Imagine uma manada de zebras em debandada. Mesmo que tentasse seguir apenas um animal com o olhar, o mais provável é que, com saltos, mudanças de direção e a ilusão de ótica criada pelas riscas, acabasse a seguir a zebra errada. Mais fácil seria se essa zebra levasse uma bandeira presa no lombo, mas, de qualquer forma, seguir um grupo de dezenas de animais em movimento não é tarefa fácil para o olho humano. Para responder a essa necessidade, uma equipa do Centro Champalimaud criou o idtracker.ai — uma ferramenta que se socorre de inteligência artificial para identificar e seguir cada um dos indivíduos.
Tudo começou em 2010, quando a equipa de Gonzalo de Polavieja tentou criar um programa, baseado em algoritmos, que pudesse identificar animais diferentes (através de imagens) que ao olho humano pareciam iguais. Se é difícil identificar e seguir uma zebra com 300 ou 400 quilos, mais difícil é fazê-lo com dezenas de peixes, de três centímetros, num aquário — mesmo que num laboratório. Mas o programa conseguiu. “Para nossa surpresa, resultou e, em 2014, publicámos um artigo científico na Nature Methods sobre o nosso software idTracker para seguir animais por identificação”, conta ao Observador o investigador do Centro Champalimaud.
O objetivo da equipa do Laboratório de Comportamento Coletivo é desenvolver modelos matemáticos de como os animais (ou os humanos) se movem, interagem, tomam decisões ou fazem aprendizagens e para isso são necessários dados precisos. Voltemos aos peixes-zebra de três centímetros: sem o programa que identifique cada um deles com precisão, é impossível perceber que peixes estão a interagir e por que motivo. E porquê peixes-zebra? Porque são pequenos, fáceis de manter em laboratório e usados em muitos trabalhos de investigação em ciências da vida. Mas também porque se mostraram o melhor animal para este tipo de estudos. Os investigadores podem afirmá-lo porque também testaram moscas-da-fruta, formigas e ratos.
Ferramentas para seguir os animais (tracking tools) não faltam, mas, muitas vezes, quando os animais se tocam, cruzam ou aproximam, essas ferramentas trocam as identidades dos indivíduos não marcados, introduzindo erros no trabalho de vigilância que estava a ser realizado. Quando mais tempo estes programas correrem sem correções manuais, maior a probabilidade de acumulação de erros. O idTracker permitia identificar cada indivíduo e, mesmo que houvesse situações que pudessem gerar confusão, o programa continuava sempre a seguir o animal certo.
Agora, a equipa de Gonzalo de Polavieja melhorou a ferramenta juntando aos algoritmos existentes à inteligência artificial, com duas redes neurais de aprendizagem profunda. Cada uma destas redes neurais é uma simulação computacional de uma rede de neurónios real e tem a capacidade de aprender com a experiência. Ou seja, aprende a distinguir cada animal nas imagens e identifica-o por um nome (código). Os algoritmos dão depois uma ajuda quando os animais se cruzam e as trajetórias ficam sobrepostas no vídeo, para que não haja confusões de quem é quem.
Se o programa inicial, apresentado em 2014, conseguia identificar e seguir corretamente 10 indivíduos, agora é possível seguir 100 indivíduos, pelo menos, conforme os resultados publicados esta segunda-feira na revista Nature Methods. E o programa aprende a fazê-lo em apenas uma hora.
O limite de 100 indivíduos não é uma imposição do software, antes do tamanho dos espaços onde andam os animais nas experiências (como os aquários dos peixes). A equipa já tem resultados preliminares de que podem chegar aos 150 indivíduos. “Como o software parece ser capaz de lidar com 150 indivíduos com a mesma precisão que lida com 20, presumo que possamos estender para grupos ainda maiores”, diz o coordenador da experiência.
Grupos maiores, com animais diferentes e em ambientes distintos (como na natureza, em oposição ao laboratório), são os próximos testes a desenvolver, mas não necessariamente pela equipa do Laboratório de Comportamento Coletivo. O software foi disponibilizado gratuitamente para que outras equipas de investigação o possam usar e o código do programa está aberto para que possa ser modificado consoante as necessidades de investigação do grupo de trabalho. Os resultados partilhados por outras equipas de cientistas irão, certamente, ajudar a afinar a ferramenta.
Quanto à possibilidade de usar esta ferramenta para identificar criminosos e terroristas por imagens de vídeo registadas na rua, Gonzalo de Polavieja diz que não pode ser usada diretamente. “Diria que, para cada uma destas aplicações propostas, teremos de desenvolver algoritmos extra. De qualquer forma, algumas partes do software podem continuar a ser úteis.”
