DinoTracker: IA analisa pegadas de dinossauros e abala a origem das aves

Quem caminha por pedreiras ou falésias costeiras costuma passar batido por marcas discretas na rocha. No entanto, esses sinais quase invisíveis podem ser pegadas de animais que atravessaram solos lamacentos há mais de 200 milhões de anos. Um grupo internacional passou a usar IA para analisar essas trilhas de forma automatizada - e os resultados estão chacoalhando, com força, a narrativa sobre a origem das pássaros.

Como um aplicativo “lê” pegadas de dinossauros

A grande novidade atende pelo nome de DinoTracker. Apesar do nome soar leve, por trás dele há um algoritmo sofisticado de aprendizado de máquina. O sistema foi desenvolvido na Universidade de Tübingen, em parceria com a Universidade de Manchester e o Museu de História Natural de Berlim.

O desafio de partida é conhecido por quem trabalha com icnologia: rastros de dinossauros frequentemente aparecem incompletos, deformados ou muito erodidos. Até aqui, a comparação era lenta e dependia bastante de interpretações humanas. O DinoTracker segue outro caminho e foca de maneira radical na geometria da pegada.

• Mais de 2.000 pegadas tridáctilas (de três dedos) de várias partes do mundo serviram como base.
• Os registros cobrem um intervalo de aproximadamente 200 a 145 milhões de anos atrás.
• Todas as marcas foram convertidas em contornos padronizados.

Essas silhuetas são processadas por uma rede neural, um tipo de IA capaz de reconhecer padrões em imagens. Em vez de “rotular” as pegadas como faz a análise de imagem tradicional, o sistema as posiciona em um “espaço de formas” abstrato de oito dimensões.

"A IA coloca cada pegada em uma posição nesse espaço de formas - quanto mais parecidas forem duas trilhas, mais próximos ficam os seus pontos."

O resultado é uma espécie de mapa da morfologia dos pés, algo como um céu estrelado formado por pegadas de dinossauros.

Por que a IA aprende de propósito sem rótulos

Um aspecto decisivo do projeto foi optar por “aprendizado não supervisionado”. Na prática, isso significa que a IA não recebe etiquetas prévias do tipo “terópode X” ou “ancestral de ave Y”. Ela trabalha apenas com as formas e procura semelhanças.

A intenção é evitar que equívocos antigos da literatura sejam incorporados automaticamente. Muitos achados históricos foram batizados e classificados com base em pressupostos da época - e nem sempre essas classificações se mantêm. Se os rótulos forem reaproveitados sem critério, os erros acabam se perpetuando.

Para tornar o modelo mais resistente, a equipe também gerou mais de 10.000 pegadas simuladas. O procedimento consistiu em distorcer virtualmente marcas reais:

• dedos alargados ou parcialmente “raspados”
• pegadas giradas ou levemente deformadas
• efeitos de pressão reproduzidos, como os que surgem por peso do animal ou pelo tipo de substrato

Essas versões artificiais imitam danos e distorções típicos do trabalho de campo. Assim, a IA aprende a extrair informações confiáveis de forma mesmo quando a pegada está fragmentada ou preservada de maneira torta.

Ao final, o algoritmo isola oito medidas-chave, por exemplo relacionadas ao comprimento relativo dos dedos, à região do calcanhar e ao grau de simetria. A partir disso, surgem agrupamentos que tendem a ser mais estáveis do que avaliações individuais. Em testes com pegadas bem preservadas, a IA concordou com especialistas em cerca de 90% dos casos.

O que as pegadas indicam sobre a proximidade com aves

A parte mais intrigante aparece onde a IA aponta ligações que quase não recebiam atenção. Pegadas muito antigas - com mais de 210 milhões de anos - passaram a aparecer próximas de marcas modernas de aves dentro do espaço de formas.

Esses rastros fósseis apresentam diversas características que se esperaria mais em aves atuais:

• estrutura estreita e tridáctila
• simetria longitudinal bem definida
• pouca distância entre os dedos

É exatamente o tipo de marca que gansos, garças e outros corredores de chão deixam em areia úmida. Isso causa estranheza porque, no entendimento clássico, o surgimento das aves costuma ser colocado algumas dezenas de milhões de anos depois.

"Ou as origens da linhagem das aves são bem mais antigas do que se pensava - ou certos dinossauros do Triássico já tinham pés surpreendentemente parecidos com os de aves."

O ponto central é que a IA não atribui nomes de espécies nem força encaixes em grupos conhecidos. Ela agrupa estritamente por geometria. Com isso, ficam mais visíveis as convergências - isto é, soluções semelhantes que a evolução pode produzir diante de exigências parecidas para caminhar ou caçar.

Uma linha do tempo possivelmente antecipada

Quando comparadas a pegadas mais recentes, algumas formas de pés parecem se manter relativamente estáveis por períodos longos. Na linhagem dos terópodes - os carnívoros bípedes dos quais, segundo a visão atual, derivaram as aves - muitos indícios apontam para uma aproximação gradual ao pé “típico” das aves.

Se rastros muito antigos já caminham nessa direção, é possível que a separação entre linhagens relevantes tenha ocorrido antes do que descrevem vários livros. Em alternativa, diferentes grupos podem ter evoluído, de modo independente, morfologias de pés bastante semelhantes por ocuparem ambientes parecidos.

Como um aplicativo no celular transforma leigos em caçadores de rastros

O DinoTracker não foi pensado apenas para o laboratório. Desde o início, a equipe considerou o uso em dispositivos móveis. A ideia é que pessoas em áreas fossilíferas possam enviar fotos de marcas suspeitas - do geólogo amador a uma turma de escola.

O fluxo foi concebido para ser direto:

• fazer uma foto ou um desenho da possível pegada com o smartphone
• enviar para o aplicativo e enquadrar a marca de maneira aproximada
• a IA analisa contorno e forma e posiciona o registro no espaço de formas
• a pessoa recebe uma pontuação de similaridade em relação a pegadas conhecidas

Quem sobe uma marca potencialmente interessante fornece matéria-prima para a pesquisa. Depois de uma checagem especializada, achados válidos podem ser incorporados ao banco de dados central. Assim, o conjunto de registros cresce entre regiões - inclusive onde quase não há icnólogas e icnólogos profissionais, isto é, especialistas em rastros fósseis.

"Se milhares de pares de olhos ao redor do mundo ajudarem, o acervo de pegadas cresce mais rápido do que qualquer equipe de pesquisa conseguiria sozinha."

Um padrão para futuras análises de fósseis?

A estrutura por trás do DinoTracker pode ser adaptada para outros tipos de fósseis. O grupo já considera estender o método a impressões de plantas, trilhas de insetos ou ossos preservados apenas em fragmentos.

O benefício é claro: em vez de cada novo sítio usar parâmetros próprios, seria possível comparar formas em escala global. Uma pegada na África do Sul poderia ser relacionada diretamente a marcas da Baviera ou da China - usando os mesmos critérios métricos, e não apenas o julgamento visual.

Campo de aplicação	Possível utilidade da IA
Pegadas de dinossauros	Atribuição mais objetiva, comparações melhores entre regiões e períodos
Impressões de plantas	Reconhecimento de padrões em formatos de folhas, pistas sobre clima e vegetação
Rastros de invertebrados	Diferenciação mais precisa de galerias e marcas de alimentação no sedimento
Ossos fragmentados	Comparação de forma com bancos de dados, primeiros indícios sobre grupos animais

Oportunidades, riscos e efeitos práticos

O uso de IA na paleontologia alimenta grandes expectativas, mas também traz questões importantes. Quando algoritmos formam agrupamentos por forma, existe o risco de tratar esses “clusters” como verdade definitiva e deixar de lado observações próprias. Por isso, as equipes de Tübingen e Manchester reforçam que o DinoTracker é uma ferramenta - não um substituto para a pesquisa de campo.

No trabalho prático, o aplicativo pode funcionar como um segundo olhar. Ao encontrar uma marca, a pessoa rapidamente percebe se ela aponta mais para terópodes, herbívoros ou se pode ser apenas um padrão de erosão. Isso economiza tempo e ajuda a direcionar a inspeção para pontos realmente promissores.

Para o público não especializado, abre-se um caminho direto de participação científica. Saídas a regiões fossilíferas - por exemplo, no sul da Alemanha, na França, na Espanha ou na América do Norte - podem virar projetos reais de ciência cidadã. Escolas podem organizar atividades em que crianças fotografam pegadas, enviam ao aplicativo e depois discutem os retornos em sala.

Termos como “aprendizado não supervisionado” ou “variáveis morfométricas” parecem difíceis à primeira vista. No fundo, a ideia é simples: em vez de se prender a nomes e rótulos, observar apenas a aparência e medi-la com precisão até que formas aparentemente caóticas revelem um padrão. Quem já reparou com atenção nas pegadas de aves na beira de um lago entende quanta informação cabe em marcas minúsculas.

No longo prazo, essa abordagem pode não só alterar como enxergamos os dinossauros, mas também ampliar o entendimento de como sistemas técnicos reconstroem mundos extintos. A combinação entre IA, grandes volumes de pegadas e gente curiosa em campo pode preencher lacunas que os ossos, por si só, jamais conseguiriam completar.