Ao SAPO TEK, Carolina S. Marques, aluna de doutoramento do Centro de Estatística e Aplicações da Universidade de Lisboa (CEAUL), que faz parte da Faculdade de Ciências da Universidade de Lisboa, afirma que “nos últimos anos têm vindo a fazer-se muitos esforços para criar uma base de dados completa das medições de dentes, com vários grupos taxonómicos”.

No entanto, o trabalho feito em colaboração com paleontólogos permitiu observar que os métodos utilizados para a classificação não são exatamente os melhores. Por exemplo, “há pressupostos que não se cumprem” no que respeita à linearidade dos dados, além do facto de que “cada pessoa utiliza o seu método”. “Não existe um método standard para se fazer estas classificações”, explica.

Esta observação levou a equipa a avançar com um estudo, recentemente publicado na revista científica PeerJ, que contou também com a colaboração de Vanda Santos e Elisabete Malafaia, do Instituto Dom Luiz, Emmanuel Dufourq, do African Institute for Mathematical Sciences, e Soraia Pereira também do CEAUL.

IA na Paleontologia: Machine Learning traz novos avanços na classificação de dentes de dinossauros
IA na Paleontologia: Machine Learning traz novos avanços na classificação de dentes de dinossauros Carolina S. Marques, aluna de doutoramento do Centro de Estatística e Aplicações da Universidade de Lisboa (CEAUL)

Os investigadores exploraram o uso de ferramentas de Machine Learning para melhorar a classificação taxonómica de dentes de dinossauros terópodes, comparando diferentes modelos e usando várias estratégias e técnicas de normalização de dados para lidar com a sub-representação de alguns géneros.

Como aponta Carolina S. Marques, a tecnologia traz um conjunto de vantagens. Por exemplo, “não tem tantos pressupostos como metodologias mais tradicionais”. A tecnologia de Machine Learning “tem uma capacidade muito boa de descobrir padrões que nós não conseguimos detetar tão facilmente”, afirma.

Além da rapidez de treino dos modelos, aproveitando as novas capacidades de computação que se tornam agora disponíveis para mais pessoas, a tecnologia permite também obter resultados mais rapidamente, permitindo também identificar alterações dentro do mesmo grupo taxonómico, conseguindo classificações mais precisas e robustas.

Clique nas imagens para ver com mais detalhe

Os modelos treinados e o código desenvolvido estão disponíveis para que possam ser utilizados na classificação de novos exemplares. “Neste estudo, nós damos às pessoas modelos já treinados para que as pessoas possam aplicar a novos dados”, afirma a investigadora.

“Este trabalho e trabalhos que sejam desenvolvidos nesta área vão ser uma ferramenta para os paleontólogos”, realça a investigadora. “Os modelos de IA e Machine Learning não conseguem substituir um humano. Tem de haver sempre um humano no processo para validar os resultados dos modelos”.

Segundo a Carolina S. Marques, o próximo passo na investigação será avaliar como outros tipos de modelos de Machine Learning, incluindo modelos com imagem, como redes condicionais, conseguem determinar os resultados das medições.