Pesquisadores do Departamento de Engenharia Elétrica da PUC-Rio criaram um modelo de inteligência artificial voltado ao mapeamento e à preservação de ecossistemas marinhos sensíveis na costa brasileira. O trabalho, assinado por Vitor Sousa, Manoela Kohler e Marco Aurélio Pacheco, foi publicado pela Springer Nature; o estudo está disponível na íntegra neste link.

O sistema foi desenvolvido para identificar áreas críticas afetadas por atividades extrativistas como a extração de gás e petróleo, que podem danificar estruturas frágeis do fundo do mar, em especial os ecossistemas formados por algas calcárias. Essas algas, impregnadas por carbonato de cálcio, atuam ao lado dos corais na formação de recifes, servem de habitat para diversas espécies e participam de processos importantes como o armazenamento de carbono.

Por que é necessário

Identificar e proteger essas formações é difícil porque muitas delas ocorrem em profundidades onde a luz é escassa, o que complica a observação direta. Atualmente, o monitoramento depende de veículos operados remotamente que capturam imagens do fundo marinho. Essas imagens são analisadas por modelos de aprendizado profundo para mapear a presença das algas ao longo do tempo, subsidiando decisões sobre onde instalar infraestruturas e avaliando impactos ambientais.

Como a nova IA funciona

A equipe da PUC-Rio aprimorou técnicas de aprendizado autossupervisionado para reduzir a dependência de rótulos humanos, que costumam introduzir ruído nos conjuntos de dados. A abordagem emprega aprendizado contrastivo para distinguir melhor similaridades e diferenças entre imagens, e aplica pesos aos rótulos segundo sua confiabilidade, separando imagens com anotações confiáveis daquelas com maior probabilidade de erro.

Os autores explicam que muitos rótulos equivocados surgem quando pessoas sem especialização ou com carga de trabalho elevada catalogam imagens de forma incorreta, além de erros oriundos de pesquisas automatizadas na web. Há também casos em que imagens são tão desafiadoras que até especialistas podem classificá-las de forma imprecisa.

Resultados dos testes

Em testes realizados com um banco de dados reconhecido na área, o modelo mostrou aumento na precisão geral de 3% e, especificamente para algas calcárias, um ganho de 1,6%. Embora os números pareçam modestos, os pesquisadores afirmam que “faz uma grande diferença em aplicações ambientais, que requerem muita precisão.”

Em entrevista ao site The Conversation, a equipe ressaltou ainda que “nosso estudo também reforça que sistemas de inteligência artificial são profundamente influenciados pela qualidade dos dados com que são treinados. Lidar com essas imperfeições continua sendo um dos grandes desafios atuais da área, especialmente em contextos do mundo real.”

O avanço descrito pelos autores busca reduzir erros de classificação e aprimorar o mapeamento de áreas sensíveis, tornando mais eficazes as ações de proteção e o planejamento de atividades na plataforma continental brasileira.

Com informações de Olhardigital