Pesquisadores treinaram Inteligência Artificial a partir de resenhas de produtos para saber quais estão impróprios para consumo.
Principais destaques:
- Pesquisadores criaram Inteligência Artificial que identifica alimentos impróprios;
- Algoritmo foi treinado com resenhas de produtos feitas no site da Amazon;
- Com precisão de 74%, IA ainda identificou outros produtos que não foram recolhidos.
A Inteligência Artificial (IA) tem sido usada para diversas finalidades como transformar sinais cerebrais da fala em frases escritas e no combate ao câncer.
Uma das funções desta tecnologia emergente é a capacidade de detectar padrões em grandes quantidades de dados e fazer previsões o mais precisas possível.
Recentemente, cientistas da Escola de Saúde Pública da Universidade de Boston (Estados Unidos) desenvolveram um algoritmo para identificar alimentos contaminados que precisem de um recall ao analisar reviews desses produtos publicados no site da Amazon.
O estudo, publicado na revista científica Journal of the American Medical Informatics Association, da Oxford, no início de agosto, apresentou um resultado com 74% de precisão.
Como a Inteligência Artificial foi desenvolvida?
Nos Estados Unidos, alimentos contaminados ou rotulados erroneamente causam aproximadamente 76 milhões de doenças por ano.
Segundo a Food and Drug Administration (FDA), correspondente da agência federal do Departamento de Saúde e Serviços Humanos, são 325 mil hospitalizações e 5 mil mortes neste período.
Para diminuir este cenário, os pesquisadores coletaram mais de 1 milhão de avaliações de produtos alimentícios vendidos no site da Amazon.
Do total de reviews, mais de 5 mil correspondiam a produtos que haviam sido oficialmente recolhidos pela FDA entre os anos de 2012 e 2014.
FIQUE POR DENTRO: 8 exemplos de uso do Machine Learning que deram certo
Após essa etapa inicial, os cientistas ensinaram uma Inteligência Artificial de deep learning – conhecida como Representação de Codificador Bidirecional de Transformações (BERT, em inglês) – para interpretar as análises dos produtos classificadas como “Bandeira Vermelha”.
Os cientistas recorreram a humanos para enquadrar as resenhas no rótulo “Bandeira Vermelha”. Foram categorizadas 6 mil publicações que continham palavras e terminologias utilizadas pela FDA, como: doente, podre, rótulo, mal, falta, entre outras. Esses reviews foram divididos em quatro categorias:
- Usuário que ficou doente, teve uma reação alérgica ou encontrou algum erro no rótulo do produto;
- O produto parecia ter ou tinha um gosto ruim, estava vencido ou precisava de inspeção adicional;
- Usuário não fez nenhuma alegação de que o produto não era seguro;
- Nenhuma das três categorias anteriores.
A partir dessas classificações, a Inteligência Artificial considerou também o título da resenha e o número de estrelas dado ao produto para identificar corretamente os alimentos que haviam sido recolhidos pela FDA.
Com uma taxa de precisão de 74%, o algoritmo ainda conseguiu identificar outros 20 mil produtos alimentícios que não passaram por uma revisão da FDA.
Quais os desafios dessa Inteligência Artificial?
Mesmo com uma taxa de precisão alta, a Inteligência Artificial desenvolvida pelos pesquisadores da Universidade de Boston pode esbarrar em críticas compradas, em resenhas feitas por algum consumidor irritado com a jornada de compra ou em textos para prejudicar a concorrência.
É uma tarefa desafiadora e os resultados da análise da IA podem ser influenciados. Por outro lado, departamentos de saúde dos Estados Unidos têm utilizado cada vez mais as mídias sociais para monitorar doenças transmitidas por alimentos.
Por ano, cerca de 600 milhões adoecem e 420 mil morrem após ingerir alimentos contaminados no mundo, segundo a OMS. No Brasil, um biossensor consegue detectar contaminação em comidas por bactérias como a salmonela.
Uma solução de Inteligência Artificial para este problema é mais uma ferramenta para que departamentos de saúde e empresas do setor alimentício possam ter uma tomada de decisão mais assertiva ao investigar e garantir a qualidade dos produtos.
