p A fim de melhorar as condições mundiais de alimentação, uma equipe em torno do professor de ciência da computação Kristian Kersting foi inspirada pela tecnologia por trás do Google News. p Quase 800 milhões de pessoas em todo o mundo sofrem de desnutrição. No futuro, pode haver cerca de 9,7 bilhões de pessoas - cerca de 2,2 bilhões a mais do que hoje. A demanda global por alimentos aumentará à medida que as mudanças climáticas deixarem cada vez mais o solo infértil. Como as gerações futuras devem se alimentar?
p Kristian Kersting, Professor de Aprendizado de Máquina na Technische Universität Darmstadt, e sua equipe veem uma solução potencial na aplicação de inteligência artificial (IA). Aprendizado de máquina, um método especial de IA, poderia ser a base para a chamada agricultura de precisão, que poderia ser usado para obter rendimentos mais elevados em áreas de tamanho igual ou menor. O projeto é financiado pelo Ministério Federal da Alimentação e Agricultura. Os parceiros são o Instituto de Ciência da Colheita e Conservação de Recursos (INRES) da Universidade de Bonn e a empresa Lemnatec, sediada em Aachen.
p "Em primeiro lugar, queremos entender como os processos fisiológicos nas plantas se parecem quando sofrem de estresse, "disse Kersting." O estresse ocorre, por exemplo, quando as plantas não absorvem água suficiente ou estão infectadas com patógenos. O aprendizado de máquina pode nos ajudar a analisar esses processos com mais precisão. “Esse conhecimento poderia ser usado para cultivar plantas mais resistentes e combater doenças com mais eficiência.
p Os pesquisadores instalaram uma câmera hiperespectral que registra um amplo espectro de ondas e fornece uma visão profunda das plantas. Quanto mais dados disponíveis sobre os processos fisiológicos de uma planta durante seu ciclo de crescimento, melhor o software será capaz de identificar padrões recorrentes responsáveis pelo estresse. Contudo, muitos dados podem ser um problema, à medida que os cálculos se tornam muito complexos. Os pesquisadores, portanto, precisam de algoritmos que usem apenas parte dos dados para o aprendizado, sem sacrificar a precisão.
p A equipe de Kersting encontrou uma solução inteligente:para avaliar os dados, a equipe usou um processo de aprendizagem altamente avançado de processamento de linguagem, que é usado, por exemplo, no Google News. Lá, uma IA seleciona os artigos relevantes para o leitor entre dezenas de milhares de novos artigos todos os dias e os classifica por tópico. Isso é feito usando modelos de probabilidade em que todas as palavras de um texto são atribuídas a um tópico específico. O truque de Kersting era tratar as imagens hiperespectrais da câmera como palavras:o software atribui certos padrões de imagem a um tópico, como o estado de estresse da planta.
p Os pesquisadores estão atualmente trabalhando para ensinar o software a se otimizar usando o aprendizado profundo e encontrar os padrões que representam o estresse mais rapidamente. "Um ponto saudável pode ser identificado, por exemplo, a partir do teor de clorofila no processo de crescimento da planta, "disse Kersting." Quando ocorre um processo de secagem, o espectro medido muda significativamente. "A vantagem do aprendizado de máquina é que ele pode reconhecer esses sinais antes de um especialista humano, conforme o software aprende a prestar atenção a mais sutilezas.
p Espera-se que algum dia, câmeras podem ser instaladas ao longo de fileiras de plantas em uma linha de montagem na estufa, permitindo que o software aponte anormalidades a qualquer momento. Por meio de uma troca constante com especialistas em plantas, o sistema também deve aprender a identificar até mesmo patógenos desconhecidos. "Em última análise, nosso objetivo é uma parceria significativa entre a inteligência humana e a artificial, a fim de resolver o problema crescente da nutrição mundial, "diz Kersting.
