Inteligência Artificial para plantas: da nutrição à farmacologia

O servidor de alimentos OpenAg é uma tecnologia agrícola controlada, do tamanho de um contêiner de remessa, que pode ser construída para utilizar a tecnologia hidropônica ou aeropônica. Crédito: Open Agriculture Initiative.

Por Anthon Torres
Publicado na Ciencia del Sur

Nas ciências naturais, encontramos uma ampla gama de estudos que estão sendo reinventados com a chegada da indústria 4.0 ao mercado. Desde 2015, estamos em um período de transição tecnológica em que a Inteligência Artificial determina o próximo salto para a agricultura 4.0 nos Estados Unidos e na Europa.

É fato que as condições climáticas para uma agricultura ideal estão sendo alteradas, o que limita a produção e a qualidade do produto. Devido ao problema, modificações genéticas são implantadas nas colheitas para torná-las mais resistentes às novas condições.

Agora, uma nova alternativa é adicionada para alcançar um aumento na pesquisa que pode contribuir para manter as colheitas e aprimorar seus atributos sem intervenção genética. A Open Agriculture Initiative (OpenAg) do MIT Media Lab (Instituto Tecnológico de Massachusetts) é um exemplo.

Esse projeto permite o uso de algoritmos de aprendizagem de máquina em conjunto com a botânica, a fim de obter condições ideais de crescimento.

O método consiste em coleta, armazenamento e interpretação contínua dos dados nas colheitas. A indução de mudanças em um ambiente controlado e a previsão para favorecer o desenvolvimento de uma colheita específica, é uma tarefa que a humanidade levou cerca de 10.000 anos para alcançar.

Com a aprendizagem de máquina e a detecção de padrões, a Inteligência Artificial fez progressos dos quais seriam impossíveis de alcançar com o método tradicional.

Graças aos ambientes controlados de luz, temperatura e umidade que a OpenAg oferece, foi possível mergulhar no maquinário bioquímico, na evolução e na ecologia das plantas para fazer uma colheita de alimentos através da mão da otimização de perfis químicos específicos (sabor, propriedades farmacêuticas, nutrição).

As plantas dependem de uma química rica e diversificada para autodefesa e adaptação ao estresse. A OpenAg está trabalhando para induzir uma planta a sintetizar essas moléculas, adicionando tensões específicas ao ambiente da planta e medindo alterações químicas.

O resultado: após uma análise dos dados, verificou-se que, ao fornecer luz 24 horas por dia, o sabor e as propriedades nutricionais das plantas de manjericão são aprimorados. A otimização de uma propriedade natural é impossível de alcançar com o método tradicional.

As equipes do MIT – em conjunto com a Cognizant – estão trabalhando no desenvolvimento de compostos que podem ajudar a combater diversas doenças, tudo isso seguindo o mesmo processo de adição de tensões às plantas.

Nesse ponto, os pesquisadores estão estudando os efeitos da adição e implementação de outras variáveis ambientais, como a cor da luz, a temperatura e a umidade, bem como os efeitos da adição de hormônios ou nutrientes vegetais.

Em um estudo, eles estão expondo as plantas ao quitosano, um polímero encontrado em insetos, uma qualidade que faz com que a planta produza diferentes compostos químicos que atuam como pesticidas.

Esse método promissor de ambientes controlados pela Inteligência Artificial conseguiu despertar o interesse dos pesquisadores em aumentar o rendimento das plantas medicinais de Madagascar, especificamente a pervinca, o que poderia ser útil na luta contra o câncer.

A intensificação das propriedades nutricionais das plantas, a otimização da exigência de suas necessidades (temperatura, umidade, irrigação e luz) e a estimulação do processo de sintetização de moléculas com propriedades medicinais – através de um ambiente controlado por aprendizagem de máquina – são exemplos do que essa área tem reservado para nós nas próximas décadas.

O crescimento desse setor é inegável e a necessidade de explorar os benefícios de dados, previsões e padrões que não podemos encontrar sem Inteligência Artificial é cada vez mais evidente.

Referências