Encontrado com vida: por que redes neurais acertam onde milhares de voluntários não conseguem

Sejamos honestos: a estatística de desaparecidos na Rússia parece um boletim de zona de guerra. As 180 mil denúncias anuais ao Ministério do Interior não são só um número: é a população de uma cidade inteira como Yuzhno-Sakhalinsk, que se dissolve em florestas e selvas urbanas. Quando a contagem é em horas, principalmente no inverno, os métodos clássicos de busca começam a travar. Dá para reunir mil voluntários, mas o recurso humano é limitado pela física: os olhos cansam, as pernas fraquejam e a atenção se dispersa após duas horas de trabalho monótono. É aí que entram os algoritmos, que não conhecem pausa para café nem déficit de atenção.

Por muito tempo, o principal problema de grupos como o LizaAlert foi o processamento de dados. Imagine: um drone tira vários milhares de fotos em alta resolução em um único voo. Um grupo de voluntários levava de cinco a oito horas para examinar esse volume com atenção.

Numa busca na mata, é um luxo inaceitável. Se a pessoa desapareceu no frio intenso, depois de oito horas provavelmente não haverá mais ninguém para encontrar. A situação mudou quando a visão computacional entrou em cena.

As redes neurais foram ensinadas a fazer o que fazem de melhor: encontrar padrões. O algoritmo não procura uma "pessoa", e sim anomalias: uma mancha brilhante que não lembra folhagem, uma forma que não existe na natureza ou um rastro térmico que se destaca no solo que esfria.

O ponto de virada veio quando os desenvolvedores treinaram os modelos com conjuntos de dados específicos, formados por milhares de imagens reais de áreas florestais em diferentes épocas do ano. Hoje a rede neural "engole" de 2 a 3 mil fotos em questão de minutos. Ela descarta 95% do conteúdo vazio e deixa para os buscadores só os quadros em que há algo a que se agarrar. Isso reduziu o tempo da análise inicial em dezenas de vezes. Em vez de examinar cada pixel com sofrimento, os coordenadores recebem uma seleção de áreas suspeitas e enviam na hora equipes a pé ou helicópteros.

Por que isso importa agora? Chegamos a um ponto em que as tecnologias de "cidade inteligente" e os avanços militares finalmente passaram a servir a fins humanitários, sem grandiloquência. O uso de IA em operações de busca e resgate (SAR) é o melhor exemplo de como poder computacional se converte diretamente em vidas salvas. É importante entender que a máquina não substitui o socorrista. Ela o livra da rotina e permite que se concentre em decidir. Um algoritmo pode achar uma jaqueta vermelho-viva no matagal, mas será uma pessoa a decidir como retirar a vítima de um pântano de difícil acesso.

A infraestrutura dessas buscas também está mudando. Se antes eram necessários servidores potentes, hoje os modelos são otimizados para rodar na "borda": direto a bordo do drone ou em um notebook no posto de comando. Isso é crítico, porque na mata fechada muitas vezes não há nenhuma conexão, quanto mais acesso à computação em nuvem. Rodar as redes neurais localmente deixa as equipes totalmente autônomas. Vemos o nascimento de um novo padrão de segurança, em que um drone com IA se torna tão indispensável ao socorrista quanto o rádio ou a bússola.

Mas a moeda tem outro lado. Desenvolver esses sistemas exige investimentos enormes e acesso a dados de qualidade, o que muitas vezes torna as organizações de voluntários dependentes de grandes corporações. Ainda assim, os resultados atuais mostram que a cooperação entre o setor de TI e os voluntários é, talvez, a forma mais eficaz de parceria social hoje. Quando a tecnologia ajuda a ouvir um fraco "estou aqui" em meio ao ruído de uma floresta imensa, o debate sobre ética da IA fica em segundo plano.

O principal: a velocidade de análise de dados nas buscas aumentou várias vezes, e agora a questão é escalar. Enxames autônomos de drones de busca virarão padrão em todas as regiões nos próximos dois anos?