AgriBio Tomada de Decisão Causal Multicritério em Redes de Produção Alimentar

Desenvolvendo modelos causais multicritério baseados em IA para tomada de decisão sob incerteza em redes de produção alimentar.

Líderes: Antonio Saraiva and Alexandre Delbem

Os ciclos produtivos do agronegócio, a sustentabilidade ambiental e a segurança alimentar são demandas atuais que desafiam as autoridades mundiais. Neste contexto, são desafios significativos a modelagem adequada de informações heterogêneas em grande escala, a criação de sistemas de aprendizado com o dinamismo de ambientes reais, e métodos que encontram um equilíbrio entre muitas preocupações sobre custos e benefícios. O aprendizado de representações, o aumento de resiliência e a tomada de decisão multicritério são ferramentas importantes para lidar com esses desafios.

A construção de modelos causais confiáveis ​​é um problema em aberto. Métodos avançados de geração de Redes Bayesianas Dinâmicas (DBNs) baseados na captura de conhecimento tácito podem levar a modelos causais que combinam variáveis ​​contínuas e discretas (um nível de heterogeneidade) e que também sejam adaptativos.

A hibridização de modelos convencionais baseados em conhecimento e métodos de aprendizado, através de ensembles, é uma estratégia possível para produzir soluções para problemas reais complexos. Esses processos podem incrementar resiliência por meio da avaliação e melhora de conjuntos de dados e da seleção de parâmetros do sistema de aprendizado (como meta-atributos) em um cenário de configuração de ensemble, seleção de ensemble dinâmico e meta-aprendizado. A integração de modelos aprimorados com resiliência com as abordagens baseadas em DBN pode gerar um nível de resiliência preditiva mais alto.

A construção de novas abordagens para a tomada de decisão multicritério que combinem as soluções encontradas pelas técnicas convencionais baseadas no conhecimento e pelos métodos de aprendizado propostos parece ser uma estratégia promissora para gerar inovações de curto e longo prazo.

Um aspecto importante da segurança alimentar são as mudanças climáticas, envolvendo principalmente o abastecimento de água. Modelos hidrológicos devem ser investigados com o objetivo de desenvolver métodos preliminares para combinar abordagens baseadas em conhecimento e baseadas em dados. Modelos para condições hidrológicas críticas, como secas e inundações, também devem ser investigados a fim de beneficiar as previsões de escassez hídrica ou de perecibilidade das culturas.

Objetivos

Aprendizado de Representação: Novas abordagens para Informação Heterogênea podem emergir a partir de extensões de técnicas de representação voltadas a construir um espaço de recursos unificado. Neste tipo de abordagem, é gerado um embedding para incorporar os principais padrões e correlações existentes nos múltiplos tipos de informação. Sua integração com métodos de modelagem que capturam conhecimento tácito pode contribuir para o Aprendizado de Representação Dinâmica. O primeiro desafio é a aquisição automática dessas estruturas e sua integração com DBNs.

Aumento de Resiliência: A investigação de ensembles adaptativos (evolutivos) com grandes margens para o aumento da resiliência em aprendizado é promissora. A combinação multiobjetivo de medidas de separabilidade pode permitir encontrar padrões da distribuição da amostra marginal que, por sua vez, pode produzir aprendizado resiliente. A investigação de abordagens baseadas em DBN pode permitir a integração de resiliência preditiva e o aprendizado de representação, como dinamismo (lidando com variações de conceitos) e heterogeneidade. Além disso, a construção de DBNs em larga escala é um desafio no qual os algoritmos evolutivos multiobjetivos (MOEAs) com representação adequada podem ter sucesso.

Tomada de Decisão: As técnicas convencionais de AgriBio baseadas em conhecimento na tomada de decisão multicritério são relevantes para lidar com as demandas conflitantes no AgriBio. A robustez ou a estabilidade das frentes aproximadas pela técnica de Pareto são os fundamentos para a criação de novas abordagens dedicadas aos desafios do AgriBio frente à incerteza. Critérios de resiliência devem ser escolhidos ou formulados para lidar com as mudanças climáticas e de mercado. Devem também possibilitar a construção de procedimentos para tomada de decisão a partir das soluções encontradas pelas técnicas desenvolvidas neste projeto.

Equipe

  • Nome

    Afiliação

  • Alexandre Cláudio Botazzo Delbem
    ICMC-USP
  • Ana Carolina Lorena
    IEC-ITA
  • Ana Carolina Sarmento Buarque
    EESC-USP
  • Ângela Silviane Moura Cunha
    ICMC-USP
  • Antonio Mauro Saraiva
    EP-USP
  • Bruno de Carvalho Albertini
    EP-USP
  • Carlos Dias Maciel
    EESC-USP
  • Danilo Hernane Spatti
    ICMC-USP
  • Ednaldo José Ferreira
    EMBRAPA
  • Eduardo Mario Mendiondo
    EESC-USP
  • Ennio Politi Lopes
    ICMC-USP
  • Evandro Marcos Saidel Ribeiro
    FEARP
  • Fabricio Alonso Richmond Navarro
    EESC-USP
  • Fernando Elias Corrêa
    Cepea-USP
  • Fernando Santos Osorio
    ICMC-USP
  • Filipi Miranda Soares
    EP-USP
  • Filippo Ghiglieno
    UFSCar
  • Gabriela Chiquito Gesualdo
    EESC-USP
  • Humberto Ribeiro da Rocha
    IAG-USP
  • Jailson Nunes Leocadio
    EP-USP
  • José Artur Teixeira Brasil
    EESC-USP
  • José Paulo Molin
    ESALQ-USP
  • Julio Cezar Estrella
    ICMC-USP
  • Luis Miguel Castillo Rápalo
    EESC-USP
  • Marcos Roberto Benso
    EESC-USP
  • Maria Clara Fava
    ICMC-USP
  • Marina Batalini de Macedo
    FSP-USP
  • Patricia Angélica Alves Marques
    ESALQ-USP
  • Rafael Geraldeli Rossi
    UFMS
  • Ricardo Marcondes Marcacini
    ICMC-USP
  • Roberto Fray da Silva
    EP-USP
  • Rodrigo Yoiti Tsukahara
    Fundação ABC
  • Silvia Helena Galvao de Miranda
    ESALQ-USP
  • Solange Oliveira Rezende
    ICMC-USP
  • Thiago Guilherme Péra
    ESALQ-USP
  • Thomas C. M. Martin
    IAG-USP
  • Uiara Bandineli Montedo
    EP-USP
  • Wilian França Costa
    Mackenzie