A essa altura, você já sabe que Bill Gates, fundador da Microsoft, tem planos pretensiosos para levar saneamento básico a áreas pobres ou preparar a humanidade para a próxima grande epidemia. Okay, Bill já não dá as cartas na Microsoft, mas a empresa tem ideias próprias para solucionar problemas igualmente grandes. Ranveer Chandra, cientista-chefe do Azure, a plataforma em nuvem que está por trás de qualquer serviço da Microsoft (dos mais conhecidos como Skype ao Office 365, passando pelas ferramentas usadas por empresas), falou a Tilt sobre uma delas: usar tecnologia para produzirmos comida para uma população mundial que não para de crescer.

O executivo indiano lidera o projeto com suas motivações. Uma é pessoal: quando menino, viu agricultores do norte da Índia viverem na pobreza e mal terem o que comer. Outra é compartilhada com o resto do mundo: se a situação já está ruim —há milhões de subnutridos no mundo e bilhões de pessoas que ingerem poucos nutrientes— no futuro, pode piorar. Serão 30% mais bocas em todo o globo que só serão alimentadas se a produção de alimentos crescer 70%, estima a FAO, organização das Nações Unidas (ONU) para alimentação e agricultura.

E como fazer isso? Para Chandra, depende do casamento entre agricultura e tecnologias como inteligência artificial e computação em nuvem.

Chandra não esconde: "Minha formação não é em agricultura, eu sou PhD em ciência da computação", afirma o ex-professor da Universidade de Cornell que passou mais de 14 anos no Microsoft Research, o laboratório de pesquisa de alta tecnologia da empresa norte-americana.

Nos mais de dez como pesquisador, tocou muitos projetos. Um deles virou seu carro-chefe assim que assumiu a divisão em 2018: chamado de Farm Beats, o programa une a fome com a vontade de comer. Ele usa tecnologias que Chandra estuda há anos e hoje já são conhecidas, como sensores de Internet das Coisas, mas também coisas que parecem ficção científica, como sistemas de inteligência artificial fazendo mapeamento 3D a partir da imagem de drones e conexão de wi-fi via sinal de TV — sabe aquele ruído de estática?

Em sua primeira viagem ao Brasil, o executivo veio para ouvir agricultores. Já havia visitado com o mesmo objetivo em outros lugares —conversando com fazendeiros do Congo, na África, mudou o projeto, porque a proposta simplesmente não cabia no bolso deles. "Minha motivação pessoal é desenvolver tecnologia que possamos levar aos pequenos agricultores em todo o mundo, da África à Índia."

Tilt - Como alguém especializado em tecnologia acaba envolvido com um projeto para melhorar o cultivo no campo?
Ranveer Chandra - Eu cresci na Índia. Costumava passar muito tempo com meus avós, que moravam em uma pequena vila no norte. Era o estado mais pobre entre todos os da Índia. Naquela época, eu odiava a agricultura, porque não havia banheiros, não tinha eletricidade, ficava no meio do nada. Nos primeiros 18 anos da minha vida, eu passava quatro meses na casa deles.

A forma como esses agricultores cultivava era muito primitiva. Lembro que minha mãe deixava comida do lado de fora enquanto orávamos. As pessoas se aglomeravam para pegar algo para comer dada a enorme pobreza de lá. Foi por isso que iniciei este projeto na Microsoft, para tentar fazer algo para os agricultores em todo o mundo e tornar suas vidas melhores.

Tilt - O que pode melhorar a forma como fazendeiros, como os que você conheceu na sua infância, cultivam?
Ranveer Chandra - Antes, é preciso dizer que minha formação não é na agricultura, sou PhD em ciência da computação. E há várias razões para começar esse projeto, a primeira delas era pessoal. A outra é que o mundo tem um problema alimentar: precisamos aumentar a produção mundial de alimentos em uma quantidade significativa --e o Brasil tem um grande papel nisso. Como você sabe, a produção mundial de alimentos precisa aumentar em 70% até 2050. Não é apenas dar comida, mas, sim, comida nutritiva. E precisamos fazer isso de maneira sustentável, sem prejudicar o meio ambiente. Mas como chegamos lá? Foi isso que desencadeou esta pesquisa. Uma das abordagens mais promissoras é a agricultura orientada a dados.

A maioria dos agricultores toma quase todas as decisões com base em suposições, na intuição de que isso ou aquilo vai acontecer. A quantidade de água que usam na irrigação dificilmente se baseia nas medidas reais de umidade do solo. Mesmo para os agricultores mais avançados com quem conversei nos EUA, por exemplo, a quantidade de fertilizante ou de nitrogênio que eles colocam é baseada no que ocorreu no ano passado. Isso não está certo. O teor de nitrogênio depende de muitas outras coisas.

E são os dados que levam a uma agricultura com maior assertividade. Se você tem uma fazenda, a quantidade de água ou fertilizante varia de um lugar para outro, mas agricultores aplicam isso uniformemente em toda a plantação. Com a agricultura de precisão, você aplica insumos só onde é necessário; melhora o rendimento, porque pode plantar sementes mais próximas umas das outras se souber onde a fazenda é mais fértil; reduz custo, porque usa menos água e pesticida; e é melhor para o meio ambiente, porque você desperdiça menos.

Tilt - No mundo real, o agricultor enfrenta diversos problemas que poderiam inviabilizar seu plano. Quais são os principais obstáculos?
Ranveer Chandra - Imagine o que você poderia fazer se criasse mapas que mostrem como é a umidade do solo a 15 cm de profundidade ao longo do mês, quais são os nutrientes do solo. O problema é que a agricultura de precisão não decolou justamente porque é difícil para o agricultor obter dados. Para construir um mapa desses, eu preciso ter sensores no chão. E há ainda baixa a conectividade no campo, porque muitos lugares não têm internet. Sem isso, como você consegue dados do meio da plantação? As soluções existentes são muito caras. E, se já é caro nos EUA, é ainda mais caro no Brasil, porque muitas fazendas aqui são realmente grandes e bastante remotas.

Tilt - Como seria possível levar essa agricultura de precisão aos agricultores, considerando que nem todo produtor possui recursos financeiros?
Ranveer Chandra - Antes de tudo, você precisa conectá-los. Esse é um dos maiores desafios da agricultura baseada em dados. Não há acesso à internet no meio do campo, que está longe do urbano e não tem torres de celular. As soluções existentes são caras, porque usam satélite ou serviços celulares personalizados. A primeira coisa que fazemos para resolver essa lacuna é usar os espaços em branco da TV, aquele espectro não utilizado por transmissões televisivas, para enviar e receber dados. Quando você navega pela TV, certos canais recebem uma transmissão e, em outros canais, você só pode ver ruídos. A tecnologia que desenvolvemos capta sinais wi-fi e os coloca nesses canais vazios sem interferir a recepção da TV. Assim, você assiste ao canal 7 e, no canal 8, recebe wi-fi, por exemplo.

Se você ligar uma TV no meio de uma fazenda, a maioria dos canais deve mostrar apenas ruído, o que não é boa notícia para quem quer assistir à TV, mas significa maior capacidade para enviar e receber dados. Essa tecnologia foi legalizada nos EUA pela FCC (a "Anatel norte-americana") em 2010. Desde então, já foram conectadas escolas, hospitais, bibliotecas e chegou a outros lugares do mundo, como África e Índia. E o mais legal dessa tecnologia é que, como você está operando nos canais de TV, o sinal vai muito mais longe, em comparação ao wi-fi, de quatro a 12 vezes mais longe. Pode chegar a 16 quilômetros. O benefício de um comprimento de onda mais longo é que ele pode contornar melhor os obstáculos. Em uma área com árvores e plantações, o sinal continua passando.

E dá para enviar e receber grande quantidade de dados. Estamos falando de 500 Megabits por segundo, que podem ser usados para conectar sensores, drones, câmeras e ainda transmitir informações do meio de uma fazenda, coisa que não era possível antes. Assim como o wi-fi conecta a casa, esse espectro poderia ser usado para conectar toda a fazenda.

Tilt - O projeto também envolve um uso intensivo de sensores de IoT. Como isso funciona?
Ranveer Chandra - Se você deseja criar mapas que mostrem umidade do solo, níveis de temperatura e de nutrientes no solo em toda a fazenda, você precisa de um sensor com câmera a cada 10 metros. Isso é o estado da arte. Só que é caro e difícil de gerenciar sensores a essa distância. E também atrapalha o fazendeiro. Então tentamos construir um mapa como esse usando menos sensores.

Se você não quiser um mapa tão refinado, é só colocar sensores a cada poucos acres e usar cálculos matemáticos para definir se, indo dos pontos A ao B, a umidade na região é X ou Y. Mas esse método é impreciso. Resolvemos o problema usando inteligência artificial e drones. O que estamos fazendo é juntar a percepção coletada no solo com a trazida pelas imagens aéreas, feitas por drones e até mesmo de satélites.

De forma simplificada, usamos dois insights: se há duas áreas próximas em uma fazenda, é provável que elas sejam similares; e se elas podem ser similares, é provável que possuam as mesmas características. Então, codificamos essas duas ideias em um modelo de inteligência artificial. Com isso, conseguimos previsões sobre os locais onde não há sensores.

Tilt - Todos estes aparelhos têm de se conectar à internet para funcionar. Mas como fazer isso em um ambiente em que a conexão é limitada?
Ranveer Chandra - Com os espaços em branco de TV, conseguimos levar conexão a cada dispositivo. Com a segunda técnica, precisamos de menos dispositivos para criar mapas digitais da fazenda. A terceira técnica que usamos é evitar enviar para a nuvem todos os dados da fazenda, porque a conectividade é fraca. Algumas dessas fazendas internet de só 128 megabits por segundo. Se estou pilotando um drone, um simples sobrevoo de 15 minutos pode gerar mais de 1 gigabyte de dados. Não dá.

Por isso, o que usamos é a Internet das Coisas de borda. Funciona assim: um computador fica no escritório dos fazendeiros. Ele recebe dados dos sensores da e faz todo o processamento de visão computacional e inteligência artificial que é enviado para a nuvem. Nos servidores, essas informações são fundidas a dados meteorológicos, de satélite e de solo, para surgirem insights sobre a fazenda.

Nós até fazemos algum processamento no drone, outro nos sensores e um pouco nas câmeras. Mas quando pensamos em [computação de] borda, você pode pensar nela como uma arquitetura em camas. Ou seja, por um lado, há dispositivos com baixa capacidade de computação e, por outro, há a nuvem, que tem capacidade de processamento quase que infinita. Com isso, dá para distribuir tarefas e decidir onde cada coisa é executada: que parte da tarefa deve ser executada no PC, no drone ou na câmera.

É nesse processamento que o ciclo se fecha. Por exemplo: você sobrevoa uma fazenda com um drone que captura imagens de subseções da plantação; elas são usadas para criar algo como uma representação 3D da própria fazenda; a partir daí, criamos uma vista panorâmica digital. Isso é feito por um algoritmo de visão computacional pesado, que precisa rodar em um PC porque um sensor teria dificuldade.

Tilt - Como ensinar um agricultor a se tornar um especialista nestes diversos tipos de tecnologia para lidar com todas essas ferramentas?
Ranveer Chandra - A Microsoft não é uma empresa agrícola. E não esperamos ser, não temos conhecimento agrícola nem a força de vendas. Portanto, nossa abordagem é fazer parcerias. Toda essa arquitetura de que falamos é construída por eles, que já prestam serviço aos agricultores. O que fazermos é dar acesso de novos dados aos provedores de soluções, ensinar a usar os espaços em branco da TV, o aprendizado de máquina e combinar tudo isso.

Também traduzimos esse conjunto de dados para os agricultores. E, em alguns casos, também trabalhamos com agricultores mais experientes. Um deles no leste de Washington costumava trabalhar na Microsoft antes de ir plantar trigo na fazenda que já está na família há cinco gerações. Alguns fazendeiros já estão usando essas tecnologias. Há algumas implantações nos EUA, na Nova Zelândia, no Chile e no Quênia. Sempre trabalhamos em estreita colaboração com outra pessoa, que entende muito bem de agricultura. Vemos como os agricultores vão usar para aprender como melhorar nosso produto.

Tilt - Todas estas tecnologias parecem voltadas apenas a grandes fazendeiros, que já possuem recursos para adotar tudo isso.
Ranveer Chandra - Minha motivação pessoal é desenvolver tecnologia que possamos levar aos pequenos agricultores em todo o mundo, da África à Índia. E isso é algo que eu quero fazer. Essa é a minha paixão. Algumas das coisas que conversei com eles são válidas para todo tipo de fazendeiro, de diferentes partes do mundo. Coisas como a conectividade via espaços em branco de TV são a chave, e isso é algo que funcionaria tanto para o grande quanto para o pequeno fazendeiro. Mas a fusão entre imagens de sensores e drones é algo que, por exemplo, poderia ser substituída por balões.

Foi o que descobrimos quando fomos trabalhar na África. Pegamos alguns drone para usá-los no Congo, mas havia impeditivos: custam mais de US$ 1 mil, a duração da bateria não é boa e há preocupações regulatórias - precisa ter autorização do governo. Mudamos a abordagem: passamos a usar balões cheios de hélio, com 2 metros de diâmetro e que ficam flutuando a até 200 pés de altura. A partir daí, era só colocar um smartphone com uma câmera voltada para baixo e uma bateria acoplada. E ele começaria a tirar fotos da fazenda para construir uma visão panorâmica de toda a fazenda.

Tilt - Quais podem ser os benefícios de usar combinar inteligência artificial e drones para melhorar o cultivo de alimentos? Ranveer Chandra - Por termos reduzido o custo dos sensores e usarmos espaços em branco da TV, já é possível fazer previsões climáticas sobre o que está acontecendo na fazenda. E você sabe que o clima é um parâmetro muito importante para os agricultores, certo? Todas as decisões são baseadas nisso: como e quando fertilizar, semear, irrigar. Mas hoje tudo toma como base a previsões do tempo, feita por uma estação meteorológica, que não fica na fazenda. Imagine fazer isso com um sensor que está na fazenda: podemos fazer previsões microclimáticas e hiperlocais e que não necessariamente está acontecendo na estação meteorológica. E é possível fazer isso usando inteligência artificial. Coletamos muitos dados climáticos, usamos para treinar os algoritmos e, em seguida, usamos para fazer previsões do que está acontecendo na fazenda a partir de previsões nas estações meteorológicas.

Quer um exemplo de como agricultores podem usar essas previsões microregionais? Podem decidir quando aplicar fertilizante, porque é desejável aplicá-lo quando o solo estiver levemente úmido para que dê certo. Se estiver seco, ele simplesmente desaparece.

Tilt - O mundo está muito preocupado com a privacidade das informações pessoais dos usuários. Mas esses sistemas reúnem dados de fazendas, do solo, da propriedade. Você acha que, no futuro, estaremos também discutindo a privacidade dos dados dos objetos?
Ranveer Chandra - Boa pergunta. Os dados das fazendas são algo com que precisamos ter cuidado. Da perspectiva da Microsoft, não queremos fazer parte da coleta dessas informações, ainda mais porque não somos nós que vendemos o serviço diretamente aos agricultores. Tudo passa por parceiros.

Só que, quando falamos sobre inteligência artificial, precisamos de dados consistentes para criar bons modelos. Ou seja, não dá para usar dados com viés. É aí que precisamos tomar cuidado, para que, no meio do processo, a confiança nessas informações não se perca. Isso é algo com que todos no setor precisam estar conscientes.