Coluna Agricultura 4.0, escrita pelo graduado em ciência da computação, mestre e doutor em Engenharia Mecânica, professor e coordenador do curso superior de Tecnologia em Big Data no Agronegócio da FATEC Shunji Nishimura, Luiz Tobler Garcia.
Com o propósito de oferecer conhecimentos considerados complexos em uma linguagem mais simples e acessível, em meus artigos publicados ao longo do ano de 2022, apresentei explicações e exemplos de uso dos principais algoritmos de aprendizado de máquina. Entre eles, citados no artigo de minha autoria “O que é Inteligência Artificial?”, temos os algoritmos de busca por padrões, também conhecidos como algoritmos de associação, responsáveis por identificar como os vários itens presentes em um conjunto de dados se relacionam ou estão associados.
Seu principal objetivo é observar uma amostra de dados e verificar itens ou eventos que apresentam uma relação com outros itens ou eventos da mesma amostra, contar o número de vezes que esta relação acontece e assim identificar regularidades ou irregularidades presentes na amostra, permitindo gerar recomendações e antecipar ações a serem tomadas.
Chamado APRIORI, o primeiro e mais simples destes algoritmos, foi projetado em 1994, com o objetivo de encontrar regras de associação entre os dados de transações feitas por clientes na compra de itens em lojas de varejo e assim apresentar a probabilidade de um item aparecer em uma transação de compra, visto que outro item esteja presente nesta mesma transação.
Atualmente este algoritmo, bem como outros do seu gênero, são amplamente utilizados em páginas de vendas online, recomendando produtos novos a usuários que estiverem comprando produtos oferecidos pela página. Bem como na recomendação de opções de filmes, séries e documentários nos aplicativos de acesso a vídeos como Netflix e Prime Vídeo.
Através da regra de associação, o algoritmo consiste em verificar o relacionamento entre os itens presentes em uma amostra qualquer e, ao processar estes dados, determinar a probabilidade deste relacionamento voltar a acontecer. Podemos imaginar que um item qualquer esteja sendo comprado por um cliente e por meio destas regras determinar as chances de um outro item ser adquirido pelo mesmo cliente, permitindo assim recomendar esse item a ele antes que a compra seja finalizada.
Leia também: Algoritmos de Regressão
No agronegócio as aplicações podem ser parecidas e contribuir para que as empresas fornecedoras de insumos agrícolas sejam capazes de criar recomendações aos seus clientes de forma automática. Sem que seja necessário recorrer somente à experiência dos profissionais que observam por anos o comportamento de consumo de cada cliente da empresa. Esses profissionais continuam sendo importantes para o processo de negociação, mas podem ser apoiados por um sistema “inteligente” que aponte um padrão de consumo que não havia sido percebido, e assim potencialize os resultados de suas vendas.
Outro exemplo de possível aplicação do algoritmo APRIORI é a indicação de parada de manutenção de um implemento agrícola, baseado no registro dos dados transmitidos no barramento CANBUS do implemento. Entre os dados que podem ser transmitidos neste barramento temos a temperatura e a pressão do óleo do motor, a pressão da bomba hidráulica, bem como a sua aceleração e velocidade de operação. Combinados e processados, esses dados podem apresentar padrões que indiquem a recomendação de parada para manutenção.
As aplicações para estes algoritmos podem superar as expectativas comuns. Além da recomendação de itens a serem adquiridos por um cliente de uma empresa fornecedora de insumos agrícolas ou a recomendação da parada para a manutenção de um implemento agrícola, é possível avaliar a temperatura, a umidade do ar, os tipos de cultura presentes em uma propriedade rural. Cruzando esses dados com a literatura de pragas e doenças atualizada, e recomendar a aplicação antecipada de um defensivo para evitar assim a manifestação de pragas ou doenças na propriedade.
Uma vez compreendido o tipo de aplicação para este algoritmo, o benefício de seu uso só depende da criatividade das pessoas envolvidas com o processo produtivo agrícola. Que em conjunto com os conhecimentos dos profissionais da área da computação e da tecnologia da informação, proporcionam condições para atingir melhores resultados e assim beneficiar o produtor.
Finalizo este artigo agradecendo a todos os leitores que acompanham a coluna e dizendo que em um mundo em constante transformação. A transformação digital no campo exige agrônomos que saiam de sua área de especialidade e busquem completar a sua carga de conhecimento em novas áreas, mantendo a sua área de formação principal como área de especialidade. Mas que adquiram conhecimentos suficiente para entender quais são as possíveis aplicações e o potencial do uso da tecnologia no campo.
“A transformação digital no campo exige agrônomos que saiam de sua área de especialidade e busquem completar a sua carga de conhecimento em novas áreas, mantendo a sua área de formação principal como área de especialidade”
Luiz Tobler Garcia
Somente com a multidisciplinaridade individual dos profissionais e equipes que possuam diversidade de formação em sua composição, unindo agrônomos que conheçam um pouco de computação e tecnologia da informação com profissionais da computação e tecnologia da informação que conheçam um pouco do agronegócio poderemos contribuir com a produção rural do país.
