IA confunde animais selvagens: estudo revela pontos fracos da identificação automática de espécies

Editado por: Svitlana Velhush

Em reservas naturais da Colômbia, uma câmera-armadilha registrou um pequeno marsupial. A inteligência artificial, ao receber a foto e informações sobre a localidade, identificou com segurança uma espécie que não ocorre no país. Os especialistas, por sua vez, determinaram o verdadeiro habitante — Metachirus myosuros. Esse caso tornou-se o ponto de partida para um novo estudo, que mostrou o quão longe os modelos gerais de IA estão de um trabalho confiável com a vida selvagem.

O cientista Gustavo Nicolás Páez Salamanca testou o modelo GPT-5.2 em dez mil fotografias de vertebrados da Colômbia, carregadas no iNaturalist. O modelo deveria nomear a família, o gênero e a espécie de cada imagem, sabendo apenas o país da captura e sem poder recusar-se a responder. O resultado exato no nível de espécie foi de apenas 9,5 por cento — aproximadamente uma em cada dez fotografias.

A precisão variou muito entre os grupos de animais. Nos mamíferos e répteis, chegou a 17–19 por cento, enquanto nos anfíbios, aves e peixes ficou abaixo de cinco. Os erros ocorreram com mais frequência com espécies que têm poucas fotografias públicas e com aquelas descritas pela ciência recentemente, como Coendou vossi, separado como espécie distinta apenas em 2025.

Falhas desse tipo não são apenas um detalhe técnico. Se um animal raro for confundido com outro mais conhecido, sua presença pode passar despercebida. Um nome incorreto ou a indicação de uma espécie fora de sua área de distribuição natural pode distorcer os dados sobre a distribuição dos animais e influenciar os planos de conservação de territórios.

O estudo não defende abandonar a IA. Pelo contrário, o autor propõe usá-la como um primeiro filtro: verificar as sugestões automáticas com base nas classificações atuais e nas áreas de distribuição conhecidas, e encaminhar os registros duvidosos ou importantes a especialistas. Os modelos deveriam poder admitir incerteza em vez de serem obrigados a responder.

Embora o trabalho se concentre na fauna colombiana, os problemas identificados são característicos do monitoramento da biodiversidade em outras regiões. A confiabilidade da identificação automática depende diretamente do volume e da qualidade dos dados disponíveis sobre as espécies.

Para que a IA realmente ajude a conservar a natureza, suas previsões precisam ser combinadas com informações científicas verificadas e com a experiência de biólogos de campo.

2 Visualizações

Fontes

  • When AI misidentifies wildlife: New study maps where species identification fails

  • phys.org

Comentários

Leia mais artigos sobre este tema:

Encontrou um erro ou imprecisão?Vamos considerar seus comentários assim que possível.