DinoTracker: IA analisa pegadas fósseis de dinossauros e encontra paralelos com aves modernas

Investigadores de Tübingen, Manchester e Berlim criaram uma inteligência artificial capaz de analisar automaticamente pegadas fósseis de dinossauros. O software encontra padrões que, até agora, tinham passado despercebidos aos especialistas - e revela paralelos surpreendentes com os pés das aves actuais. A ambição é que até caçadores de fósseis amadores possam participar, bastando uma fotografia tirada com o telemóvel.

Como uma app torna novamente “legíveis” pegadas de dinossauros com milhões de anos

Identificar pegadas de dinossauro costuma exigir muita prática - e, muitas vezes, também sorte. Há marcas que chegam incompletas, deformadas ou gastas pela erosão. Nesses casos, atribuir a pegada a um tipo específico transforma-se numa espécie de trabalho detectivesco, no qual duas especialistas podem, legitimamente, chegar a conclusões diferentes.

É precisamente para este ponto que foi desenhado o projecto DinoTracker. Trata-se de um sistema de IA que mede a forma dos rastos de modo objectivo e os confronta com milhares de registos comparáveis. O ponto de partida é um conjunto com mais de 2.000 silhuetas digitalizadas de pegadas tridáctilas (com três dedos), recolhidas em todo o mundo e datadas entre 200 e 145 milhões de anos.

"A IA traduz pegadas antigas em dados de forma mensuráveis - e coloca-as num “espaço morfológico” que torna visíveis relações que facilmente escapam ao olhar."

Para isso, as pegadas foram primeiro reduzidas aos seus contornos e normalizadas para um formato comum. Assim, o algoritmo foca-se apenas na geometria: comprimento e largura do registo, ângulos e afastamento entre os dedos, desenho da zona do “calcanhar”, e a simetria geral da pegada. A partir destes parâmetros, o software constrói um espaço de oito dimensões, onde cada pegada passa a ser representada por um ponto.

Aprendizagem não supervisionada: a IA organiza as pegadas sem rótulos prévios

O que distingue o DinoTracker é não receber etiquetas do tipo “terópode” ou “ave primitiva”. Em vez disso, recorre a uma abordagem de machine learning conhecida como aprendizagem não supervisionada. O sistema procura autonomamente padrões e agrupamentos nos dados, sem lhe ser indicado à partida que formas correspondem a que grupos de animais.

Com esta escolha, a equipa contorna uma fragilidade comum em métodos tradicionais: muitas bases de dados herdaram classificações antigas e, por vezes, pouco seguras. Se uma IA for treinada com esses rótulos, tende a replicar também os erros. Aqui, conta a geometria - não o nome atribuído ao suposto autor da pegada.

Para aumentar a robustez, os investigadores geraram ainda mais de 10.000 pegadas artificialmente modificadas. Nas simulações, os dedos foram alargados, parcialmente “apagados”, as pegadas foram rodadas ou esticadas - tal como pode acontecer num ambiente sedimentar real quando um dinossauro pesado pisa lama húmida.

• Pegadas mais largas: para reproduzir um solo enlameado
• Dedos parcialmente apagados: para impressões erodidas ou danificadas
• Pegadas rodadas: para superfícies inclinadas ou apoios em declive
• Formas deformadas: para alterações causadas por pressão, peso e movimento

A partir daqui, a IA extrai oito variáveis essenciais de forma e usa-as para agrupar pegadas por semelhança. Em testes com impressões bem preservadas, o sistema coincidiu com a avaliação de especialistas em cerca de 90% dos casos - e, além disso, manteve resultados consistentes, independentemente de factores humanos como experiência individual ou variações do momento.

Pegadas com aspecto de pés de aves - só que 210 milhões de anos mais antigas

Os resultados tornam-se especialmente intrigantes quando se olha para a evolução das aves. No conjunto de dados surgem pegadas muito antigas que lembram, de forma notável, os pés de aves modernas. Algumas dessas marcas têm mais de 210 milhões de anos, portanto do Triásico tardio - muito antes dos fósseis de aves mais antigos datados do Jurássico Superior.

Segundo a IA, estas pegadas partilham vários traços típicos:

Característica	Semelhança com aves actuais
Forma estreita, com três dedos	Faz lembrar a impressão de uma grande ave corredora
Simetria longitudinal acentuada	Lado esquerdo e direito quase em espelho
Pequena separação entre os dedos	Dedos apontam relativamente juntos para a frente, sem grande abertura

Este conjunto de sinais permite duas leituras: ou as linhagens com características “aviárias” começaram significativamente mais cedo do que se pensava, ou certos dinossauros predadores do Triásico já possuíam pés surpreendentemente próximos do plano estrutural que, mais tarde, se consolidaria nas aves.

"A IA não atribui nomes de espécies; limita-se a medir formas. É precisamente isso que torna tão sensíveis as pistas sobre pés semelhantes aos das aves: a interpretação fica do lado das pessoas, não da máquina."

Os investigadores interpretam os dados como uma possível sequência de transição. Quando se comparam estas pegadas antigas com impressões mais recentes do Jurássico e do Cretácico, voltam a aparecer formas parecidas repetidas vezes. Isso sugere uma aproximação gradual ao “pé de ave”, e não uma mudança abrupta.

Ciência cidadã: quem encontra pegadas pode enviá-las pelo telemóvel

O DinoTracker não foi pensado apenas para laboratórios. A ferramenta existe também como aplicação móvel, com uma interface simples para não especialistas. Quem, durante uma caminhada ou num local fossilífero conhecido, encontrar uma marca suspeita pode fotografá-la ou decalcar o contorno e carregar o registo na app.

A IA assinala automaticamente pontos-chave, mede ângulos e distâncias e posiciona a pegada no espaço morfológico. Depois, quem submeteu o registo recebe uma estimativa sobre a que tipos de pegadas conhecidos a descoberta mais se aproxima - e qual o grau de confiança dessa atribuição do ponto de vista do sistema.

A base de dados cresce com cada envio que venha a ser confirmado. A equipa avalia achados fora do comum, cruza-os com locais já conhecidos e decide se devem entrar no conjunto de treino. Assim, vai-se formando, progressivamente, uma rede entre instituições profissionais e participantes motivados.

Porque é tão apelativa a recolha de dados por app

Para a paleontologia, isto representa um avanço considerável:

• O trabalho de campo em áreas remotas pode ficar melhor documentado.
• Regiões com poucos especialistas conseguem, ainda assim, produzir dados de elevada qualidade.
• Tipos raros de pegadas destacam-se mais depressa, por “fugirem ao padrão” no espaço da IA.
• Todas as novas submissões seguem o mesmo padrão, independentemente de quem as reporta.

A normalização é particularmente importante. Até hoje, muitas pegadas de dinossauro existem apenas como fotografias antigas, desenhos à mão ou descrições em texto. A nova abordagem obriga cada observação a caber numa grelha quantitativa e claramente definida, o que permite comparar registos entre continentes e ao longo de décadas.

O que significa, na prática, “espaço morfológico”

Para quem não é da área, a expressão “espaço morfológico de oito dimensões” pode soar a ficção científica. Na essência, 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 razão entre o comprimento dos dedos e o “calcanhar”, ou o grau de desvio lateral.

Cada pegada recebe um valor numérico para cada uma dessas medidas. Em conjunto, esses valores definem um ponto. Pegadas semelhantes ficam próximas entre si; formas muito diferentes aparecem afastadas. Desta maneira, é possível encontrar clusters sem que alguém defina de antemão o que é “típico” ou “atípico”.

É precisamente por isso que a técnica é tão relevante para questões evolutivas. Se um grupo de formas corresponde a uma ave muito antiga, a um terópode ou a outra coisa, isso permanece em aberto numa primeira fase. Só num segundo momento especialistas comparam esses agrupamentos neutros com achados esqueléticos e com informação geológica.

Oportunidades, limites e possíveis próximos passos

A IA não substitui a investigação no terreno; muda, isso sim, o foco do trabalho. As pessoas continuam a ter de localizar as pegadas, registá-las e esclarecer o contexto: em que camada rochosa aparecem, que outros fósseis existem nas proximidades e que sedimentos apontam para que tipo de ambiente.

Também há riscos. Se os dados forem dominados por regiões muito estudadas, a IA pode tender a tratar formas raras - vindas de áreas pouco exploradas - como “erros”. Para isso, são necessárias regras claras sobre como lidar com valores extremos: se devem ser descartados ou verificados de forma dirigida.

Ao mesmo tempo, o potencial é grande. A tecnologia subjacente pode ser adaptada com relativa facilidade a outros tipos de vestígios: trilhos de vertebrados, marcas de arrasto de invertebrados, impressões de plantas e até fragmentos de ossos e conchas. Sempre que a forma for determinante, uma medição objectiva apoiada por IA pode trazer ganhos.

Para jovens, clubes de geologia nas escolas ou associações locais de natureza, abre-se ainda um novo espaço de participação. Quem dominar o básico - como fotografar, medir e documentar correctamente uma impressão - pode contribuir para investigação real. Um passeio por uma costa fossilizada pode, assim, transformar-se num pequeno contributo para o grande retrato da história da Terra.

---