Luis Tobler Garcia
Na minha participação nesta coluna, abordei os termos “Agricultura 4.0”, “Agricultura de Precisão” e “Agricultura Digital”. Nesta edição, gostaria de discorrer sobre “Inteligência Artificial”, “Aprendizado de Máquina”, “Redes Neurais” e “Aprendizado Profundo”, termos da computação, mas que têm sido usados em diversos textos do agronegócio. Na área de tecnologia, é comum o uso de termos na língua inglesa, e, quando falamos em Inteligência Artificial (IA), o mesmo acontece. Inclusive vários escritores e palestrantes adotam termos como Artificial Intelligence, Machine Learning, Neural Networks e Deep Learning no lugar de seus sinônimos em português.
Todos os termos descritos anteriormente são parte da grande área chamada Inteligência Artificial, sendo cada subárea contida em outra área maior. O Aprendizado de Máquina, por exemplo, é uma subárea da Inteligência Artificial; as Redes Neurais, uma subárea do Aprendizado de Máquina; e o Aprendizado Profundo, ou Deep Learning, uma subárea das Redes Neurais. Mas quais são as características de cada uma dessas áreas?
Inteligência Artificial é definida como “a ciência e a engenharia de fabricar máquinas inteligentes, especialmente programas de computador inteligentes, a qual está relacionada à tarefa semelhante de usar computadores para entender a inteligência humana”. Algo intimamente relacionado com a realidade do agronegócio de hoje, no qual as máquinas são usadas para operações antes executadas por pessoas e geram milhões de bits de dados e informações por meio de programas de computador que são executados por estas máquinas.
Em 1950, o matemático britânico Alan Turing publicou “Maquinaria de computação e inteligência”, no qual propôs um teste, cujo objetivo era identificar se uma máquina é capaz de demonstrar “inteligência”. Nesse teste, conhecido até os dias de hoje como “teste de Turing”, uma pessoa deveria interagir com outra pessoa e uma máquina ao mesmo tempo, e, se essa pessoa não fosse capaz de notar a diferença, então seria possível dizer que a máquina demonstrou “inteligência”.
A Inteligência Artificial tem características únicas e diferentes das técnicas comuns da computação, usa linguagens de programação para criar mecanizamos que permitam que as máquinas possam aprender e que sejam capazes de imitar o comportamento humano na sua capacidade de falar, de entender uma língua ou de decifrar imagens e sons, entre outros.
O Aprendizado de Máquina é uma subárea da Inteligência Artificial que usa métodos estatísticos com o objetivo de promover o aprendizado por meio de experiências, ou seja, através de tentativas e erros. Surge, então, a pergunta: como esses métodos são usados no agronegócio? Dentro da área de Aprendizado de Máquina, encontram-se diversos tipos de algoritmos, entre eles, os algoritmos de classificação, agrupamento, regressão, busca por padrões e predição, facilmente aplicados ao agronegócio, desde que os dados certos estejam disponíveis.
É possível determinar rotas para os implementos seguirem durante os períodos de operações de plantio ou colheita, garantindo o melhor aproveitamento do combustível e a redução da manutenção. É possível, ainda, prever o momento em que uma falha mecânica ocorrerá em um equipamento e antecipar a manutenção para que a janela de operação seja aproveitada da melhor forma possível. E também é possível classificar plantas doentes por meio de dados da fisiologia da planta e, assim, antecipar a incidência da doença, permitindo tratá-las antes que haja a proliferação do patógeno.
Esses são somente alguns exemplos do que é possível fazer com os algoritmos de Aprendizado de Máquina. Mas dentro da área de Aprendizado de Máquina há outra subárea, a de redes Neurais, constituídas por um ou mais neurônios artificiais, os quais são baseados em modelos matemáticos que imitam o funcionamento do cérebro e que adquirem conhecimento através da experiência, ou seja, por meio da repetição. Elas podem reconhecer padrões, correlações em dados brutos, agrupar os dados, classificá-los ou predizer valores, melhorando continuamente os resultados.
Por fim, o Aprendizado Profundo, subárea das Redes Neurais, é a combinação de várias redes neurais, em que as saídas de uma camada de neurônios artificiais são usadas como entradas para a próxima camada e assim sucessivamente, gerando resultados de maior complexidade, porém com um maior custo computacional.
Essas são as técnicas mais sofisticadas da computação e tem o potencial de transformar o agronegócio, desde que aplicadas por pessoas qualificadas e capacitadas a executar esse tipo de trabalho. Mas, para que o resultado seja potencializado, é importante investir em educação tecnológica em todos os níveis, assim todos os envolvidos com a produção agrícola podem contribuir para que os dados certos sejam capturados e as perguntas certas sejam feitas a estes algoritmos.
