Vale e Suzano utilizam olhos biônicos para prever incêndios

Em uma torre na floresta brasileira, um sentinela observa o horizonte em busca dos primeiros sinais de fogo.

Só que esses olhos não são humanos. Não piscam nem descansam e, guiados pela inteligência artificial, conseguem distinguir entre uma nuvem de poeira, um enxame de insetos e fumaça que exige atenção imediata. Esses dispositivos ajudam a garantir a continuidade das operações da mineradora Vale e proteger árvores para a produtora de papel e celulose Suzano.

O equipamento inclui câmeras ópticas e térmicas, além de sistemas espectrométricos que identificam a composição química das substâncias. Uma pequena empresa de Portugal que trabalha com a IBM acredita que conectá-los à inteligência artificial pode ajudar a domar os efeitos muitas vezes imprevisíveis da mudança climática. Outros aplicam a inteligência artificial para prever tempestades de granizo perigosas e estudar como a tecnologia pode ajudar a encontrar vítimas em condições climáticas adversas.

“A mudança climática está alterando drasticamente a forma como vemos o problema de incêndios florestais”, disse Vasco Correia, diretor comercial da Compta Emerging Business Solutions, que fabrica os equipamentos. “Há dois anos, começamos a avaliar a inteligência artificial e machine learning, porque acreditamos que poderão mudar o jogo.”

Em 2019, a oscilação de temperaturas e eventos climáticos mataram mais de 4 mil pessoas em todo o mundo e causaram cerca de US$ 42 bilhões em perdas seguradas, segundo a seguradora Munich Re. O objetivo da Compta é limitar as perdas, com avisos que possam ajudar a evitar que uma pequena chama se torne um incêndio.

O sistema da Compta foi utilizado pela primeira vez no Brasil em um programa piloto projetado para testar sua eficácia, mas agora está “disponível global e operacionalmente”, disse Correia por telefone.

A empresa recentemente abriu um escritório na Califórnia, estado que registrou o incêndio florestal com mais vítimas no ano passado, quando linhas de eletricidade da PG&E pegaram fogo e devastaram a cidade de Paradise, matando 85 pessoas. Os passivos do incêndio contribuíram para levar a concessionária à falência em janeiro.

Leia também

Empresas

Dividendos da Petrobras (PETR4): Lula dá ‘ok’ para distribuição de 50%, diz Folha

Empresas

Cosan (CSAN3) vende 33,5 milhões de ações da Vale (VALE3); confira

Além de analisar os dados no local, a inteligência artificial do dispositivo vai avaliar eventos semelhantes capturados pelo sistema ao longo do tempo. O equipamento também usará o supercomputador Watson da IBM para avaliar visualmente o que vê e previsões da Weather Company para antecipar como o incêndio poderia se espalhar.

“A paisagem dos incêndios florestais e como começam e evoluem hoje é muito diferente do que tínhamos nas décadas passadas”, disse Correia. “As temporadas de incêndio são dois meses mais longas do que nas décadas passadas, e os incêndios florestais hoje queimam uma superfície de terra seis vezes maior e duram cinco vezes mais.”

Os incêndios florestais são apenas uma das muitas ameaças, pois os custos climáticos extremos continuam aumentando.

A trilha de destruição no primeiro semestre deste ano incluiu inundações em campos agrícolas em todo o Meio-Oeste dos Estados Unidos e devastação causada ao longo da costa africana pelo ciclone Idai, que matou 1.013 pessoas, segundo a Munich Re.

Uma ameaça que a inteligência artificial poderia ajudar os humanos a se prepararem melhor é o granizo, disse David Gagne, cientista especializado em machine learning do Centro Nacional de Pesquisa Atmosférica, em Boulder, Colorado. Desde 2008, o granizo e os sérios estragos causados por tempestades aumentaram para US$ 19 bilhões por ano, ajustados pela inflação, e permanecem nesse patamar desde então.

Gagne disse que o grupo está pesquisando uma ferramenta que o Serviço Nacional de Meteorologia poderia usar para ajudar os meteorologistas a preverem melhor onde e quando o granizo ocorrerá com um dia de antecedência. Até agora, o programa de granizo melhorou a precisão em 10%, e o plano é testá-lo em tempo real dentro do serviço meteorológico.