A inteligência artificial pode ajudar a preencher lacunas de dados, acelerar pesquisas ambientais e melhorar a capacidade de resposta às mudanças climáticas. Mas durante o terceiro Seminário do Observatório Brasileiro de Inteligência Artificial (OBIA), organizado pelo NIC.br, ficou claro que existe uma condição para isso funcionar: IA não pode ser tratada como solução isolada.

A discussão passou por monitoramento de espécies, temperatura dos oceanos, biocombustíveis, modelos climáticos, dados abertos e até formação das próximas gerações de cientistas. A tecnologia pode acelerar muita coisa, mas não resolve sozinha problemas ambientais complexos.

Jenna Lawson, cientista do Centro de Ecologia e Hidrologia do Reino Unido UKCEH, apresentou aplicações de IA no monitoramento da biodiversidade e resumiu uma das principais preocupações do debate afirmando que “nunca se esqueça do impacto que estamos tentando causar com a IA. A IA é apenas o modelo”.

A pesquisadora mostrou como drones, robôs, câmeras, sensores acústicos e imagens de satélite já produzem volumes de dados grandes demais para serem analisados manualmente. A IA entra justamente para processar essa quantidade de informação e identificar espécies, sons e padrões ambientais. O problema é que os dados não estão distribuídos de maneira uniforme pelo planeta.

Biodiversidade tem um problema de dados

Jenna apresentou o projeto britânico “Innovate for Nature”, criado para entender os obstáculos enfrentados por países de baixa e média renda no uso de tecnologias para monitoramento ambiental. Um dos gargalos está nos dados usados para treinar os modelos, pois são necessárias centenas ou milhares de imagens e sons para criar classificadores capazes de identificar espécies. Só que justamente em regiões com grande biodiversidade muitas vezes faltam esses conjuntos de dados.

Ela mostrou uma comparação envolvendo Reino Unido, Costa Rica e Quênia. Enquanto no Reino Unido várias espécies contam com centenas ou milhares de imagens, em outros países muitos animais sequer possuem imagens suficientes para treinar um modelo. Para a pesquisadora, isso pode ampliar desigualdades já existentes. Regiões com menos infraestrutura e capacidade técnica podem ficar dependentes de instituições estrangeiras para analisar os próprios dados ambientais.

A saída passa por capacitação local, infraestrutura, governança e ferramentas mais simples. “A gente precisa estruturar tudo do começo ao fim”, afirmou Jenna, trazendo a ideia de que comunidades e organizações locais tenham condições não apenas de coletar dados, mas também de armazenar, analisar e usar essas informações na tomada de decisões.

Ela reforçou ainda que a IA “não vai substituir o conhecimento indígena, o conhecimento da comunidade, nem todo aquele conhecimento que os cientistas vêm acumulando ao longo desses anos todos”.

O oceano também precisa de IA

Como o aprendizado de máquina foi usado para reconstruir dados de temperatura da superfície do oceano foi o primeiro exemplo trazido por Marcelo Dottori, do CIAAM-USP. O desafio parece simples até aparecer uma nuvem. Satélites conseguem cobrir grandes áreas do planeta, mas a presença de nuvens impede que determinadas regiões sejam observadas. A proposta apresentada pelo pesquisador é usar IA para preencher essas lacunas a partir de dados de dias anteriores e posteriores.

Isso não significa substituir a medição real. A IA pode complementar observações, principalmente em um ambiente em que coletar dados diretamente é caro, demorado e muitas vezes arriscado. Dottori fez questão de destacar que “basicamente a gente vai continuar fazendo aquilo que a gente sempre fez, só que acredito que de uma maneira melhor, mais eficiente e com resultados mais preciso”.

A aplicação pode ir além da temperatura. Segundo o pesquisador, a mesma lógica pode ser explorada para variáveis como clorofila, salinidade e elevação da superfície do oceano. E há uma questão prática por trás disso. Uma expedição marítima envolve embarcações, equipamentos, equipes e dias de trabalho. Em condições ruins, ainda existe o risco de perder instrumentos e interromper a coleta. Por isso, acelerar a interpretação dos dados pode fazer diferença para entender mudanças no oceano e melhorar a adaptação climática.

Engenharia começa a trabalhar com IA

Uma visão mais ampla da relação entre inteligência artificial, engenharia e sustentabilidade foi apresentada pelo engenheiro Alvaro Coutinho, da COPPE/UFRJ. Lá, a IA já aparece conectada a diferentes áreas, como visão computacional, processamento de linguagem, aprendizado de máquina, gêmeos digitais, robótica e computação de alto desempenho.

Um dos conceitos destacados foi o de modelos substitutivos, que em vez de executar repetidamente simulações matemáticas complexas, que podem consumir muitos recursos computacionais, a IA pode ser treinada para reproduzir esses resultados com muito mais velocidade.

A lógica aparece em aplicações relacionadas a captura de carbono, biocombustíveis e energia eólica. No caso dos combustíveis renováveis, por exemplo, modelos de IA podem ajudar a explorar rapidamente diferentes possibilidades químicas depois de treinados com simulações complexas. O pesquisador também defendeu a produção e abertura de dados científicos. Para ele, dados de qualidade podem servir tanto para garantir a reprodutibilidade das pesquisas quanto para alimentar novos modelos de IA.

Mas existe uma preocupação que vai além da tecnologia: como preparar as pessoas para trabalhar em um cenário em que muitas tarefas intelectuais passam a ser automatizadas? “Eu como professor digo assim: nunca foi tão importante a gente ensinar a teoria quanto é agora”, frisou Coutinho. Para ele a automação pode liberar pesquisadores de tarefas repetitivas e abrir espaço para uma atuação mais crítica. Só que isso depende de conhecimento suficiente para questionar os resultados produzidos pelas máquinas.

IA não é a solução mágica

O painel terminou com uma provocação importante sobre os impactos ambientais da própria infraestrutura de inteligência artificial. Data centers demandam energia e água, enquanto a expansão tecnológica também aumenta a pressão sobre recursos naturais e minerais.

Para Jenna, não basta desenvolver modelos cada vez mais sofisticados. É preciso garantir que os benefícios da tecnologia sejam distribuídos e que comunidades diretamente afetadas pelas mudanças ambientais participem das decisões.

Já Marcelo voltou ao papel complementar da IA, onde a tecnologia pode acelerar a compreensão de fenômenos ambientais justamente quando o tempo é um fator crítico.

A tecnologia pode acelerar o caminho. Decidir para onde ir continua sendo uma tarefa humana.