Inteligência Artificial Aplicada a Solução de Problemas Computacionais

Resumo A Inteligência Artificial (IA) é um campo em constante expansão, caracterizado por avanços tecnológicos significativos que têm despertado o interesse de pesquisadores em diversas áreas. Dentre suas aplicações, destaca-se o Processamento de Linguagem Natural (PLN), essencial para a análise de grandes volumes de dados textuais. Neste projeto, o foco do PLN será a construção de sistemas de recomendação inteligentes, capazes de sugerir conteúdos, serviços ou decisões com base em padrões linguísticos extraídos de textos. A proposta como um todo utiliza técnicas de Deep Learning para resolver problemas complexos em diferentes domínios, alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS) da Agenda 2030 da ONU. Na primeira etapa, o foco será a análise do desempenho de algoritmos de aprendizado profundo na previsão de níveis de obesidade, com base em dados médicos relacionados à atividade física e hábitos alimentares. Essa iniciativa se alinha ao ODS 3 – Saúde e Bem-Estar. Serão utilizados modelos como redes neurais profundas para realizar classificações preditivas a partir de bases de dados estruturadas. Ainda nesta fase, serão aplicados os modelos CNN-1D e LSTM na previsão de séries temporais associadas à criptomoeda Ethereum, com dados históricos diários até 2021. O objetivo é analisar a capacidade desses modelos de prever variações nos preços da criptomoeda ao longo do tempo, contribuindo para o ODS 8 – Trabalho Decente e Crescimento Econômico. Na sequência, o projeto abordará questões relacionadas às mudanças climáticas globais, alinhando-se ao ODS 13 – Ação Contra a Mudança Global do Clima. Serão investigadas arquiteturas de aprendizado profundo, como LSTM e Transformers, na predição de séries temporais climáticas (temperatura, precipitação, umidade), utilizando dados históricos obtidos de fontes confiáveis como INMET, CPTEC e NOAA. O foco estará na acurácia preditiva e na interpretabilidade dos modelos. Por fim, a iniciativa também contemplará a classificação de áreas desmatadas no Brasil, com base nos ODS 15 – Vida Terrestre. Serão desenvolvidos modelos supervisionados, como Random Forest, redes neurais profundas e Convolutional Neural Networks (CNN), para categorizar regiões como “desmatadas” ou “não desmatadas”. Os dados serão obtidos dos repositórios MapBiomas Collection 8 (2022) e PRODES (INPE), e incluirão variáveis ambientais, geográficas e socioeconômicas, como latitude, longitude, bioma, cobertura do solo, índices de vegetação (NDVI e EVI), precipitação, altitude, inclinação do terreno, distância de infraestruturas e densidade populacional. Em suma, o projeto busca aplicar soluções baseadas em IA e aprendizado profundo para enfrentar desafios reais em saúde, economia, meio ambiente e sustentabilidade, contribuindo de forma concreta para o alcance dos ODS propostos pela ONU.