Usando dados de cidadãos para prever para onde vão os pássaros
Todos os dias, cientistas e observadores de aves em todo o mundo registam centenas de milhares de avistamentos de pássaros em eBird, um banco de dados online administrado pelo Cornell Lab of Ornithology. Os dados, acumulados desde 2002, são usados por cientistas para rastrear mudanças na distribuição das aves e saber onde uma espécie específica está em um determinado momento.
Mas sempre faltava uma “peça”, disse o ornitólogo Benjamin Van Doren, da Cornell. Ebird só conseguiu mostrar onde os pássaros foram vistos, não para onde estavam indo. No mês passado, Van Doren e uma equipe de outros pesquisadores da Cornell e da Universidade de Massachusetts, Amherst, anunciou que BirdFlow, uma nova “estrutura de modelagem probabilística” que eles desenvolveram foi capaz de prever a posição provável de uma espécie de ave várias semanas no futuro, uma vez que lhe foi dado um horário e local de início. O grupo utilizou o BirdFlow para prever os movimentos de 11 espécies de aves, comparando essas previsões com dados recolhidos de aves equipadas com rastreadores.
Uma frase que as pessoas costumam usar como abreviação de “rede de modelagem probabilística” (bem como uma variedade de outras ferramentas que usam modelagem computacional e estatística) é “inteligência artificial” ou IA. O BirdFlow é IA? De acordo com Daniel Sheldon, cientista da computação da Universidade de Massachusetts, Amherst, e um dos autores do artigo, com certeza – embora, disse ele, IA seja um termo genérico para muitas ferramentas computacionais diferentes.
O BirdFlow faz suas previsões usando dois fatores principais: informações sobre o custo biológico da migração e mapas de distribuição gerados pelo eBird. Os mapas são organizados em células minúsculas, como um jogo de tabuleiro, e o BirdFlow usa os dados disponíveis para tentar prever a probabilidade de um pássaro pousar em cada célula. Tal como outros sistemas de IA, o BirdFlow “aprende” – isto é, é capaz de ajustar as suas previsões com base em comparações com as rotas reais que as aves percorrem. Para Sheldon, é isso que faz do BirdFlow uma IA: ele se torna melhor em deduzir as rotas de migração mais precisas a partir dos dados disponíveis.
O resultado final é um mapa que pode mostrar as prováveis localizações futuras de uma determinada ave, num raio de cerca de 80 a 150 milhas (algumas espécies são mais difíceis de prever do que outras). Kyle Horton, professor assistente de ecologia na Colorado State University, não esteve envolvido na criação do BirdFlow e descreveu-o como uma “melhoria significativa” nos modelos existentes disponíveis aos cientistas. “A caixa de ferramentas para estudar a migração é limitada”, disse ele.
Van Doren acredita que o BirdFlow poderia ser usado para ajudar a salvar o habitat das aves migratórias. Existem grandes áreas da América do Norte onde os observadores de aves raramente pisam, e os cientistas ainda não têm dados claros sobre para onde vão algumas espécies de aves ameaçadas de extinção durante certas fases do seu ciclo de vida. Esta escassez de informação tem impacto na conectividade migratória – a capacidade das aves de terem habitats saudáveis em todas as fases da sua migração. Sheldon acredita que o BirdFlow poderá algum dia ser usado para ajudar a limitar a propagação de doenças, como a gripe aviária, prevendo para onde as aves selvagens infectadas podem se mover.
Van Doren enfatizou que o BirdFlow ainda está em seus estágios iniciais. Mesmo as suas aplicações na conservação ainda estão “um pouco distantes” – por enquanto, ele espera que o BirdFlow seja principalmente uma ferramenta de pesquisa. Entretanto, um número crescente de outras ferramentas de inteligência artificial está a ser desenvolvido para trabalhos de conservação. PAWS, desenvolvido por pesquisadores da Carnegie Mellon, gera sugestões de rotas de patrulha de caça furtiva para aplicação da lei. IA do TrailGuard afirma impedir a caça furtiva de animais selvagens identificando visitantes humanos próximos. Recentemente, disse Sheldon, também houve um grande impulso para usar a IA para reconhecer organismos em fotos, áudio e vídeo, para que os cientistas possam monitorar automaticamente os ecossistemas. Cornell Aplicativo de observação de pássaros Merlin usa IA para reconhecer espécies de pássaros com base em seus cantos e imagens.
Alguns cientistas fora da América do Norte e da Europa criticaram o eBird e bancos de dados semelhantes pelo seu foco na observação de aves como principal método de recolha de dados, argumentando que especialmente em locais fora dos EUA, os dados do eBird tendem a ser gerados por turistas e outras pessoas de fora, em vez de locais. Os criadores do BirdFlow reconhecem que ele provavelmente tem limitações – dois bandos de pássaros podem ser da mesma espécie, por exemplo, mas tomam decisões muito diferentes durante a migração. Sheldon também disse que a equipe está tentando descobrir como incorporar dados de fontes além do eBird, como dados de localização de pássaros por satélite ou rastreamento por GPS.
Mas Sheldon também vê esta fusão da ciência da computação e da conservação como crítica para desafios como o abrandamento da perda de biodiversidade. Em um artigo de 2019 intitulado Sustentabilidade Computacional: Computação para um Mundo Melhor e um Futuro Sustentável, Sheldon e outros 28 cientistas argumentaram que “os cientistas da computação… deveriam desempenhar um papel fundamental para ajudar a enfrentar os desafios sociais e ambientais na busca de um futuro sustentável”. Perguntar como a IA mudará a conservação é como perguntar como as estatísticas informam a conservação, disse Van Doren. Em vez disso, “está proliferando todos os aspectos da investigação científica”.
