Google lança SpeciesNet, modelo de IA aberto para proteger a vida selvagem

Todos os dias, milhares de armadilhas fotográficas espalhadas por florestas, savanas e regiões montanhosas do planeta registram milhões de imagens. Na maioria delas, não há nada: vazio, grama balançando ou uma sombra qualquer. Mas, no meio desse fluxo de dados, estão quadros que podem decidir o destino de espécies inteiras: um raro leopardo-das-neves em uma passagem de montanha, os últimos exemplares do rinoceronte-de-sumatra, uma população até então desconhecida de elefantes-da-floresta. O problema é que os ecólogos não têm, fisicamente, mãos suficientes para revisar tudo manualmente. É essa tarefa que o SpeciesNet assume. Trata-se de um modelo de inteligência artificial do Google, que a empresa liberou em acesso aberto.

O SpeciesNet é um sistema de visão computacional treinado para reconhecer espécies animais em imagens de armadilhas fotográficas. Parece simples, mas por trás dessa descrição há um grande trabalho de engenharia. As armadilhas fotográficas filmam em infravermelho, com pouca luz e em ângulos arbitrários. O animal pode estar parcialmente coberto pela vegetação, em movimento ou até na periferia do quadro. Algoritmos clássicos de classificação de imagens lidam mal com essas condições. Segundo o Google, o SpeciesNet foi treinado com um enorme conjunto de imagens rotuladas de ecossistemas do mundo todo, o que permite que funcione não só em condições ideais de laboratório, mas também em campo, das florestas tropicais de Bornéu à tundra do Alasca.

É importante entender o contexto em que o modelo surgiu. A crise da biodiversidade deixou de ser uma ameaça abstrata há tempos. Segundo a Plataforma Intergovernamental de Biodiversidade e Serviços Ecossistêmicos (IPBES), cerca de um milhão de espécies de animais e plantas estão ameaçadas de extinção. Monitorar populações é o primeiro passo necessário para protegê-las, mas exige recursos que a maioria das organizações de conservação simplesmente não tem. Um único projeto de pesquisa pode gerar dezenas de milhões de imagens por ano. Triar esse volume manualmente ocupa equipes inteiras de voluntários por meses. Modelos de IA como o SpeciesNet reduzem o processo a horas, liberando o tempo dos cientistas para análise e tomada de decisões.

A decisão do Google de abrir o modelo não é apenas um gesto de boa vontade, mas um passo estrategicamente importante. Ecossistemas de diferentes continentes diferem radicalmente, e um modelo universal inevitavelmente cometerá erros em regiões específicas. O código aberto permite que grupos de pesquisa locais refinem o SpeciesNet com seus próprios dados, por exemplo para reconhecer espécies endêmicas de Madagascar ou predadores raros da Ásia Central. Isso é bem diferente de depender de uma API comercial fechada, cujo acesso pode ser restringido ou encerrado a qualquer momento. Para estações de campo em áreas remotas, onde a conexão com a internet é instável ou inexistente, poder executar o modelo localmente não é uma vantagem, mas uma necessidade.

O SpeciesNet está longe de ser a primeira tentativa de aplicar aprendizado de máquina à ecologia. O Wildlife Insights, projeto também apoiado pelo Google, oferece há alguns anos uma plataforma em nuvem para análise de dados de armadilhas fotográficas. A Microsoft, com seu AI for Earth, financia dezenas de projetos na interseção entre IA e conservação da natureza.

A startup Conservation Metrics usa análise acústica para monitorar aves e mamíferos marinhos. Mas é justamente a abertura do SpeciesNet que pode se tornar o catalisador para unir esforços dispersos. Quando a comunidade tem um modelo base comum, fica mais fácil trocar dados, comparar resultados e construir soluções por cima, de sistemas de alerta precoce contra a caça ilegal ao mapeamento automático de rotas migratórias.

Há, porém, perguntas que ainda não têm respostas claras. Qual é a precisão do modelo com espécies pouco representadas na amostra de treinamento? Como ele lida com imagens noturnas de baixa resolução, que formam parte significativa dos dados das armadilhas fotográficas? A dependência da classificação por IA não cria uma falsa sensação de completude dos dados, caso espécies raras sejam sistematicamente ignoradas pelo algoritmo? Essas perguntas não diminuem o valor do projeto, mas lembram que a tecnologia é uma ferramenta, não um substituto da expertise.

Numa perspectiva mais ampla, o SpeciesNet é um exemplo de como grandes empresas de tecnologia podem criar valor público real por meio de projetos abertos de IA. Nem todo uso da inteligência artificial precisa se resumir a otimizar impressões de anúncios ou gerar conteúdo. Às vezes, uma rede neural que distingue um leopardo-nebuloso de um gato-leopardo em uma foto noturna granulada significa mais para o mundo do que mais um chatbot. E o fato de o Google ter decidido não monetizar esse modelo e entregá-lo à comunidade científica merece atenção, sejam quais forem os motivos corporativos por trás da decisão.