Quando falamos de inteligência artificial pensamos em textos gerados automaticamente, algoritmos recomendado filmes e computadores analisando dados de empresas. Mas e se eu disser que a inteligência artificial também está sendo usada para “ouvir” a natureza?
Essa é uma capacidade da inteligência artificial que pode trazer vários benefícios para o monitoramento do meio ambiente, especialmente para um bioma de extrema importância para a nossa região, para o nosso país e até para o mundo: o Pantanal. Assim, ao longo dos últimos anos, pesquisas estão sendo desenvolvidas para tentar resolver o complexo desafio de monitorar a biodiversidade desse ambiente tão rico.
Esse desafio é complexo porque, tradicionalmente, o monitoramento depende de especialistas que vão a campo, observam espécies e registram suas ocorrências. Esse trabalho é fundamental, mas enfrenta limitações evidentes, como tempo, recursos e condições específicas. Além disso, a natureza não “funciona” apenas quando estamos observando. A maior parte da vida acontece longe dos nossos olhos e, muitas vezes, fora do nosso alcance. Foi nesse contexto que começamos a explorar a alternativa de usar sensores para registrar continuamente o ambiente e, principalmente, usar inteligência artificial para interpretar esses dados.
No nosso grupo de pesquisa, o Computational Bioacoustics Research Unit (CO.BRA), espalhamos gravadores pelo Pantanal, coletando sons de forma contínua. O resultado é um volume massivo de dados. Para se ter uma ideia, poucos dias de coleta podem gerar mais informação do que um pesquisador conseguiria analisar manualmente em meses. E é exatamente aqui que a inteligência artificial deixa de ser um conceito abstrato e se torna uma ferramenta essencial.
Em vez de tentar “ouvir” tudo manualmente, passamos a ensinar máquinas a reconhecer padrões. De forma simplificada, treinamos modelos computacionais para identificar características específicas de espécies a partir dos sons. O canto de uma ave, por exemplo, deixa de ser apenas um áudio e passa a ser um conjunto de padrões que podem ser entendidos e reconhecidos por algoritmos.
Esse processo envolve transformar dados brutos em representações que a máquina consegue interpretar. Sons podem ser convertidos em espectros visuais (espectrogramas, Figura 1), ou seja, imagens que podem ser analisadas em termos de formas, texturas e cores. A partir daí, técnicas de aprendizado de máquina permitem que o sistema aprenda com exemplos e melhore seu desempenho ao longo do tempo.
O que mais me chama atenção nesse processo é que não estamos apenas automatizando uma tarefa, mas sim ampliando a capacidade de análise humana. Um algoritmo bem treinado consegue processar milhares de horas de gravação em um tempo extremamente reduzido, identificando padrões que seriam praticamente impossíveis de detectar manualmente em larga escala.
É claro que tudo isso traz desafios. Um dos maiores foi lidar com a qualidade e a variabilidade dos dados. Diferentes condições ambientais, ruídos, sobreposição de sons e variações entre indivíduos da mesma espécie tornam o problema muito mais complexo do que parece. Esses desafios nos levaram a explorar diferentes abordagens dentro da inteligência artificial, desde modelos mais clássicos até técnicas mais recentes de aprendizado profundo. Em muitos momentos, o avanço não veio de uma única solução, mas da combinação de estratégias e da adaptação constante ao problema.
Ao longo desse percurso, com os desafios sendo superados, está sendo gratificante perceber a quantidade de informação que pode ser extraída dessas análises automatizadas. Ao identificar espécies, acompanhar populações e detectar mudanças ao longo do tempo, conseguimos produzir informações que podem apoiar decisões concretas, desde ações de conservação até a formulação de políticas públicas. No fim, a tecnologia deixa de ser apenas uma ferramenta e passa a ser uma aliada na construção de um futuro mais consciente e sustentável.
Esse é apenas um exemplo de como a inteligência artificial já está transformando a ciência em diferentes áreas da sociedade. Para ampliar esse debate e aproximar a população dessas discussões, Mato Grosso receberá, pela primeira vez, um dos principais eventos da área no país: o Brazilian Conference on Intelligent Systems (BRACIS), entre os dias 19 e 22 de outubro de 2026. O encontro reunirá pesquisadores, estudantes e profissionais para discutir avanços, aplicações e desafios da IA em temas como meio ambiente, saúde, educação e setor público. Se você trabalha com inteligência artificial, tem interesse no tema ou quer conhecer de perto as possibilidades dessa tecnologia, será uma excelente oportunidade para trocar experiências e acompanhar como a IA está sendo desenvolvida e aplicada no Brasil.
Thiago Meirelles Ventura – Professor associado do Instituto de Computação da UFMT, doutor em Física Ambiental e pesquisador em Inteligência Artificial. Integra o CO.BRA/UFMT e o PPGCOMP/UFMT, atuando no desenvolvimento de soluções computacionais, com foco no uso de IA para monitoramento da biodiversidade
A seção Leia 1 Cientista reúne textos de divulgação científica escritos por pesquisadores e pesquisadoras da Universidade Federal de Mato Grosso (UFMT), incluindo docentes, técnicos e estudantes de diferentes áreas do conhecimento. A seção é editada pela equipe do Programa de Comunicação Pública da Ciência da Pró-reitoria de Pesquisa (PROPESQ/UFMT) e conta com a parceria da Rede Sucuri. Os textos publicados são de responsabilidade de seus autores e autoras e não representam, necessariamente, a posição institucional da PROPESQ/UFMT.
