Uma fotografia de um pássaro norte-americano que teria sido avistada no território brasileiro gerou repercussão na rede iNaturalist, servindo de pano de fundo para expor uma ameaça emergente ao meio científico: a contaminação de acervos por arquivos adulterados por inteligência artificial. O suposto flagrante de uma graúna-de-asa-vermelha — linhagem inexistente na área — tratava-se, na verdade, de um sargento, espécie corriqueira no ambiente.
O episódio ganhou destaque em um aviso veiculado no periódico Nature Ecology & Evolution, assinado pelos especialistas Alexander Lees, ecologista da Universidade Metropolitana de Manchester e líder do projeto, junto a Tony Iwane, coautor e porta-voz do iNaturalist. Os estudiosos chamaram atenção para a proliferação do chamado “AI slop”, expressão que define o volume crescente de material rudimentar produzido por algoritmos.
De acordo com o grupo, a questão engloba desde criações inteiramente sintéticas até retoques sutis que parecem inofensivos, mas que têm o potencial de corromper dados vitais para pesquisas ecológicas. O retrato da ave nacional passou por um programa automatizado de otimização visual; no entanto, o algoritmo acabou alterando traços anatômicos e gerando um fenótipo confundível com outra espécie.
Ao limparem fundos, ajustarem o foco ou corrigirem falhas técnicas, os recursos generativos podem recriar pedaços dos espécimes e distorcer traços cruciais para a taxonomia, a exemplo da coloração e das marcações na plumagem. Tais distorções prejudicam o monitoramento de flutuações populacionais e de rotas migratórias.
Imagem alterada por IA transformou um sargento (epaulet oriole), ave comum no Brasil, em um suposto graúna-de-asa-vermelha. (Enfocus Collective/Unsplash)
Bancos de dados científicos sob risco de fraude digital
Repositórios como o iNaturalist, o WikiAves e a Biblioteca Macaulay acumulam milhões de capturas enviadas por cientistas e entusiastas da observação de fauna. Essas informações servem de base para que especialistas avaliem reflexos do aquecimento global e o deslocamento geográfico da vida selvagem.
A inserção de um registro corrompido por IA nesses ecossistemas pode induzir a conclusões falsas sobre a expansão territorial de um animal. Adicionalmente, dados incorretos acabam poluindo os algoritmos de reconhecimento de imagem empregados na identificação zoológica.
Conforme apontado pelos autores, mídias criadas do zero costumam ser simples de rastrear. O nó crítico reside nas modificações discretas aplicadas para “embelezar” o arquivo fotográfico, alterando dados cruciais para a investigação científica.
Ferramentas de contenção começam a surgir
Imagens alteradas por IA podem comprometer bancos de dados científicos usados para monitorar espécies, mudanças ambientais e a distribuição de animais. (Yichun Lu/Unsplash)
Como resposta, o iNaturalist passou a rotular arquivos conforme o grau de intervenção tecnológica detectado. Conteúdos sintéticos integrais podem ser ocultados, enquanto fotos com sobre-edição perdem o status de utilidade para investigações científicas.
Atualmente, o sistema abriga mais de 610 milhões de arquivos, mas apenas cerca de 1.400 contam com marcações referentes ao emprego de inteligência artificial — sendo aproximadamente 600 delas sinalizadas como produções sintéticas puras. Os especialistas ressaltam que o volume real de mídias retocadas deve ser consideravelmente maior, visto que intervenções minuciosas fogem à detecção rápida.
Para mitigar a situação, o estudo defende a implementação de mecanismos avançados de validação visual, checagem de metadados e diretrizes educativas para os fotógrafos da natureza, reforçando que o uso de filtros de IA para aperfeiçoar retratos biológicos põe em risco a integridade da ciência.
