Peixes desapareceram do rastreamento da inteligência artificial assim que nadaram em recifes reais, então pesquisadores rotularam nove horas de vídeo quadro a quadro
Projeto da Universidade Cornell reúne nove horas de vídeos submarinos com milhões de anotações para melhorar o reconhecimento do comportamento dos peixes
A inteligência artificial conseguia reconhecer movimentos de animais em laboratório, mas encontrou dificuldades quando precisou acompanhar peixes nadando livremente entre corais no Caribe. Alguns desapareciam atrás das rochas, outros cruzavam rapidamente a câmera, e os programas perdiam até a identidade dos indivíduos. Para enfrentar o problema, pesquisadores da Universidade Cornell desenvolveram o WildFin, um banco de vídeos submarinos com mais de 2 milhões de anotações. Apresentado em setembro de 2026, o projeto reúne nove horas de gravações analisadas quadro a quadro e busca ensinar sistemas de inteligência artificial a identificar alimentação, procura por comida, disputas e outros comportamentos na natureza.
Por que o WildFin surgiu depois que a inteligência artificial falhou nos recifes?
A pesquisadora Abigail Grassick estudava comunidades de peixes que vivem ao redor de formações isoladas de coral, conhecidas como bommies, próximas à ilha de Curaçao, no Caribe. Durante seu doutorado, ela reuniu gravações para investigar como os animais interagiam nesses ambientes.
Entretanto, os modelos de visão computacional disponíveis não conseguiam acompanhar consistentemente um mesmo peixe. As dificuldades surgiam antes mesmo da identificação de comportamentos como alimentação ou fuga. A diferença entre os vídeos controlados de laboratório e as condições imprevisíveis do ambiente natural revelou uma limitação importante da tecnologia.
Como o WildFin transformou nove horas de vídeo em milhões de registros?
A equipe reuniu gravações feitas por câmeras estacionárias, posicionadas diante dos recifes, e vídeos produzidos por mergulhadores que acompanhavam determinados peixes. Todo o material veio de diferentes locais da costa de Curaçao.
Pesquisadores e estudantes examinaram as imagens quadro a quadro, atribuindo categorias aos comportamentos observados. O trabalho exigiu aproximadamente 1.350 horas de atividades de campo e outras 600 horas de anotação especializada, segundo o artigo científico.
Os principais resultados foram:
- Nove horas de vídeos submarinos organizados;
- Mais de 2 milhões de anotações por quadro;
- Aproximadamente 1.350 horas de trabalho de campo;
- Cerca de 600 horas dedicadas à anotação;
- Gravações com câmeras fixas e mergulhadores;
- Categorias como procura por alimento, alimentação e disputas.
Por que reconhecer um peixe na natureza é mais difícil do que no laboratório?
Em ambientes controlados, câmeras costumam registrar iluminação relativamente constante, fundos simples e animais com movimentos mais previsíveis. Nos recifes, a situação muda continuamente.
Peixes atravessam a imagem em diferentes velocidades, desaparecem atrás dos corais e reaparecem entre outros indivíduos semelhantes. A movimentação da água, as partículas suspensas e as mudanças de perspectiva também dificultam a análise. Um programa pode reconhecer a presença de um peixe, mas perder sua identidade ao tentar acompanhá-lo durante vários segundos.
O que os experimentos mostraram sobre a capacidade atual da inteligência artificial?
O estudo WildFin, apresentado na European Conference on Computer Vision, em 8 de setembro de 2026, foi desenvolvido por Abigail Grassick e colaboradores das universidades Cornell e Colorado Boulder, com participação de pesquisadores do Janelia Research Campus.
A equipe utilizou as gravações para avaliar modelos modernos de visão computacional, incluindo arquiteturas capazes de examinar imagens isoladas e sequências temporais. Mesmo após adaptações com os novos dados, o desempenho na classificação dos comportamentos permaneceu limitado. O resultado mostrou que sistemas treinados com imagens gerais ainda enfrentam dificuldades para interpretar interações ecológicas complexas.
Quais números mostram o tamanho do desafio enfrentado pelos pesquisadores?
A construção do banco de dados exigiu um investimento humano muito maior do que a duração final das gravações. Para cada hora de vídeo selecionado, foram necessárias dezenas de horas de observação, organização e classificação.
O projeto também demonstra que o problema não envolve apenas quantidade de imagens. Os sistemas precisam aprender a interpretar mudanças rápidas de movimento e comportamentos que dependem do contexto observado anteriormente.
| Indicador | Resultado do projeto |
|---|---|
| Vídeos selecionados | Aproximadamente 9 horas |
| Anotações | Mais de 2 milhões |
| Trabalho de campo | Cerca de 1.350 horas |
| Anotação especializada | 600 horas |
| Local das gravações | Recifes de Curaçao, Caribe |
Como o WildFin poderá ajudar a compreender o comportamento dos peixes?
O objetivo é oferecer dados confiáveis para desenvolver programas capazes de acompanhar interações entre animais em ambientes naturais. Com sistemas mais precisos, ecólogos poderão investigar padrões de alimentação, disputas territoriais e respostas a possíveis ameaças sem depender exclusivamente de longas análises manuais.
Os pesquisadores também esperam aproveitar vídeos produzidos por mergulhadores, turistas e projetos de ciência cidadã. Entretanto, o WildFin ainda não resolveu o problema do reconhecimento automático: os testes demonstraram limitações importantes nos modelos disponíveis. Sua principal contribuição é fornecer uma referência científica para comparar novas tecnologias e transformar gravações submarinas em informações úteis para a conservação dos ecossistemas marinhos.
Os comentários não representam a opinião do site; a responsabilidade pelo conteúdo postado é do autor da mensagem.
Comentários (0)