As microalgas, que crescem utilizando luz e dióxido de carbono, podem ser usadas na produção de alimentos e matérias-primas para animais, pigmentos e potenciais combustíveis renováveis. No entanto, não é fácil cultivá-las de forma eficiente em escala industrial. Isso porque, durante o cultivo, é preciso controlar simultaneamente a luz, a temperatura, o pH (grau de acidez ou alcalinidade), a concentração de oxigênio e outros fatores.

Estudos e testes recentes mostram que a inteligência artificial (IA) pode ajudar nesse trabalho de controle. Com base em informações obtidas por sensores e imagens, ela pode analisar o estado de crescimento e ajudar a ajustar condições operacionais, como o fornecimento de dióxido de carbono e o pH. Isso não significa, porém, que a IA já tenha comprovado seus resultados ou sua viabilidade econômica na produção industrial.

Contexto

As microalgas são organismos microscópicos abundantes nos mares, rios e lagos. Por meio da fotossíntese, convertem luz em compostos orgânicos, como proteínas, gorduras e carboidratos. Em fotobiorreatores (equipamentos que cultivam microrganismos utilizando luz), é necessário manter condições adequadas de cultivo.

Essas condições influenciam umas às outras. A falta de luz limita a fotossíntese, enquanto uma luz excessivamente intensa pode causar fotoinibição (redução da eficiência da fotossíntese provocada pelo excesso de luz). O aumento do número de células no meio de cultivo também pode fazer com que elas bloqueiem a luz umas das outras. Por isso, ajustar apenas um fator pode não ser suficiente para controlar adequadamente o estado do cultivo.

Os sensores podem medir continuamente a temperatura, o pH, o oxigênio dissolvido (oxigênio dissolvido em um líquido), a luz, o dióxido de carbono e outros fatores. O aprendizado de máquina (método que identifica padrões em dados para analisá-los) é usado para examinar essas informações e detectar o estado do cultivo e mudanças relacionadas ao crescimento. Também estão sendo estudadas abordagens que analisam imagens do meio de cultivo para estimar a biomassa (matéria de origem biológica) ou mudanças na densidade do cultivo.

Já existem casos em que o aprendizado de máquina foi usado para prever o crescimento das microalgas ou otimizar as condições de cultivo. No entanto, grande parte da produção analisada continua restrita a laboratórios ou a projetos-piloto de pequena escala. O teste de controle por IA em alguns sistemas maiores de cultivo ao ar livre mostra que há possibilidades de aplicação fora do laboratório, mas, por si só, não comprova resultados em escala comercial.

O que esta notícia significa

O papel da IA está mais próximo de ajudar pesquisadores e operadores de processos a tomar decisões, analisando em conjunto várias condições e medições, do que de substituir o cultivo. Ela pode identificar padrões relacionados ao crescimento nos dados dos sensores ou detectar mudanças difíceis de acompanhar continuamente por uma pessoa, oferecendo informações úteis para o ajuste das condições operacionais. A análise de imagens também pode fornecer dados para estimar o estado do meio de cultivo.

Em 2026, pesquisadores de Almería, no sudeste da Espanha, testaram o aprendizado por reforço em uma pista de cultivo aberta de 80 m², utilizada para cultivar microalgas. O aprendizado por reforço é um método pelo qual um computador aprende quais ações produzem resultados adequados. O sistema de IA utilizou medições de temperatura, luz solar e oxigênio dissolvido para determinar o fornecimento de dióxido de carbono e controlou o pH ajustando a injeção desse gás.

O sistema foi testado durante oito dias sob condições externas variáveis, e os pesquisadores afirmaram que ele ajustou o processo em resposta às mudanças nas condições operacionais. Trata-se de um caso de aplicação de controle por IA em um sistema de cultivo em funcionamento. No entanto, as informações apresentadas no artigo não permitem saber qual seria sua eficácia em escala comercial, nem quais seriam seus custos ou sua viabilidade econômica.

Suponhamos, por exemplo, que uma instalação de cultivo ajuste o fornecimento de dióxido de carbono usando dados de sensores. Os ajustes sugeridos pela IA podem ajudar o operador a tomar decisões, mas não é possível esperar o mesmo desempenho se as medições dos sensores forem imprecisas ou se o modelo não tiver sido suficientemente validado com outras cepas e equipamentos. Por isso, é preciso levar em conta não apenas o modelo de IA, mas também os sensores, os equipamentos de cultivo, as cepas de microalgas e as condições operacionais.

O que foi confirmado e o que ainda não se sabe

O que foi confirmado

  • As microalgas podem ser usadas em alimentos e matérias-primas para animais, pigmentos e potenciais combustíveis renováveis, mas é difícil cultivá-las com eficiência em escala industrial.
  • Sensores e aprendizado de máquina estão sendo usados para analisar as condições de cultivo e padrões relacionados ao crescimento; também estão sendo estudados métodos que estimam mudanças na biomassa ou na densidade do cultivo a partir de imagens.
  • Em 2026, foi testado durante oito dias, em uma pista de cultivo aberta de 80 m² em Almería, um sistema no qual a IA controla o pH ajustando a quantidade de dióxido de carbono injetada.
  • A contaminação dos sensores, as mudanças nas medições ao longo do tempo e as diferenças entre cepas e equipamentos podem causar problemas quando um modelo é aplicado a outros sistemas.

O que ainda não se sabe

  • Não foi informado qual é a eficácia do controle baseado em IA na produção de microalgas em escala comercial.
  • Os custos ou a viabilidade econômica do cultivo com IA não foram explicados.
  • Não foi confirmado se modelos desenvolvidos em laboratório ou em um sistema específico ao ar livre terão o mesmo desempenho com outras cepas e equipamentos.

O que os leitores devem verificar

  • É preciso verificar se os sensores do sistema de cultivo estão contaminados ou se as medições mudam com o tempo, e confirmar se os dados utilizados na análise por IA são confiáveis.
  • Ao aplicar a outros sistemas um modelo desenvolvido para uma cepa ou equipamento específico, é necessário verificar se seu desempenho se mantém nessas condições.
  • Ao avaliar casos de controle por IA, é importante verificar a escala e a duração do teste e se o sistema respondeu às mudanças nas condições externas, distinguindo esses fatores da comprovação de resultados comerciais ou de viabilidade econômica.