Por Ricardo Marques da Silva

Um modelo de IA para a agricultura que funciona com perfeição nos Estados Unidos e na Europa pode falhar espetacularmente em fazendas e florestas localizadas em outras regiões. Essa foi a conclusão a que chegaram pesquisadores como Catherine Nakalembe, professora da Universidade de Maryland e diretora do programa África da Nasa Harvest, que usa aprendizado de máquina e visão computacional para mapear terras agrícolas, classificar tipos de cultivo e estimar a produtividade em Uganda, Quênia, Senegal e outras nações africanas.

De acordo com a cientista, as ferramentas de IA das big techs ocidentais, treinadas com dados de seus países, muitas vezes não funcionam corretamente nem conseguem reconhecer plantações, florestas ou condições agrícolas sem adaptação aos ambientes de outras regiões. “Os sistemas de IA construídos no Ocidente também não costumam levar em conta o contexto econômico e a infraestrutura dos países mais pobres, o que inclui altos custos da internet, largura de banda limitada e falta de dados de treinamento rotulados”, explicou Catherine, em entrevista à publicação sem fins lucrativos Rest of World.

Essas deficiências foram constatadas na prática quando a pesquisadora tentou mapear os tipos de cultivo no oeste do Quênia. Ela tinha muitos dados de imagens de satélite, mas não conseguiu usar IA para analisá-los porque as culturas locais não eram reconhecidas. Catherine decidiu então coletar seus próprios dados e instalou câmeras GoPro nos capacetes de dezenas de voluntários, além de treinar a tecnologia de reconhecimento facial para identificar milho, feijão e mandioca. Em duas semanas, foram capturadas mais de 5 milhões de imagens.

O uso de IA na agricultura é especialmente importante em países de baixa e média renda, nos quais mais de 2 bilhões de pessoas vivem das atividades rurais e estão expostas ao impacto das mudanças climáticas. “Porém, se os sistemas de IA não forem adaptados, permanecerão irrelevantes e até podem agravar as desigualdades existentes em termos de riqueza e acesso a recursos. E há o risco de que esses sistemas priorizem o lucro corporativo e empresarial em detrimento dos agricultores”, explicou Catherine.

Nos casos em que houve essa adaptação, os resultados foram notáveis. O aplicativo FarmerChat da Digital Green, por exemplo, já alcançou mais de 1 milhão de agricultores no sul da Ásia e na África, usando IA generativa para responder a mais de 8 milhões de pergunta em 16 idiomas locais e diagnosticar problemas nas plantações a partir de imagens.

Rikin Gandhi, cofundador e diretor executivo da Digital Green, disse à Rest of World que sua equipe treinou e reforçou pequenos modelos de linguagem com mais de 120 mil perguntas e respostas de agricultores, desenvolvidas com agrônomos e veterinários da maneira como as pessoas do campo realmente falam. “A agricultura é hiperlocal: o tipo de solo, a pluviosidade, a altitude, as pragas e os mercados variam de aldeia para aldeia. O aprendizado do modelo deve estar sempre próximo dessa realidade”, explicou.

Modelo próprio na Índia

Na Índia, depois de “um fracasso espetacular” ao tentar usar uma IA de código aberto para analisar dados locais, a organização Farmers for Forests também buscou uma solução própria. Por meio de um modelo de IA personalizado, seus pesquisadores registraram manualmente imagens de drones de 80 áreas diferentes e conseguiram identificar cerca de 55 mil árvores, em busca de fontes de sequestro de carbono capazes de gerar renda para os agricultores.

“O sistema de IA ocidental deixou de identificar mais da metade das árvores porque foi treinado com base em florestas da América do Norte”, contou Arti Dhar, cofundadora e diretora da organização. “Foi uma lição clara de que não se pode simplesmente lançar de paraquedas a IA ocidental no sul global e esperar que funcione”, disse.

Rikin Gandhi, da Digital Green, acrescentou: “Um sistema de IA pode ter um bom desempenho técnico e ainda assim falhar com os agricultores se ignorar as realidades econômicas e ecológicas. A verdadeira questão é saber se a IA ​​na agricultura fortalece a autonomia das famílias, melhora a rentabilidade e apoia a sustentabilidade”.