DinoTracker: IA analisa automaticamente as pegadas fósseis de dinossauros

Uma pegada na rocha pode parecer só uma marca curiosa - mas, com as ferramentas certas, transforma-se num conjunto de dados. Uma equipa de investigação de Tübingen, Manchester e Berlim desenvolveu uma inteligência artificial capaz de analisar automaticamente rastos fósseis de dinossauros, identificando padrões que até especialistas ainda não tinham destacado.

A abordagem revela paralelos surpreendentes com os pés das aves atuais. E o mais interessante: o objetivo é que até caçadores de fósseis amadores possam participar, bastando uma fotografia tirada com o telemóvel.

Wie eine App uralte Dino-Fußabdrücke neu lesbar macht

Para identificar pegadas de dinossauros, normalmente é preciso muita experiência - e alguma sorte. Muitos vestígios estão apenas parcialmente preservados, foram deformados ou sofreram erosão. Nesses casos, a atribuição torna-se um trabalho de detetive, e duas especialistas podem chegar a conclusões diferentes.

É aqui que entra o projeto “DinoTracker”. Trata-se de um sistema de inteligência artificial que mede a forma das pegadas de forma objetiva e as compara com milhares de dados de referência. A base do método: mais de 2.000 silhuetas digitalizadas de pegadas tridáctilas (de três dedos) de dinossauros de todo o mundo, com idades entre 200 e 145 milhões de anos.

Die AI übersetzt alte Fußspuren in messbare Formdaten – und ordnet sie in einem „morphologischen Raum“ ein, der Zusammenhänge sichtbar macht, die dem Auge leicht entgehen.

Primeiro, as pegadas foram reduzidas aos seus contornos e normalizadas para um formato uniforme. Assim, o algoritmo foca-se na geometria pura: comprimento e largura do registo, ângulo e distância entre os dedos, forma da “zona do calcanhar”, simetria da impressão. A partir destas características, o software constrói um espaço de oito dimensões, onde cada pegada passa a ser representada como um ponto.

Unbeaufsichtigtes Lernen: Die AI sortiert Spuren ohne Vorgaben

O que distingue o DinoTracker é que a IA não recebe rótulos como “terópode” ou “ave primitiva”. Em vez disso, usa uma forma de Machine Learning chamada aprendizagem não supervisionada. O sistema procura padrões e grupos por conta própria, sem que alguém lhe diga previamente que formas pertencem a que grupo de animais.

Desta forma, a equipa evita um problema comum dos métodos clássicos: muitas bases de dados tradicionais contêm classificações antigas, por vezes incertas. Se uma IA for treinada com esses rótulos, também herda os erros. Aqui, o que conta é apenas a forma - não o nome do suposto autor da pegada.

Para tornar o sistema mais robusto, as investigadoras e os investigadores geraram ainda mais de 10.000 pegadas artificialmente alteradas. Nas 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.

• Breitere Spuren: um matschigen Untergrund nachzuahmen
• Teilweise gelöschte Zehen: für erodierte oder beschädigte Abdrücke
• Verdrehte Spuren: für schräge Standflächen oder Hänge
• Deformierte Formen: für Druckveränderungen durch Gewicht und Bewegung

Com isto, a IA extrai oito variáveis-chave de forma. Com base nelas, agrupa pegadas por semelhança. Em testes com impressões bem preservadas, o sistema coincidiu com especialistas em cerca de 90% dos casos - e manteve-se consistente, sem depender de “dias bons” ou da experiência individual.

Spuren, die wie Vogel-Füße aussehen – nur 210 Millionen Jahre älter

Os resultados tornam-se especialmente interessantes quando entram em jogo questões sobre a evolução das aves. No conjunto de dados aparecem pegadas muito antigas que lembram, de forma surpreendente, pés de aves atuais. Algumas destas marcas têm mais de 210 milhões de anos, do Triásico tardio - muito antes dos fósseis de aves mais antigos até agora datados, do Jurássico superior.

A IA identifica nessas pegadas uma série de características típicas:

Merkmal	Ähnlichkeit mit heutigen Vögeln
Schmale, dreizehige Form	Wirkt wie der Abdruck eines großen Laufvogels
Starke Längssymmetrie	Linke und rechte Seite fast spiegelbildlich
Geringer Zehen-Abstand	Zehen zeigen relativ eng nach vorne, nicht weit gespreizt

Esta combinação permite duas interpretações: ou as linhagens de evolução “tipo ave” começaram muito mais cedo do que se pensava; ou certos dinossauros predadores do Triásico já tinham pés que se aproximavam bastante do plano corporal que mais tarde se tornaria típico das aves.

Die AI vergibt keine Artnamen, sie vermisst nur Formen. Genau das macht ihre Hinweise auf vogelähnliche Füße so brisant: Die Interpretation liegt bei den Menschen, nicht bei der Maschine.

As investigadoras e os investigadores veem nos dados uma possível sequência de transição: ao comparar pegadas antigas com impressões mais recentes do Jurássico e do Cretácico, voltam a surgir formas semelhantes várias vezes. Isto aponta para uma aproximação gradual ao “pé de ave”, e não para um salto repentino.

Citizen Science: Wer Dino-Spuren findet, kann sie per Handy einreichen

O DinoTracker não foi pensado apenas para laboratórios. O software também funciona 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 carregá-la na app.

A IA assinala automaticamente pontos importantes, mede ângulos e distâncias e posiciona a pegada no espaço morfológico. Depois, as utilizadoras e os utilizadores recebem uma estimativa de a que tipos de pegadas conhecidas a descoberta mais se aproxima - e com que grau de confiança, segundo o sistema.

Com cada pegada enviada e mais tarde verificada, a base de dados cresce. A equipa analisa achados invulgares, compara-os com locais conhecidos e decide se devem ser incorporados no conjunto de treino. Assim, vai-se formando uma rede entre institutos profissionais e pessoas interessadas.

Warum die Datensammlung per App so attraktiv ist

Para a paleontologia, isto representa um passo enorme:

• O trabalho de campo em regiões remotas pode ser documentado com mais consistência.
• Áreas com pouca disponibilidade de especialistas podem, ainda assim, fornecer dados de alta qualidade.
• Tipos de pegadas raros são detetados mais depressa, porque “saltam à vista” no espaço da IA como outliers.
• Todas as novas entradas seguem o mesmo padrão, independentemente de quem as reporta.

Em especial, a normalização é crucial. Até hoje, muitas pegadas de dinossauro existem apenas como fotografias antigas, desenhos à mão ou descrições em texto. O novo método obriga cada observação a encaixar numa grelha quantitativa, bem definida. Isso torna possíveis comparações entre continentes e ao longo de décadas.

Was hinter Begriffen wie „morphologischer Raum“ eigentlich steckt

Para quem não é da área, um “espaço morfológico de oito dimensões” pode soar a ficção científica. Na prática, trata-se de um sistema de coordenadas em que, em vez de comprimento, largura e altura, entram outras medidas: por exemplo, o ângulo entre dois dedos, a relação entre o comprimento dos dedos e o calcanhar, ou o grau de desvio lateral.

Cada pegada recebe um valor numérico para cada uma destas medidas. Em conjunto, esses números formam um ponto. Pegadas semelhantes ficam próximas; formas muito diferentes afastam-se bastante. Assim, é possível encontrar clusters sem que alguém tenha de definir antecipadamente o que é “típico” ou “atípico”.

É precisamente isso que torna o método tão relevante para questões evolutivas. Se se trata de uma ave muito antiga, de um terópode ou de outra coisa, fica inicialmente em aberto. Só num segundo passo é que especialistas comparam estes grupos, criados de forma neutra, com achados de esqueletos e com dados geológicos.

Chancen, Grenzen und mögliche nächste Schritte

A IA não substitui o trabalho de campo - apenas muda o foco. As pessoas continuam a ter de encontrar as pegadas, registá-las e esclarecer o contexto: em que camada de rocha se encontram? Que outros fósseis aparecem nas proximidades? Que sedimentos apontam para que tipo de ambiente?

Há também riscos. Se os dados forem dominados por regiões muito estudadas, a IA pode tratar formas raras de áreas pouco exploradas como “erros”. Por isso, são necessárias regras claras para lidar com outliers - se devem ser descartados ou verificados de propósito.

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

Para pessoas mais novas, clubes de geologia em escolas ou associações locais de natureza, abre-se aqui um novo espaço de participação. Quem dominar o básico - por exemplo, como fotografar um registo com cuidado, medi-lo e documentá-lo - pode contribuir para investigação real. Assim, um passeio por uma costa fossilizada pode tornar-se, de repente, uma pequena peça no grande puzzle da história da Terra.