Uma imagem viral de um suposto graúna-de-asa-vermelha, uma ave norte-americana, registrada no Brasil, gerou burburinho na plataforma iNaturalist. No entanto, o que parecia ser um achado raro revelou-se um engano digital: a foto era, na verdade, de um sargento (epaulet oriole), espécie comum na região, modificada por inteligência artificial. Este incidente não é isolado e acende um alerta crucial para a comunidade científica.
O caso brasileiro foi o ponto de partida para um aviso publicado na prestigiada revista Nature Ecology & Evolution. Os pesquisadores Alexander Lees, ecologista da Manchester Metropolitan University, e Tony Iwane, do iNaturalist, destacaram o avanço do fenômeno batizado de “AI slop” – conteúdos de baixa qualidade ou adulterados gerados por IA. Segundo eles, isso inclui desde imagens completamente falsas até edições sutis que, embora pareçam inofensivas, podem comprometer seriamente os registros usados em estudos de biodiversidade.
Como a IA Transforma a Realidade Científica
Ferramentas de inteligência artificial, projetadas para “melhorar” a qualidade de fotos – removendo galhos, ajustando o foco ou corrigindo imperfeições – podem inadvertidamente reconstruir partes de animais, alterando detalhes cruciais para a identificação científica. Cores e padrões das penas, por exemplo, podem ser modificados, fazendo com que uma espécie se pareça com outra. No caso do pássaro brasileiro, a intervenção da IA mudou características do animal, criando uma aparência semelhante à de uma espécie que não habita o continente sul-americano.
Ameaça aos Registros de Biodiversidade Global
Plataformas colaborativas como iNaturalist, Macaulay Library e WikiAves são pilares da ciência cidadã, reunindo milhões de fotos de observadores amadores e pesquisadores. Esses dados são vitais para monitorar os impactos das mudanças climáticas, acompanhar deslocamentos de animais e entender a distribuição de espécies. Quando uma imagem alterada por IA é inserida nesses sistemas, ela pode gerar informações equivocadas, indicando falsas ocorrências de espécies em novas regiões ou mudanças de comportamento. Além disso, registros incorretos podem contaminar modelos de inteligência artificial que são treinados para identificar animais, perpetuando o erro.
Desafios na Detecção e o Papel das Plataformas
Embora imagens totalmente geradas por IA sejam geralmente mais fáceis de detectar, o grande desafio reside nas alterações discretas. Essas edições, feitas para aprimorar a estética de uma foto, são as mais perigosas por modificarem informações científicas importantes de forma quase imperceptível. O iNaturalist já começou a implementar medidas, sinalizando imagens com diferentes níveis de intervenção tecnológica. Fotos totalmente geradas por IA podem ser ocultadas, e registros com excesso de edição perdem o status de adequados para bases de pesquisa. Atualmente, de mais de 610 milhões de imagens na plataforma, apenas cerca de 1.400 foram identificadas com uso de IA, um número que os pesquisadores acreditam ser muito maior na realidade devido à dificuldade de detecção de alterações sutis.
O Caminho para a Autenticidade Digital
Para os autores do estudo, o combate a esse problema crescente exige uma abordagem multifacetada. Ferramentas mais robustas de autenticação de imagens, a análise aprofundada de metadados e a educação dos observadores são consideradas essenciais. O alerta é claro: o uso indiscriminado da inteligência artificial para “melhorar” fotos pode comprometer a integridade dos registros que alimentam a ciência, afetando nossa capacidade de compreender e proteger a biodiversidade do planeta.
Fonte: canaltech.com.br