Um consórcio internacional de pesquisadores divulgou o Planktonzilla-17M, o maior e mais abrangente conjunto de imagens de plâncton já reunido. O repositório contém 17,4 milhões de registros visuais, padronizados e organizados para treinar modelos de inteligência artificial capazes de identificar espécies microscópicas essenciais para a saúde dos oceanos e para o equilíbrio do clima global.
O plâncton marinho está na base das cadeias alimentares aquáticas e responde por uma parcela significativa da absorção de CO2 atmosférico. Apesar dessa relevância, os sistemas de classificação automática disponíveis até agora funcionavam bem em coleções isoladas, mas falhavam quando expostos a imagens capturadas por instrumentos ou em ambientes diferentes.
Para superar essa fragmentação, os autores do projeto consolidaram acervos públicos de treze sistemas de imageamento distintos, construindo um repositório unificado com taxonomia padronizada e metadados geoambientais. O resultado, descrito em artigo publicado no repositório científico arXiv, inclui 3,74 milhões de imagens de plâncton distribuídas por 602 classes taxonômicas, das quais 201 chegam ao nível de espécie. Essas imagens representam um subconjunto altamente rotulado do total de 17,4 milhões de registros visuais.
Liderado pelo pesquisador Luis Marti, o grupo testou duas estratégias de treinamento sobre uma arquitetura de visão computacional do tipo ViT: um classificador supervisionado clássico e um modelo no estilo CLIP que combina imagem e texto. O classificador tradicional igualou ou superou o treinamento multimodal quando recebeu a linhagem taxonômica como entrada textual.
Um achado surpreendente foi o desempenho fraco dos modelos biológicos generalistas BioCLIP e BioCLIP2 nas tarefas com plâncton, tanto em configuração de zero-shot quanto com poucos exemplos. A utilização do Planktonzilla-17M elevou de forma consistente a acurácia da classificação, expondo as limitações das fundações atuais de IA biológica quando transferidas para o domínio marinho.
A escala e a diversidade de instrumentos do novo dataset abrem caminho para sistemas de monitoramento oceânico muito mais confiáveis, capazes de acompanhar mudanças na biodiversidade planctônica em tempo quase real. Em um planeta onde os oceanos absorvem cerca de um quarto das emissões de CO2 e produzem metade do oxigênio que respiramos, compreender o plâncton é compreender o termômetro da crise climática.
Com informações de https://arxiv.org/.