DinoTracker: IA analisa automaticamente pegadas de dinossauros

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

Como uma aplicação volta a “ler” pegadas de dinossauros com milhões de anos

Identificar trilhos e pegadas de dinossauros costuma exigir muita prática - e alguma sorte. Muitos registos chegam até nós incompletos, deformados ou danificados pela erosão. Nesses casos, atribuir uma pegada a um determinado tipo de animal transforma-se num trabalho de detective, em que duas especialistas podem, legitimamente, chegar a conclusões diferentes.

É precisamente aqui que entra o projecto DinoTracker. Trata-se de um sistema de IA que mede a forma das pegadas de modo objectivo e as compara com milhares de registos de referência. A base de trabalho inclui mais de 2.000 silhuetas digitalizadas de pegadas tridáctilas (com três dedos), recolhidas em vários pontos do mundo e datadas entre 200 e 145 milhões de anos.

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

Para isso, as pegadas foram primeiro reduzidas ao contorno e normalizadas para um formato comum. Assim, o algoritmo concentra-se na geometria pura: comprimento e largura do registo, ângulos e distância entre os dedos, configuração da “zona do calcanhar” e grau de simetria. A partir destes atributos, o software constrói um espaço de oito dimensões, no qual cada pegada passa a ser representada por um ponto.

Aprendizagem não supervisionada: a IA agrupa as pegadas sem rótulos

O que distingue o DinoTracker é que o sistema não recebe etiquetas como “terópode” ou “ave primitiva”. Em vez disso, recorre a uma abordagem de aprendizagem automática conhecida como aprendizagem não supervisionada. Ou seja, procura autonomamente padrões e conjuntos nos dados, sem que alguém lhe diga, à partida, que formas correspondem a que grupos de animais.

Esta opção contorna um problema frequente nas abordagens clássicas: muitas bases de dados tradicionais incluem atribuições antigas e, por vezes, pouco seguras. Se uma IA for treinada com esses rótulos, tende a herdar também os erros. Aqui, o que conta é a forma - não o nome do suposto autor da pegada.

Para reforçar a robustez do método, a equipa gerou ainda mais de 10.000 pegadas artificialmente alteradas. Nas simulações, os dedos foram alargados, parcialmente “apagados”, e 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 imitar um substrato lamacento
• Dedos parcialmente apagados: para registos erodidos ou danificados
• Pegadas rodadas: para superfícies inclinadas ou irregulares
• Formas deformadas: para alterações de pressão causadas pelo peso e pelo movimento

Com base neste conjunto, a IA extrai oito variáveis fundamentais de forma e, a partir delas, organiza as pegadas por semelhança. Em testes com impressões bem preservadas, o sistema coincidiu com especialistas em cerca de 90% dos casos - e manteve consistência, sem depender de “dias bons” ou da experiência individual.

Pegadas parecidas com pés de aves - mas com mais 210 milhões de anos

Os resultados tornam-se particularmente interessantes quando o tema é a evolução das aves. Entre os dados surgem pegadas muito antigas que se assemelham de forma notável aos pés das aves actuais. Algumas dessas impressões têm mais de 210 milhões de anos, pertencendo ao Triásico tardio - muito antes das mais antigas evidências fósseis de aves, datadas do Jurássico superior.

Segundo a IA, estas pegadas exibem um conjunto de características típicas:

Característica	Semelhança com aves actuais
Forma estreita com três dedos	Faz lembrar a impressão de uma ave corredora de grande porte
Forte simetria longitudinal	O lado esquerdo e o direito são quase em espelho
Pequena separação entre os dedos	Os dedos apontam para a frente de forma relativamente junta, sem grande abertura

Esta combinação abre duas interpretações: ou linhagens com traços “aviários” começaram bem mais cedo do que se pensava; ou certos dinossauros predadores do Triásico já tinham pés surpreendentemente próximos do plano anatómico que, mais tarde, caracterizaria as aves.

A IA não atribui nomes de espécies; limita-se a medir formas. É isso que torna tão delicadas as suas indicações de pés semelhantes aos das aves: a interpretação cabe às pessoas, não à máquina.

Os investigadores consideram que os dados podem apontar para uma possível sequência de transição. Quando se comparam estas pegadas antigas com registos mais recentes do Jurássico e do Cretácico, surgem repetidamente formas semelhantes. Isso favorece a ideia de uma aproximação gradual ao “pé de ave”, e não de uma mudança abrupta.

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

O DinoTracker não foi pensado apenas para ambientes laboratoriais. O software existe também como aplicação móvel, com uma interface simples para não especialistas. Assim, quem estiver numa caminhada ou visitar um local fossilífero conhecido e encontrar uma marca suspeita pode fotografá-la ou desenhá-la e carregar o ficheiro na aplicação.

A IA assinala automaticamente pontos relevantes, mede ângulos e distâncias e posiciona o registo no espaço morfológico. No final, quem submete a pegada recebe uma estimativa de quais os tipos de trilhos conhecidos mais próximos - e qual o grau de confiança dessa correspondência segundo o sistema.

À medida que entram novas submissões (e depois de verificadas), a base de dados vai crescendo. A equipa científica analisa achados fora do comum, cruza-os com locais já documentados e decide se devem integrar o conjunto de treino. O resultado é, gradualmente, uma rede que liga institutos profissionais a entusiastas empenhados.

Porque a recolha de dados via aplicação é tão apelativa

Para a paleontologia, este modelo representa um salto considerável:

• O trabalho de campo em regiões remotas passa a ficar melhor documentado.
• Áreas com poucos especialistas conseguem, ainda assim, produzir dados de elevada qualidade.
• Tipos raros de pegadas destacam-se mais depressa, por “saírem da linha” no espaço da IA.
• Todas as novas entradas seguem o mesmo padrão, independentemente de quem as reporta.

A estandardização é particularmente importante. Até hoje, muitas pegadas de dinossauros existem apenas como fotografias antigas, esboços desenhados à mão ou descrições em texto. O novo método obriga cada observação a caber num quadro quantitativo bem definido, facilitando comparações entre continentes e ao longo de décadas.

O que significa, afinal, “espaço morfológico”

Para quem não é da área, a expressão “espaço morfológico de oito dimensões” pode soar a ficção científica. Na prática, trata-se de um sistema de coordenadas onde, em vez de comprimento, largura e altura, se colocam outras medidas: por exemplo, o ângulo entre dois dedos, a relação entre o comprimento dos dedos e a zona do calcanhar, ou o grau de desvio lateral.

Cada pegada recebe um valor numérico para cada uma dessas medições. Em conjunto, esses valores definem um ponto. Pegadas semelhantes ficam próximas umas das outras; formas muito diferentes afastam-se. Deste modo, é possível identificar agrupamentos sem que alguém determine antecipadamente o que é “típico” ou “atípico”.

É justamente aqui que a abordagem ganha força em questões de evolução. Se um conjunto corresponde a uma ave muito antiga, a um terópode ou a outra coisa qualquer, isso permanece em aberto num primeiro momento. Só numa etapa seguinte especialistas confrontam esses grupos, construídos de forma neutra, com fósseis de esqueletos e com informação geológica.

Oportunidades, limitações e próximos passos possíveis

A IA não substitui o trabalho de campo; altera o foco. Continua a ser necessário que pessoas encontrem as pegadas, as registem e clarifiquem o contexto: em que camada rochosa aparecem, que outros fósseis surgem nas proximidades e que tipo de sedimentos apontam para que ambiente.

Também há riscos. Se os dados forem dominados por regiões muito bem estudadas, a IA pode tratar como “erro” formas raras provenientes de áreas pouco investigadas. Por isso, os investigadores precisam de regras claras para lidar com valores extremos - se devem ser descartados ou alvo de verificação dirigida.

Ao mesmo tempo, as possibilidades são amplas. A tecnologia subjacente pode ser adaptada com relativa facilidade a outros vestígios: trilhos de vertebrados, marcas de arrasto de invertebrados, impressões de plantas e até fragmentos de ossos e conchas. Sempre que a forma é relevante, uma medição objectiva apoiada por IA pode trazer ganhos.

Para jovens, clubes escolares de geologia e associações locais de natureza, abre-se um novo campo de participação. Quem dominar o básico - por exemplo, como fotografar, medir e documentar uma impressão de forma adequada - pode contribuir para investigação real. Assim, uma simples caminhada numa costa fossilizada pode tornar-se um pequeno elemento na construção do grande retrato da história da Terra.

---