IA com SpeciesNet acelera a identificação de espécies em armadilhas fotográficas

Acompanhar a vida selvagem com câmaras remotas (as chamadas armadilhas fotográficas) é uma das ferramentas mais valiosas de que os cientistas da conservação dispõem - e, ao mesmo tempo, uma das mais demoradas.

Num único projeto, é comum surgirem milhões de imagens e, até há pouco tempo, alguém precisava inspecionar cada uma delas.

Um estudo recente indica que a IA já consegue assumir a maior parte dessa tarefa com um desempenho quase equivalente ao de um humano treinado, reduzindo um fluxo de trabalho que costumava consumir grande parte de um ano para algo que pode ser feito em poucos dias.

A pesquisa foi conduzida por Daniel Thornton, ecólogo de vida selvagem da Universidade Estadual de Washington, e teve como coautor Dan Morris, cientista sénior de pesquisa da Google.

Para testar o sistema, a equipa avaliou uma solução de IA totalmente automatizada com imagens de armadilhas fotográficas do estado de Washington, do Parque Nacional Glacier (Montana) e da Reserva da Biosfera Maia, na Guatemala.

Desafios com câmaras remotas

A lógica das armadilhas fotográficas é simples e eficiente: o investigador entra na mata, fixa uma câmara num tronco, configura o sensor de movimento, vai embora e regressa meses depois.

Quando tudo corre bem, o resultado inclui registos de animais que dificilmente aceitariam um humano por perto - lobos, ursos-pardos e jaguares a circular no escuro sem qualquer noção de que estão a ser observados.

A parte menos empolgante vem depois, quando chega a hora de abrir o cartão de memória.

A maior fatia do material não mostra nada de útil. Entre 60 e 70% das imagens são “vazias”, disparadas por vento, galhos a balançar ou folhas que passam em frente à lente. Separar esse ruído dá trabalho, mas ainda é administrável.

A espera interminável

O problema real é o restante: mesmo após remover as imagens vazias, sobram dezenas de milhares de registos com animais - e cada um precisa de uma pessoa para identificar qual espécie aparece no enquadramento.

Thornton conhece bem a rotina. Na prática, ela envolve reunir uma equipa de estudantes de graduação, ter um pós-graduando a rever o que foi classificado e passar seis a sete meses a “moer” imagens antes que qualquer análise séria possa começar.

Esse atraso pesa. Gestores de conservação que precisam decidir sobre uso do solo, regras de caça ou proteção de habitat dependem de informação atual - não de dados de uma temporada de campo que terminou há doze meses.

O que os cientistas testaram

Ferramentas de IA anteriores já ajudavam um pouco, sobretudo ao automatizar a filtragem de imagens vazias - o que aliviava, mas não resolvia o núcleo do problema.

O que Thornton e Morris procuravam responder era se a IA conseguiria ir além e assumir também a identificação de espécies, sem qualquer revisão humana.

Para isso, as imagens passaram por um fluxo totalmente automatizado com o SpeciesNet, um modelo de IA de uso geral desenvolvido pela Google. Em seguida, os resultados foram comparados diretamente com conjuntos de dados previamente rotulados com cuidado por especialistas humanos. Depois veio a pergunta essencial: essa diferença, quando existe, muda o que importa?

Resultados úteis em poucos dias

A equipa avaliou métricas centrais para estudos ecológicos - onde os animais ocorrem, que fatores ambientais influenciam a presença e como as ocorrências se distribuem na paisagem.

De forma geral, os resultados gerados pela IA coincidiram com os resultados validados por humanos em cerca de 85 a 90% dos casos.

Como qualquer sistema, a IA errou: por vezes confundiu espécies e, em outras, deixou passar detecções.

Ainda assim, as conclusões ecológicas usadas na prática mantiveram-se estáveis. Isso acontece porque os modelos estatísticos típicos desse tipo de trabalho dependem de padrões construídos a partir de muitas observações ao longo do tempo - e não de cada imagem estar perfeita, uma a uma.

“A pergunta-chave não era se a IA acertava todas as imagens”, disse Morris. “Era se as conclusões ecológicas de que você gosta acabariam por ser basicamente as mesmas.”

Para a maioria das espécies, foi exatamente isso que ocorreu. E, em vez de meses, o processamento demorou dias.

Quem este sistema beneficia

Em instituições grandes e bem financiadas, acelerar a triagem é conveniente, mas não altera por completo a capacidade de trabalho - há pessoal e infraestrutura para chegar ao fim, mesmo que lentamente.

O impacto maior recai sobre os demais: organizações menores de conservação, equipas com pouco financiamento e grupos que atuam em regiões remotas do mundo com recursos limitados.

São essas equipas que, hoje, acumulam meses de dados de armadilhas fotográficas sem conseguir processar rápido o suficiente para agir.

Quando uma ferramenta encurta o prazo de seis meses para poucos dias, o ganho não é apenas de tempo: muda o que passa a ser viável.

Também abre espaço para pensar em escala maior. Se o processamento deixa de ser o gargalo, torna-se possível instalar mais câmaras, cobrir áreas maiores e acompanhar mais espécies sem ficar travado pela demora em analisar o material coletado.

“A grande mensagem é que isto já não precisa de ser um gargalo”, afirmou Thornton. “Se conseguimos processar dados mais depressa, conseguimos responder mais depressa, e é isso que realmente importa para a conservação.”

Onde o sistema ainda tem dificuldades

O artigo não promete mais do que a tecnologia entrega no momento.

O alinhamento de 85 a 90% é forte para espécies comuns e para análises ecológicas padrão, mas enfraquece quando se trata de animais raros ou muito parecidos entre si.

Nesses casos, a revisão humana ainda é necessária - e provavelmente continuará a ser por algum tempo.

Além disso, o estudo avaliou apenas um tipo específico de análise. Trabalhos mais detalhados, incluindo estudos de comportamento e estimativas voltadas a espécies difíceis de observar, seguem a exigir verificação por pessoas.

“Não estamos a tentar substituir pessoas”, disse Thornton. “O objetivo é ajudar os investigadores a chegar a respostas mais depressa, para que possam tomar melhores decisões sobre a gestão e a conservação da vida selvagem.”

---