Técnica de aprendizado por transferência melhora previsões
Pesquisadores da University of Illinois Urbana-Champaign desenvolveram um sistema de inteligência artificial capaz de prever a produtividade da soja brasileira com alta resolução. A ferramenta consegue fazer estimativas por município usando apenas informações gerais dos estados, o que resolve o problema da falta de dados locais detalhados.
O Brasil lidera a produção mundial do grão desde 2018, quando superou os Estados Unidos, mas ainda possui poucas estatísticas de produtividade em escala fina. Essa limitação dificulta análises mais exatas sobre a oferta do produto e atrapalha o planejamento do setor agrícola.
Como funciona a tecnologia
A equipe aplicou uma técnica de IA conhecida como aprendizado por transferência para contornar a escassez de informações no país. O método reaproveita o conhecimento de modelos que já foram treinados em outros contextos e os adapta para novas situações.
Os cientistas pegaram um modelo avançado usado para prever safras nos Estados Unidos e o ajustaram às condições do Brasil. O sistema integrou imagens de satélite, dados climáticos e estatísticas estaduais para gerar mapas de rendimento agrícola em todo o território nacional.
Resultados e impacto no mercado
O desempenho da IA se mostrou robusto e dobrou a precisão estatística em comparação com estudos convencionais de previsão. Jiaying Zhang, primeira autora do estudo, destacou que a eficácia das previsões subiu significativamente em relação ao limite teórico máximo.
“Nossos resultados indicam que o aprendizado por transferência pode superar desafios de escassez de dados e de escalabilidade na modelagem agrícola.”
A pesquisa aponta que monitorar a produção com maior precisão é fundamental para entender a oferta e a demanda global. Kaiyu Guan, líder do projeto, reforçou que a capacidade de antecipar a produção agrícola ajuda nas projeções de comércio e na avaliação de riscos.
“A capacidade de monitorar e prever a produção agrícola em escala regional e global é estratégica para análises de mercado, projeções de comércio e avaliação de riscos para produtores de soja dos Estados Unidos.”
O trabalho sugere um caminho para aplicar esses modelos avançados em outras regiões que também sofrem com dados limitados. Isso pode apoiar a gestão de riscos climáticos e a formulação de políticas agrícolas baseadas em evidências.
