Tudo sobre Inteligência Artificial
Recentemente, a equipe do Departamento de Engenharia Elétrica da PUC-Rio desenvolveu um modelo de inteligência artificial para auxiliar na preservação de ecossistemas em risco nas profundezas do oceano. A pesquisa foi publicada no periódico Springer Nature e possui autores como Vitor Sousa, Manoela Kohler e Marco Aurélio Pacheco; você pode ler o estudo na íntegra clicando aqui.
Continua após a publicidade
O projeto é importante porque, com o auxílio da inteligência artificial, os pesquisadores podem mais facilmente proteger vidas marinhas arriscadas pela extração de compostos do oceano, principalmente gás e petróleo, na costa brasileira. Instalações e equipamentos utilizados no fundo do mar para essa atividade podem afetar ecossistemas mais sensíveis, sendo um dos principais os ecossistemas de algas calcárias.
Para quem tem pressa:
- Engenheiros da PUC-Rio desenvolveram um modelo de IA que auxilia a preservação de ecossistemas na costa brasileira;
- Ações comerciais na costa brasileira, como extração de gás e petróleo, arriscam a vida marinha;
- Para aprimorar o processo de identificação destas áreas e auxiliar em sua proteção, os cientistas criaram um software alimentado por IA.
O mapeamento para encontrar e preservar as algas
Imagem: Wikimedia, CC BY – Imagem: Wikimedia, CC BY
Dentre os ecossistemas ameaçados, um dos mais relevantes são as algas calcárias, um tipo de alga marinha impregnada por carbonato de cálcio e, ao lado dos corais, é a principal responsável pelos recifes marinhos. Por isso, o principal risco que esses seres sofrem é de danos à sua estrutura física.
Sua importância vem justamente da rigidez de suas estruturas. Várias espécies utilizam as algas calcárias como habitat; além disso, essas algas participam de processos químicos essenciais no oceano, como o armazenamento de carbono.
Para protegê-las, há regras que restringem a atividade extrativista em áreas com esse tipo de ecossistema. Porém, devido à profundidade — que torna extremamente difícil a entrada da luz e, com isso, a observação e identificação da vida marinha —, os especialistas sempre tiveram dificuldade em localizar as áreas com esse tipo de alga.
Atualmente, esse acompanhamento é realizado com veículos operados remotamente, os quais capturam imagens do fundo do mar. Essas imagens são analisadas, com auxílio de modelos de aprendizado profundo especializados, para identificar e mapear essas espécies ao longo do tempo. Esses dados são utilizados tanto para ajudar a definir onde instalar infraestruturas de pesquisa e extração de combustíveis, quanto para avaliar impactos ambientais posteriores.
O problema desse método é que as imagens são ruidosas e sofrem de bastante risco de imprecisões nas análises. Consequentemente, esses dados errôneos atrapalham o treinamento do modelo de aprendizagem profunda citado anteriormente. Um desafio comum no mundo dos dados.
Continua após a publicidade
No caso das algas calcárias, o ruído surge de pessoas não especializadas ou sobrecarregadas que as catalogam erroneamente, além de alguns erros que costumam vir de pesquisas automatizadas na web. Porém, algumas imagens são tão desafiadoras que até especialistas em condições normais podem classificá-las imprecisamente.
O modelo de inteligência artificial que aprimora o rastreio de ecossistemas inteiros
Para aumentar a eficiência desses processos de mapeamento, uma nova abordagem foi proposta pela equipe da PUC-Rio. A equipe Vitor Sousa, Manoela Kohler e Marco Aurélio Pacheco incrementou técnicas de aprendizagem autossupervisionada que permitem que o sistema aprenda padrões diretamente dos dados, sem a interferência — por vezes ruidosa — do ser humano, por meio dos rótulos explicados anteriormente.
Continua após a publicidade
O método utilizado se chama aprendizado contrastivo, que ajuda a distinguir melhor semelhanças e diferenças entre os dados analisados. Na prática, essa novidade permite que a IA reconheça melhor os diferentes tipos de padrões, mesmo com dados incertos.
A equipe também atribuiu pesos aos diferentes rótulos de reconhecimento de acordo com a confiabilidade. Com isso, esse novo modelo separa imagens com rótulos confiáveis de imagens que podem apresentar imprecisões na análise. Esses exemplares com maior chance de erro são tratados com mais cautela.
Durante os testes feitos, foi utilizado um banco de dados conhecido da área. O resultado foi um acréscimo na precisão de 3%; no caso das algas calcárias, especificamente, houve um aumento de 1,6%.
Apesar de aparentar um aumento modesto, a equipe da PUC-Rio explica que o resultado “faz uma grande diferença em aplicações ambientais, que requerem muita precisão.”
Continua após a publicidade
Em entrevista concedida ao site The Conversation, a equipe revela o seguinte:
(…) 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.
— Vitor Sousa, Manoela Kohler e Marco Aurélio Pacheco, pesquisadores do Departamento de Engenharia Elétrica da PUC-Rio
André Milhomem Bruno da Silveira
André Milhomem integra a equipe de redes sociais do Olhar Digital e do programa Olhar Digital News.
Ver todos os artigos →
Wagner Edwards
Wagner Edwards é Bacharel em Jornalismo e atua como Analista de SEO e de Conteúdo no Olhar Digital. Possui experiência, também, na redação, edição e produção de textos para notícias e reportagens.
Ver todos os artigos →
Fonte Olhar Digital