a Ali­men­ta­ção e a Agri­cul­tu­ra (FAO), agên­cia que li­de­ra es­for­ços pa­ra a er­ra­di­ca­ção da fo­me e com­ba­te à po­bre­za, o des­per­dí­cio de co­mi­da e a per­da ao lon­go das ca­dei­as pro­du­ti­vas de ali­men­tos che­gam a 1,3 bi­lhão de to­ne­la­das por ano. O vo­lu­me re­pre­sen­ta 30% de to­da a co­mi­da pro­du­zi­da anual­men­te no pla­ne­ta. Se­gun­do o IPEA (Ins­ti­tu­to de Pes­qui­sa Eco­nô­mi­ca Apli­ca­da), mais de meio mi­lhão de pes­so­as vi­vem abai­xo da li­nha da ex­tre­ma po­bre­za, sem di­rei­to à ali­men­ta­ção. É im­pac­tan­te ana­li­sar es­tes nú­me­ros e pen­sar em tu­do que vai pa­ra o li­xo di­a­ria­men­te.

O que mui­ta gen­te não ima­gi­na é que o des­per­dí­cio co­me­ça na li­nha de pro­du­ção. Ou se­ja, mui­tas ve­zes o pro­du­to nem che­ga ao con­su­mi­dor por não es­tar es­te­ti­ca­men­te no for­ma­to pa­drão de co­mer­cia­li­za­ção. Pen­san­do nes­se pro­ble­ma, a ame­ri­ca­na Tom­ra Sor­ting So­lu­ti­ons pas­sou a uti­li­zar AI pa­ra de­tec­tar ali­men­to útil, a fim de re­du­zir o des­per­dí­cio. Um ro­bô iden­ti­fi­ca co­mo a co­mi­da po­de ser me­lhor apro­vei­ta­da, ao in­vés de sim­ples­men­te se­pa­rar os ali­men­tos em “bons” ou “ru­ins”.

No Bra­sil, o apli­ca­ti­vo Co­mi­da In­vi­sí­vel uti­li­za a tec­no­lo­gia de ge­o­lo­ca­li­za­ção pa­ra di­mi­nu­ir a quan­ti­da­de de ali­men­tos des­per­di­ça­dos. Ele co­nec­ta res­tau­ran­tes, ba­res, ho­té­is, buf­fets e pe­que­nos mer­ca­dos a cre­ches, ONGs e até pes­so­as fí­si­cas que pre­ci­sam de co­mi­da. A em­pre­sa tem co­mo ob­je­ti­vo dar um des­ti­no cor­re­to aos pro­du­tos que iri­am pa­ra o li­xo, além de con­sci­en­ti­zar as pes­so­as quan­to ao des­per­dí­cio.

Ou­tro exem­plo de tec­no­lo­gia no com­ba­te à fo­me é com o uso de big da­ta e ma­chi­ne le­ar­ning. O Cen­tro In­ter­na­ci­o­nal de Agri­cul­tu­ra Tro­pi­cal (CI­AT), or­ga­ni­za­ção de pes­qui­sa e de­sen­vol­vi­men­to sem fins lu­cra­ti­vos de­di­ca­da a re­du­zir a po­bre­za e a fo­me, na Co­lôm­bia, lan­çou o sis­te­ma Nu­tri­ti­on Early War­ning System, uma so­lu­ção que es­pe­ra re­sol­ver as cau­sas da ina­ni­ção, de­tec­tan­do si­nais pre­co­ces de es­cas­sez de ali­men­tos, co­mo que­bra de sa­fra, se­cas e au­men­to dos pre­ços dos ali­men­tos. A par­tir dos da­dos co­lhi­dos, é pos­sí­vel pro­ces­sar gran­des vo­lu­mes de in­for­ma­ções, de vá­ri­as fon­tes, pa­ra de­tec­tar si­nais pre­co­ces de ali­men­tos es­cas­sez e alar­mar as cri­ses imi­nen­tes.

No en­tan­to, quan­do fa­la­mos em des­per­dí­cio de ali­men­tos, de­ve­mos pen­sar tam­bém na sa­ú­de das pro­du­ções. En­tre 20% e 40% das per­das das co­lhei­tas são cau­sa­das por pra­gas, ani­mais e er­vas da­ni­nhas. A IA po­de aju­dar os agri­cul­to­res a de­tec­tar ra­pi­da­men­te do­en­ças e a ela­bo­rar o me­lhor pla­no de ação. A tec­no­lo­gia de de­ep le­ar­ning (apren­di­za­do pro­fun­do), que tem apri­mo­ra­do a ca­pa­ci­da­de dos com­pu­ta­do­res em clas­si­fi­car, re­co­nhe­cer, de­tec­tar e des­cre­ver, po­de ana­li­sar as plan­ta­ções, com ba­se no abas­te­ci­men­to de in­for­ma­ções do ro­bô a par­tir de ima­gens de al­ta qua­li­da­de.

Uma so­lu­ção bas­tan­te in­te­res­san­te foi de­sen­vol­vi­da pe­la uni­da­de de Agro­bio­lo­gia da Em­pre­sa Bra­si­lei­ra de Pes­qui­sa Agro­pe­cu­á­ria (Em­bra­pa), que cri­ou o Guia In­Nat, um apli­ca­ti­vo que aju­da a iden­ti­fi­car os in­se­tos que des­tro­em as la­vou­ras. A fer­ra­men­ta ar­ma­ze­na fo­tos e pe­que­nos tex­tos, des­ta­can­do as ca­rac­te­rís­ti­cas dos in­se­tos, do que se ali­men­tam, além de in­for­ma­ções so­bre ca­da gru­po de ini­mi­gos na­tu­ra­is e su­as fun­ções na na­tu­re­za.

Gra­ças às ino­va­ções em ma­chi­ne le­ar­ning e in­te­li­gên­cia ar­ti­fi­cial, es­ta­mos mais per­to de en­con­trar uma res­pos­ta pa­ra a fo­me no mun­do. Que os im­pac­tos da in­te­li­gên­cia ar­ti­fi­cial aju­dem ca­da vez mais a re­sol­ver os pro­ble­mas da hu­ma­ni­da­de.

(Cas­sia­no Mas­chio, di­re­tor co­mer­cial da In­ben­ta, em­pre­sa que au­xi­lia o re­la­ci­o­na­men­to on­li­ne das mar­cas com seus cli­en­tes)