DinoTracker: IA analisa automaticamente pegadas fósseis de dinossauros

Investigadores de Tübingen, Manchester e Berlim desenvolveram uma inteligência artificial capaz de analisar automaticamente pegadas fósseis de dinossauros. O software encontra padrões que ainda não tinham sido identificados por especialistas - e revela paralelos inesperados com os pés das aves actuais. A ambição é que até caçadores amadores de fósseis possam participar, bastando uma fotografia tirada com o telemóvel.

Como uma app torna legíveis pegadas de dinossauros com milhões de anos

Identificar pegadas de dinossauros costuma exigir muita prática - e, muitas vezes, alguma sorte. Muitos vestígios chegam até nós incompletos, deformados ou corroídos pela erosão. Nesses casos, atribuir uma pegada a um tipo de animal transforma-se numa investigação delicada, em que duas especialistas podem, legitimamente, chegar a conclusões diferentes.

É precisamente esse o ponto de partida do projecto “DinoTracker”. Trata-se de um sistema de inteligência artificial que mede a forma das pegadas de modo objectivo e compara os resultados com milhares de referências. O alicerce do método é uma colecção com mais de 2.000 silhuetas digitalizadas de pegadas tridáctilas (com três dedos), recolhidas em vários pontos do mundo, com idades entre 200 e 145 milhões de anos.

"A IA traduz pegadas antigas em dados de forma mensuráveis - e coloca-as num “espaço morfológico” que torna visíveis relações que ao olho nu passam facilmente despercebidas."

Para chegar a esse nível de comparação, as pegadas são primeiro reduzidas ao contorno e normalizadas para um formato uniforme. Assim, o algoritmo concentra-se na geometria pura: comprimento e largura do registo, ângulos e distância entre dedos, forma da “zona do calcanhar”, simetria da pegada. A partir destas características, o software constrói um espaço de oito dimensões, onde cada pegada passa a ser representada como um ponto.

Aprendizagem não supervisionada: a IA organiza pegadas sem rótulos

A particularidade do DinoTracker está no facto de não receber rótulos como “terópode” ou “ave primitiva”. Em vez disso, recorre a uma abordagem de machine learning conhecida como aprendizagem não supervisionada: o sistema procura autonomamente padrões e agrupamentos nos dados, sem que lhe seja indicado à partida que formatos pertencem a que grupos de animais.

Com isto, a equipa contorna um problema frequente em métodos tradicionais: muitas bases de dados clássicas acumulam atribuições antigas e, por vezes, incertas. Se uma IA for treinada com esses rótulos, tende a herdar também os erros associados. Aqui, o que conta é apenas a forma - não o nome do suposto autor da pegada.

Para reforçar a robustez do sistema, os investigadores criaram ainda mais de 10.000 pegadas artificialmente alteradas. Nessas simulações, os dedos foram alargados, parcialmente “apagados”, as pegadas foram rodadas ou esticadas - tal como pode acontecer num ambiente real de sedimentos quando um dinossauro pesado pisa lama húmida.

• Pegadas mais largas: para simular substratos lamacentos
• Dedos parcialmente apagados: para registos erodidos ou danificados
• Pegadas rodadas: para superfícies inclinadas ou em declive
• Formas deformadas: para alterações de pressão por peso e movimento

Com base nesse conjunto, a IA extrai oito variáveis essenciais de forma e agrupa pegadas por semelhança. Em testes com registos bem preservados, o sistema coincidiu com especialistas em cerca de 90 por cento dos casos - e manteve consistência, sem depender de “dias bons” ou da experiência individual.

Pegadas que parecem pés de aves - só que 210 milhões de anos mais antigas

Os resultados tornam-se particularmente interessantes quando se olha para a evolução das aves. Nos dados surgem pegadas muito antigas que lembram, de forma surpreendente, pés de aves modernas. Alguns destes vestígios têm mais de 210 milhões de anos, datando do Triásico tardio - muito antes das mais antigas fósseis de aves actualmente datadas, provenientes do Jurássico Superior.

Segundo a IA, estas pegadas partilham um conjunto de traços típicos:

Característica	Semelhança com aves actuais
Forma estreita, com três dedos	Faz lembrar a pegada de uma grande ave corredora
Forte simetria longitudinal	Lado esquerdo e direito quase em espelho
Pequena distância entre dedos	Dedos relativamente juntos e apontados para a frente, sem grande abertura

Esta combinação admite duas leituras: ou linhagens com características “tipo ave” começaram a emergir muito mais cedo do que se supunha; ou então alguns dinossauros predadores do Triásico já possuíam pés que se aproximavam, de forma notável, do plano corporal das aves posteriores.

"A IA não atribui nomes de espécies: limita-se a medir formas. É isso que torna tão sensíveis os indícios de pés semelhantes aos de aves - a interpretação fica do lado das pessoas, não da máquina."

Os investigadores interpretam os resultados como compatíveis com uma possível série de transição. Quando se comparam estes vestígios antigos com pegadas mais recentes do Jurássico e do Cretácico, voltam a aparecer formas semelhantes repetidamente. Isso favorece a ideia de uma aproximação gradual ao “pé de ave”, e não de um salto súbito.

Ciência cidadã: quem encontra pegadas pode enviá-las pelo telemóvel

O DinoTracker não foi concebido apenas para laboratórios. Existe também como aplicação móvel, com uma interface simples para não especialistas. Quem, numa caminhada ou num local fossilífero conhecido, encontrar uma marca suspeita pode fotografá-la ou desenhá-la e carregar o registo na app.

A IA assinala automaticamente pontos-chave, mede ângulos e distâncias e posiciona a pegada no espaço morfológico. Depois, as pessoas recebem uma estimativa sobre a proximidade da descoberta a tipos de pegadas já conhecidos - e quão segura é essa associação do ponto de vista do sistema.

Com cada pegada submetida e posteriormente verificada, a base de dados cresce. A equipa analisa achados invulgares, cruza-os com locais conhecidos e decide se devem ser incorporados no conjunto de treino. Assim, vai-se formando uma rede que liga instituições profissionais a participantes motivados.

Porque a recolha de dados por app é tão atractiva

Para a Paleontologia, isto representa um avanço significativo:

• O trabalho de campo em regiões remotas passa a ficar melhor documentado.
• Zonas com poucos especialistas podem, ainda assim, gerar dados de elevada qualidade.
• Tipos raros de pegadas destacam-se mais depressa, por “fugirem” ao padrão no espaço da IA.
• Todos os novos registos seguem o mesmo padrão, independentemente de quem os submete.

A normalização é especialmente importante. Até aqui, muitas pegadas de dinossauros existiam apenas como fotografias antigas, esboços à mão ou descrições textuais. O novo método obriga cada observação a encaixar numa grelha quantitativa bem definida, permitindo comparações ao longo de continentes e décadas.

O que significa, na prática, “espaço morfológico”

Para quem não é da área, um “espaço morfológico de oito dimensões” pode soar a ficção científica. No essencial, é um sistema de coordenadas onde, em vez de comprimento, largura e altura, se registam outras grandezas: por exemplo, o ângulo entre dois dedos, a relação entre comprimento dos dedos e a zona do calcanhar, ou o grau de desvio lateral.

Cada pegada recebe um valor numérico para cada uma dessas medições. Em conjunto, esses números definem um ponto. Pegadas parecidas ficam próximas; formas muito diferentes afastam-se. Desta forma, é possível encontrar clusters sem que alguém tenha de definir previamente o que é “típico” ou “atípico”.

É precisamente isso que dá interesse ao método em questões de evolução. Se um agrupamento corresponde a uma ave muito antiga, a um terópode ou a outra coisa qualquer, permanece em aberto numa primeira fase. Só depois especialistas comparam esses grupos neutros com fósseis de esqueletos e informação geológica.

Oportunidades, limites e próximos passos possíveis

A inteligência artificial não substitui o trabalho de campo; altera, isso sim, o seu foco. As pegadas continuam a ter de ser encontradas e bem documentadas por pessoas, e o contexto tem de ser clarificado: em que camada rochosa se encontram? Que outros fósseis aparecem por perto? Que sedimentos apontam para que ambiente?

Também há riscos. Se o conjunto de dados for dominado por regiões muito estudadas, a IA pode tratar formas raras de áreas pouco investigadas como “erros”. Para lidar com isto, são necessárias regras claras sobre como tratar valores fora do padrão - se devem ser descartados ou verificados de forma dirigida.

Ao mesmo tempo, as oportunidades são consideráveis. A tecnologia subjacente pode ser adaptada com relativa facilidade a outros tipos de vestígios: trilhos de vertebrados, marcas de arrasto de invertebrados, impressões de plantas, e até fragmentos de ossos e conchas. Sempre que a forma for relevante, uma medição objectiva apoiada por IA pode ser útil.

Para jovens, clubes escolares de geologia ou associações locais de natureza, abre-se ainda um novo campo de participação. Quem dominar o básico - por exemplo, como fotografar, medir e documentar correctamente um registo - pode contribuir para investigação real. Assim, um passeio por uma costa fossilizada pode transformar-se num pequeno elemento para compor o grande retrato da história da Terra.