A inteligência artificial (IA) já está mudando a forma como as pessoas trabalham, se comunicam online, criam arte e gerem negócios. Agora a tecnologia também está sendo usada em todos os aspectos dos nossos sistemas alimentares.
A IA mantém a promessa de tornar a agricultura mais eficiente e sustentável, produzindo alimentos mais saudáveis e com menor impacto no planeta, de acordo com Ilias Tagkopoulos, diretor do Instituto de Inteligência Artificial para Sistemas Alimentares de Próxima Geração, ou AIFS, na UC Davis.
Veja o humilde tomate, por exemplo. Na Califórnia (EUA), onde cerca de 13 milhões de toneladas da fruta foram colhidas no ano passado, pesquisadores da UC Davis e de outras instituições estão utilizando a IA para reduzir a perda de tomates à medida que são transportados do campo para a fábrica de conservas. A IA pode ajudar-nos a desenvolver novas variedades de tomate adaptáveis às mudanças climáticas e a avaliar a qualidade dos frutos na unidade de processamento.
Os algoritmos de IA podem fazer previsões e recomendações com base em grandes quantidades de dados. A fábrica de conservas Pacific Coast Producers em Woodland, Califórnia, usa dados em todas as etapas do processo, incluindo a classificação das frutas – e a IA pode levar a ainda mais eficiência, disse Dan Vincent, que se aposentou no ano passado após 19 anos como CEO da fábrica de conservas.
Decisões de big data
A IA é essencialmente um conjunto de ferramentas que cria decisões a partir de dados, disse Tagkopoulos, que também é professor do Departamento de Ciência da Computação e Centro do Genoma da UC Davis. Essas ferramentas podem apoiar a tomada de decisões humanas à medida que os nossos sistemas se tornam mais complexos.
“Quanto mais complexo o sistema se torna, mais difícil fica a análise dos dados e a localização do melhor ponto de operação. E o sistema alimentar é muito, muito complexo”, disse ele.
A semente do AIFS começou com uma iniciativa da Casa Branca sobre inteligência artificial em 2019. Em 2020, a National Science Foundation e agências parceiras lançaram um convite à apresentação de propostas para institutos que trabalham em IA em vários domínios, incluindo sistemas alimentares. O AIFS, liderado pela UC Davis e incluindo a UC Berkeley, a Universidade de Illinois Urbana-Champaign, a Universidade Cornell e a Divisão de Agricultura e Recursos Naturais da Universidade da Califórnia, foi criado naquele ano com uma bolsa do Instituto Nacional de Agricultura dos EUA.
Nos seus primeiros três anos, o instituto financiou projetos de pesquisa sobre tecnologia de IA em todo o sistema alimentar, desde sensores mais baratos para a produção agrícola até simuladores digitais para gerir a tecnologia para prever o conteúdo nutricional dos alimentos.
À medida que a coleta de dados em grande escala e a IA se tornam rotina em diferentes etapas da cadeia de abastecimento alimentar, essas etapas podem elas próprias ser integradas pela IA.
“A oportunidade reside na integração – ligando os pontos em toda a cadeia de abastecimento”, disse Tagkopoulos. Em 2015, Tagkopoulos fundou a PIPA, uma empresa de IA para ajudar empresas de ingredientes e bens de consumo embalados a criar produtos melhores, do campo ao prato.
Por exemplo, as informações recolhidas pela IA sobre as culturas que crescem num campo podem ser integradas com a IA para o melhoramento vegetal. Essa integração ao longo da cadeia de abastecimento é um objetivo fundamental para o AIFS, que entra no seu quarto ano, disse Tagkopoulos.
Fazendo as sementes: IA no melhoramento vegetal
Uma das inovações originais na agricultura foi selecionar e criar plantas que produzissem boas colheitas. Hoje, os melhoristas vegetais e geneticistas continuam a pressionar por plantas que sejam mais saborosas, mais resistentes e mais resistentes à seca ou a pragas. Com o surgimento da genética moderna, os melhoristas podem usar a informação genética para selecionar plantas para cruzar entre si e criar novas variedades.
“A genética ajuda a informar o melhoramento”, disse Christine Diepenbrock, professora assistente de ciências vegetais na UC Davis. “Podemos encontrar diferentes regiões do genoma que sejam favoráveis para características de interesse, depois cruzar as melhores linhagens e garantir que obtemos todas essas diferentes regiões favoráveis.”
Quanto mais informações os melhoristas tiverem sobre as plantas, mais rapidamente poderão criar os melhores cruzamentos. A inteligência artificial pode apoiar essas decisões, disse Diepenbrock.
“Assim, podemos obter ganhos mais rapidamente se pudermos prever com precisão o desempenho da próxima geração ou o desempenho de uma determinada variedade num novo ambiente onde não a testamos antes”, disse ela.
A inteligência artificial é particularmente útil para encontrar relações complexas e não lineares, disse Diepenbrock. Por exemplo, o trabalho recente de um dos alunos de Diepenbrock estudou formas de utilizar sequências de DNA para prever as concentrações de carotenóides (pró-vitamina A) no milho.
Os melhoristas vegetais muitas vezes devem considerar diversas características ao mesmo tempo. Seu tomate pode ser tolerante à seca e resistente a pragas, mas você também deseja que seja nutritivo e saboroso. A IA pode ser útil para compreender e aproveitar as relações complexas entre essas características, disse Diepenbrock. Combinada com informações de sequência de DNA, a IA pode acelerar o ciclo de reprodução e trazer novas variedades mais rapidamente.
Nos campos: reforçando a tecnologia agrícola
Semeadas nos campos, os agricultores devem transformar as suas plantas numa cultura. Isso apresenta muitas oportunidades para a IA aumentar a produção e a qualidade e, ao mesmo tempo, poupar recursos, disse Mason Earles, professor assistente do Departamento de Viticultura e Enologia e do Departamento de Engenharia Biológica e Agrícola, que lidera o cluster de produção agrícola da AIFS.
A indústria agro-tecnológica já está percebendo. A agricultura de precisão utiliza tecnologia agrícola, incluindo IA, para monitorar e atender às necessidades das culturas em tempo real. A agricultura de precisão pode ajudar os agricultores a minimizar os resíduos, a utilizar os recursos de forma eficiente e a apoiar práticas agrícolas sustentáveis, fornecendo a quantidade certa de água, fertilizantes e proteção contra pragas às plantas que deles necessitam, exatamente quando necessitam.
“Há uma série de empresas, desde startups até produtores em grande escala e fabricantes de máquinas, que estão fazendo esse tipo de coisa agora”, disse Earles.
Grandes fabricantes como a John Deere já produzem tecnologia de “ver e pulverizar”, que pode fornecer fertilizantes ou pesticidas de forma automática e seletiva onde for mais necessário, para culturas em linha como trigo e soja. Um desafio para a agricultura da Califórnia é que as culturas especiais – frutas, nozes e vegetais – variam muito nas suas condições e requisitos de cultivo.
“Construir ferramentas em torno de IA que funcionem em amêndoa é muito diferente da uva, é muito diferente do morango; é diferente da alface”, disse Earles.
O uso de dados não é novidade na agricultura, observou Earles. Mas agora a IA pode obter diferentes tipos de dados – imagens de plantas captadas por câmeras de vídeo instaladas em tratores; insumos de água e fertilizantes; solo, clima e outras condições ambientais — e combiná-los para produzir previsões que apoiem o conhecimento e a experiência dos agricultores.
“É uma espécie de dar a eles um traje sobre-humano, para que possam sair e fazer melhor as coisas que já estão fazendo”, disse Earles.
A tecnologia de agricultura de precisão desenvolvida no laboratório de Earles na UC Davis está sendo comercializada pela Scout, uma empresa iniciante com sede no condado de Napa e Davis. Em vez de um agricultor caminhar pela sua vinha e inspecioná-las pessoalmente, a tecnologia do Scout utiliza IA para analisar milhares de imagens de videiras recolhidas ao nível do solo e fornece informações.
No caminhão: IA minimizando a perda de alimentos
No início do verão, nos campos ao redor da UC Davis, colheitadeiras mecânicas separam os frutos dos pés de tomate e os carregam em caminhões abertos – chamados gôndolas – para transporte até as fábricas de conservas próximas. Ao longo do caminho, alguns tomates podem ficar partidos ou esmagados e vazar líquido, conhecido como soro. Outros podem estar mofados ou verdes. Tudo isso são perdas para os produtores.
Christopher Simmons, professor e presidente do Departamento de Ciência e Tecnologia de Alimentos da UC Davis, usou a IA para estudar os fatores que dão origem à perda de qualidade antes que os tomates cheguem à fábrica de conservas.
“Queríamos prever quando essas perdas poderiam ocorrer, a fim de projetar intervenções que mantivessem a qualidade e preservassem o tomate”, disse ele. Embora o número de tomates rejeitados seja pequeno em comparação com o tamanho da colheita, ainda é uma preocupação para os processadores, disse ele.
“É também uma perda de todos os recursos que foram usados para produzir esses tomates – toda a água, a energia, o fertilizante e outros insumos são perdidos cada vez que uma única fruta é rejeitada.”
Simmons e uma equipe multidisciplinar da UC Davis e da UC Berkeley puderam basear-se em anos de dados coletados pelo Processing Tomato Advisory Board sobre cada carga de tomate que chega a uma fábrica de processamento, incluindo variedade, estação, onde foi cultivado e medidas de qualidade.
O primeiro desafio foi alinhar todos esses dados — de arquivos, de documentos, em diferentes escalas no espaço e no tempo — e em um formato que pudesse ser usado para treinar um algoritmo.
“A qualidade do algoritmo refletirá a qualidade dos dados usados para treiná-lo”, disse Simmons.
Ao longo do projeto, que foi apoiado durante dois anos pela AIFS, o modelo identificou alguns preditores fracos mas significativos para a probabilidade de bolor, especificamente a época da época e a acidez dos tomates.
Novas fontes de dados poderiam tornar o modelo mais robusto. Os engenheiros Ana Arias e James Evans da UC Berkeley, também colaboradores da AIFS, desenvolveram um conjunto de sensores que poderia ser montado na gôndola para medir as forças sobre os tomates enquanto eles são transportados para a planta de processamento, bem como o nível de vazamento de soro. de tomates danificados.
Os dados até agora são preliminares, disse Simmons, mas se estes tipos de sensores estivessem em uso em toda a indústria, poderiam gerar uma camada de dados que fortaleceria as previsões.
Na lata: IA transformando a fábrica de conservas
Depois que os tomates entram em uma fábrica como a fábrica de conservas da Pacific Coast Producers, eles entram em um ambiente de alta tecnologia e altamente automatizado. O ex-CEO Vincent disse que viu muitas mudanças na empresa desde que começou a trabalhar lá em 1983.
“Na época, era muito trabalhoso – muitas pessoas trabalhando lá, praticamente separando e empilhando latas manualmente”, disse Vincent. Hoje, a fábrica da Woodland é altamente automatizada e conta com uma força de trabalho pequena e altamente qualificada.
A Pacific Coast Producers é uma cooperativa de propriedade de cerca de 170 agricultores. Ela opera várias fábricas na Califórnia e no Oregon, fornecendo frutas e tomates enlatados de marca própria para grandes varejistas nos EUA.
Para Vincent, a IA é outra ferramenta para ajudar os processadores a entregarem produtos aos seus clientes.
“Sejam tomates, tomates em cubos, pasta de tomate ou pêssegos fatiados, metades de pêra ou cerejas marasquino, nosso trabalho é pegar esse produto cru e levá-lo ao estado que o cliente deseja, com o menor custo possível, com a mais alta qualidade, " ele disse. Para isso, a indústria já utiliza classificadores de cores de alta velocidade que utilizam câmeras e uma IA rudimentar para aceitar ou rejeitar frutas à medida que passam.
A Pacific Coast Producers vende cerca de 200 tipos de produtos diferentes (SKUs, ou “unidades de manutenção de estoque” no jargão do setor) para a maioria dos varejistas e distribuidores de serviços de alimentação nos EUA. Esses produtos saem da fábrica de conservas sem rótulo, ou “brilhantes”, e vão para a distribuição da empresa centro em Lodi, Califórnia, para rotulagem.
Lá, a equipe precisa descobrir a maneira mais eficiente de etiquetar todos os diferentes produtos para todos os diferentes clientes, ao mesmo tempo em que minimiza o número de vezes que eles precisam trocar o equipamento.
“Para uma empresa como a nossa, são 14.000 interseções de dados, ou seja, 14.000 itens teoricamente únicos que você precisa gerenciar”, disse Vincent. “Então é aí que vejo uma oportunidade real para a IA, porque temos dados muito bons; são apenas muitos dados.”
Pratos e estômagos: IA em nutrição e dieta
Imagine ter um nutricionista especialista ao seu lado que possa lhe dizer o que está em sua refeição e que efeito ela terá em seu corpo. Esse é o potencial de um projeto AIFS liderado por Danielle Lemay, cientista pesquisadora do Centro Ocidental de Nutrição Humana do USDA em Davis e professora adjunta do Departamento de Nutrição da UC Davis.
“Nosso principal projeto com AIFS é tentar prever a saúde a partir de fotos de alimentos”, disse Lemay.
Os nutricionistas usam diários alimentares, questionários e recordações de pessoas para tentar rastrear o que as pessoas comem. Esses métodos são tediosos e pouco precisos.
“Não seria ótimo se pudéssemos usar nossos telefones para capturar o que comemos, a fim de informar melhor a avaliação dietética?” Lemay disse.
Tire uma foto da sua refeição e uma IA poderá fornecer uma análise completa dos ingredientes para os nutricionistas estudarem.
Juntamente com o diário alimentar fotográfico, Lemay está colaborando com Tagkopoulos em um sistema de recomendação alimentar baseado em IA que pode começar com uma imagem de um alimento e chegar a uma lista detalhada de ingredientes e micronutrientes, seus efeitos na saúde e interações. Lemay e Tagkopoulos estão trabalhando com Hamed Pirsiavash, professor associado do Departamento de Ciência da Computação, em algoritmos que podem gerar informações a partir de uma imagem.
“Existe todo um mundo de milhares de moléculas em cada alimento que estamos começando a mapear com a química analítica”, disse Lemay. “Se conseguíssemos mapear os alimentos em bases de dados que nos informam sobre estes milhares de moléculas, então isso abriria a oportunidade de compreender mais sobre como as moléculas e o que comemos impactam coisas como o seu microbioma intestinal ou outros aspectos da saúde.”
A nutrição humana é incrivelmente complexa. É preciso considerar todas as moléculas que compõem os ingredientes da sua refeição, a maioria delas ainda desconhecidas; toda a variação entre os indivíduos, em idade, peso e genética; e os milhões de micróbios que vivem em nosso intestino e nos ajudam a digerir diversos alimentos. Encontrar um caminho através dos milhões de interações possíveis entre todas essas variáveis é muito difícil para o cérebro humano, mas é o tipo de problema de big data que a IA e o aprendizado de máquina podem resolver facilmente.
Das sementes aos campos e aos estômagos, a tecnologia da IA já está a ter um impacto no nosso abastecimento alimentar.
“Quer percebamos ou não, a IA está se entrelaçando em muitas das ferramentas e hardware de software dos quais confiamos. Acho que veremos a mesma coisa no sistema alimentar”, disse Simmons.
