O uso de inteligência artificial para editar imagens de aves está gerando registros falsos em plataformas de ciência cidadã, como o iNaturalist, e preocupando cientistas que dependem desses bancos de dados para monitorar a biodiversidade. A manipulação, muitas vezes não intencional, cria fotos biologicamente incorretas que podem distorcer estudos sobre distribuição e comportamento das espécies.
Como a IA está afetando os registros de aves
Ferramentas de edição de imagem baseadas em IA, como o Photoshop Generative Fill e outros aplicativos, permitem que usuários alterem fotos de aves com facilidade. No entanto, essas alterações podem resultar em características irreais, como cores, formatos de bico ou padrões de plumagem que não existem na natureza. Quando essas imagens são enviadas para plataformas de ciência cidadã, elas são tratadas como observações legítimas, poluindo os dados.
De acordo com pesquisadores, cerca de 1.400 imagens já foram sinalizadas como possivelmente geradas ou editadas por IA no iNaturalist. Embora o número seja pequeno comparado ao total de milhões de registros, a tendência de crescimento preocupa, pois a tecnologia se torna mais acessível.
Impacto na pesquisa científica
Os bancos de dados de ciência cidadã são fundamentais para estudos de biodiversidade, ajudando a monitorar populações, migrações e mudanças climáticas. Registros falsos podem levar a conclusões erradas sobre a presença de espécies em determinadas áreas, afetando políticas de conservação.
“A IA está tornando mais difícil confiar em imagens como evidência”, afirmou um especialista em ornitologia. “Precisamos de novos métodos de verificação para garantir a integridade dos dados.”
Medidas de mitigação
Plataformas como o iNaturalist já estão implementando sistemas de detecção de IA e contam com a ajuda de moderadores voluntários para identificar imagens suspeitas. Cientistas recomendam que usuários verifiquem a origem das fotos e evitem compartilhar imagens editadas sem aviso.
A comunidade científica também está desenvolvendo ferramentas para detectar manipulações, como análise de metadados e padrões de pixel. No entanto, a corrida entre criadores de IA e detectores é constante.
