IA suíça ajuda a identificar ursos e proteger fauna selvagem

Um modelo de IA suíço é capaz de identificar ursos individualmente a partir de detalhes como o focinho. Beth Rosenberg

Pesquisadores suíços usam a inteligência artificial para identificar e monitorar animais selvagens como ursos no Alasca ou cervos alpinos. A tecnologia promete avanços na conservação, mas depende do conhecimento acumulado por especialistas em campo.

Beth Rosenberg passou os últimos vinte anos observando ursos em áreas remotas do Alasca, sem eletricidade ou água encanada. A bióloga e ecologista da Universidade do Alasca PacíficoLink externo é hoje capaz de reconhecer animais individualmente pela forma da cabeça e do focinho, além de pequenas cicatrizes ou comportamentos específicos.

“Alguns ursos pescam sempre da mesma maneira ou gostam de brincar entre si. Basta dedicar um pouco de tempo à observação e as diferenças individuais tornam-se logo evidentes”, relata Rosenberg.

Atualmente, a bióloga coloca essa experiência à disposição de um modelo de inteligência artificial (IA). Em colaboração com pesquisadores da Escola Politécnica Federal de Lausanne (EPFLLink externo), na Suíça, Rosenberg ajudou a treinar um sistema capaz de reconhecer ursos individualmente.

O treinamento baseia-se em sua vasta experiência e em milhares de fotografias coletadas ao longo de seis anos às margens do rio McNeil, onde centenas de ursos-pardos se reúnem anualmente para pescar salmões que sobem a correnteza.

Estudar esses predadores é essencial para compreender a saúde dos ecossistemas e o modo como as espécies reagem às mudanças climáticas. No entanto, fazê-lo de forma não invasiva, em ambientes tão isolados, é extremamente difícil. É neste ponto que a IA pode realmente fazer a diferença. “A inteligência artificial pode abrir enormes possibilidades para compreender melhor a fauna selvagem e os ecossistemas, favorecendo sua conservação e gestão”, afirma a cientista.

IA que reconhece ursos pelo focinho

O modelo desenvolvido em conjunto com a EPFL é capaz de identificar, de forma confiável, os ursos do rio McNeil com base em características físicas, como o formato da cabeça ou o perfil.

O sistema pode monitorar seus deslocamentos no tempo e no espaço, conectando imagens do mesmo urso capturadas em locais e momentos diferentes, e até mesmo sinalizar novos exemplares que nunca foram observados antes. Trata-se de um resultado que Rosenberg define como sem precedentes.

Ao analisar um grande volume de imagens, a inteligência artificial também pode ajudar pesquisadores a identificar padrões recorrentes, por exemplo, onde os ursos se alimentam, descansam ou se deslocam e a estudar seu comportamento.

“Isso nos ajuda a entender melhor os ursos e suas dinâmicas demográficas (estudo das variações de tamanho, densidade e distribuição das populações ao longo do tempo) e a responder a muitas perguntas ecológicas importantes”, explica a bióloga.

Um urso pescando no rio McNeil, no Alasca. Beth Rosenberg

Chegar a este ponto, no entanto, foi tudo menos simples. Ao contrário de zebras ou leopardos, os ursos não apresentam padrões facilmente distinguíveis na pelagem. Isso os torna particularmente difíceis de identificar para os sistemas de visão computacional (tecnologias de IA que analisam e interpretam imagens e vídeos “imitando” a visão humana).

Além disso, a aparência deles muda consideravelmente ao longo do ano: antes da hibernação, eles podem ganhar mais de 100 quilos, e a pelagem muda completamente entre o verão e o inverno. “Isso é o suficiente para confundir até mesmo os olhos mais experientes”, afirma Rosenberg.

Para treinar o sistema, Rosenberg selecionou manualmente quase 73 mil imagens de mais de cem ursos, tiradas sob chuva, em diferentes momentos do dia e de vários ângulos.

A equipe concentrou-se principalmente na cabeça dos animais, identificando características que permanecem relativamente estáveis ao longo do tempo, como o formato do focinho, a estrutura da arcada supraciliar, a posição das orelhas e o perfil.

“Os sistemas de IA são muito bons em reconhecer padrões recorrentes”, explica Rosenberg, “mas é muito mais difícil quando se lida com espécies que não possuem marcas distintivas evidentes”.

O trabalho de preparação dos dados (processo de organizar e rotular as informações para que a máquina possa aprendê-las) exigiu anos. Rosenberg recorda que era 2018 quando contatou Alexander Mathis, professor no Instituto do Cérebro da EPFL, para propor a colaboração. “Eu e Alexander passamos grande parte do período da Covid em frente ao computador, programando sem parar”, conta Rosenberg.

Segundo a pesquisadora, os oito anos necessários para construir o conjunto de dados foram apenas o suficiente para permitir que o modelo aprendesse a reconhecer os indivíduos. “Isso diz muito sobre a complexidade do cérebro humano”, acrescenta. O próximo passo será testar o sistema em uma escala maior, em outras regiões e com animais que o modelo nunca viu antes.

Das florestas do Alasca aos Alpes

Rosenberg acredita que o modelo poderá ser aplicado no futuro também a outras espécies com o focinho pronunciado, como lobos e cervos, presentes inclusive nos Alpes suíços. No entanto, transferir os modelos de um ambiente para outro representa um desafio importante. “É improvável que um modelo treinado no Alasca funcione bem também na Suíça”, afirma Devis Tuia, que dirige o Laboratório de Ciências Computacionais Ambientais e Observação da Terra da EPFL.

A equipe de Tuia desenvolveu modelos de IA capazes de reconhecer a fauna alpina e analisar seu comportamento por meio de imagens e vídeos coletados por armadilhas fotográficas (câmeras equipadas com sensores de movimento que disparam automaticamente para registrar animais na natureza).

Mas, para obter esses resultados, foi necessário um longo trabalho manual, incluindo a rotulagem de milhares de fotogramas (cada uma das imagens estáticas que compõem um vídeo) e a otimização dos parâmetros do modelo. “A IA não é mágica”, afirma Tuia. “Um modelo é tão bom quanto os dados nos quais foi treinado e isso depende do tempo e do empenho das pessoas por trás dele”.

>> Vídeo da EPFL mostrando como a IA é capaz de reconhecer dois cerdos:

Melhorar a convivência entre seres humanos e a fauna selvagem

Apesar destas limitações, o potencial da tecnologia é enorme, segundo Tuia. Os sistemas de IA podem analisar automaticamente milhões de imagens e vídeos em poucos segundos. Isso auxilia biólogos e guardas florestais a compreenderem melhor o funcionamento dos ecossistemas e suas mudanças, permitindo decisões de conservação mais embasadas.

Estes conhecimentos também poderiam melhorar a convivência entre seres humanos e a fauna selvagem. “Se soubermos como os animais se comportam, podemos, por exemplo, planejar trilhas de modo mais seguro e adequado”, explica Tuia.

Em países como a Suíça, onde o debate sobre a gestão do lobo, em particular pelos ataques ao gado, é cada vez mais intenso, ferramentas deste tipo podem se revelar valiosas.

No futuro, estes modelos poderão ser aplicados em uma escala muito mais ampla graças a iniciativas de “citizen science” (ciência cidadã: prática em que cidadãos comuns participam voluntariamente da coleta de dados e pesquisas científicas), nas quais pessoas comuns carregam suas observações em plataformas compartilhadas, como o iNaturalist. “Estamos construindo o dataset (conjunto de dados digitais organizado para análise) global do planeta, foto por foto”, diz Tuia.

Rosenberg também vê um grande potencial nesta abordagem. Neste verão, ela e sua equipe lançarão uma plataforma para coletar imagens de ursos-pardos tiradas pelo público em todo o mundo. “Podemos utilizar as fotografias das pessoas para criar mapas e entender por onde os animais se movimentam em uma escala muito mais ampla”, afirma. “As possibilidades de conhecimento são enormes, sem invadir o espaço deles.”

Edição: Gabe Bullard

Adaptação: Alexander Thoele, com ajuda do Deepl