Esses fósseis de 500 milhões de anos podem conter os segredos da vida antiga na Terra, mas há um problema

Microfósseis, pequenos fragmentos fósseis também conhecidos como palinomorfos que só são visíveis ao microscópio, podem ser encontrados em quase qualquer lugar da Terra que alguém decida olhar. Embora estes fósseis omnipresentes desempenhem um papel essencial na narração da história geológica e orgânica do passado antigo da Terra, estudá-los não é uma questão simples, principalmente porque existem bilhões deles.

Por causa disso, os pesquisadores estão agora recorrendo à inteligência artificial para obter ajuda na classificação desses minúsculos remanescentes preservados do passado antigo da Terra.

Normalmente variando de 5 a 500 micrômetros de tamanho e de alguns milhões de anos a mais de 500 milhões de anos, esses minúsculos fósseis são encontrados principalmente em rochas sedimentares, o que os torna inestimáveis ​​tanto para geólogos quanto para paleontólogos. Eles ajudam a determinar a idade das camadas rochosas, a reconstruir ambientes passados ​​e a compreender a história evolutiva da vida na Terra. Por exemplo, a presença de certos microfósseis pode indicar se uma camada rochosa se formou num ambiente marinho ou terrestre, fornecendo informações sobre condições climáticas e eventos geológicos passados. Simplificando, eles oferecem uma ideia de como era uma área específica anos atrás.

Tradicionalmente, a classificação de microfósseis tem sido um processo manual e demorado que exige conhecimento especializado, com os cientistas olhando para um microscópio ou para a tela de um computador durante horas a fio. Dado o grande volume de dados – potencialmente milhares de milhões de microfósseis de numerosos slides – a classificação manual é um trabalho tedioso, e tentar classificar todos estes microfósseis é uma tarefa intransponível e impossível. Existem muitos deles, daí a vantagem de deixar a IA ajudar nesse processo.

Liderado por uma equipe da Universidade de Tromsø, da Universidade Ártica da Noruega, pesquisadores desenvolveram um novo método para automatizar a classificação de microfósseis.

O estudo apresenta um pipeline de dois estágios baseado em IA para automatizar a detecção e classificação de microfósseis a partir de imagens de microscópio.

A primeira etapa envolve o uso de um modelo de detecção de objetos pré-treinado, YOLOv5, para identificar e extrair microfósseis individuais de imagens de slides de alta resolução. Este modelo gera eficientemente caixas delimitadoras em torno de cada microfóssil, uma tarefa que exigiria muita mão-de-obra se fosse feita manualmente.

Na segunda etapa, os pesquisadores empregam técnicas de aprendizagem auto-supervisionada (SSL) para treinar modelos que possam extrair características dos microfósseis detectados. O SSL é particularmente vantajoso em cenários com dados rotulados limitados, pois permite que o modelo aprenda representações úteis a partir de dados não rotulados. O estudo compara duas estruturas SSL, SimCLR e DINO, e constata que ambas melhoram significativamente o desempenho da classificação.

Basicamente, a IA é capaz de diferenciar diferentes fósseis e classificá-los. Segundo o estudo, esse método é rápido e computacionalmente leve, viabilizando o processamento e classificação eficiente de milhões de microfósseis. Esta escalabilidade é crucial para lidar com os vastos conjuntos de dados típicos da investigação geológica. Além disso, à medida que a IA classifica mais fósseis, ela os rotula e aprende com os seus dados, aumentando continuamente a sua própria base de conhecimento.

“Este trabalho mostra que existe um grande potencial na utilização de IA neste campo”, explicou Iver Martinsen, um dos autores do estudo, em uma declaração de imprensa. “Ao usar IA para detectar e reconhecer fósseis automaticamente, os geólogos podem ter uma ferramenta que pode ajudá-los a utilizar melhor a enorme quantidade de informações que as amostras de poços fornecem.”

A capacidade de automatizar a classificação de microfósseis tem implicações profundas para as ciências da terra. Pode acelerar a pesquisa na exploração subterrânea, auxiliando na exploração de petróleo e gás e em projetos de captura e armazenamento de carbono. Além disso, os conhecimentos obtidos a partir da análise de microfósseis podem contribuir para investigações científicas mais amplas, como o estudo de alterações climáticas passadas e eventos de extinção em massa. A compreensão destes padrões históricos é essencial para prever futuras mudanças ambientais e desenvolver estratégias para mitigar os seus impactos.

“Estamos muito felizes com os nossos resultados”, concluiu Martinsen. “Nosso modelo excede os benchmarks anteriores disponíveis no mercado. Esperamos que o presente trabalho seja benéfico para geólogos tanto na indústria como na academia.”