IA treinada em vozes de aves ajuda a decifrar mistérios do oceano

O que aconteceu

Em 9 de fevereiro de 2026, o Google Research publicou um artigo assinado pela cientista de dados Lauren Harrell detalhando como o Perch 2.0, modelo de fundação de bioacústica do Google DeepMind lançado em agosto de 2025, se mostrou eficaz na classificação de vocalizações de baleias. O modelo foi treinado principalmente com sons de aves e outros animais terrestres, sem incluir áudio subaquático. O estudo, intitulado "Perch 2.0 transfers 'whale' to underwater tasks", foi apresentado no workshop de IA para Comunicações Animais Não Humanas durante o NeurIPS 2025, em colaboração entre Google Research e Google DeepMind (Google Research Blog).

Contexto

A bioacústica é uma ferramenta importante para monitorar espécies marinhas, mas interpretar sons do oceano continua sendo um desafio. Novos tipos de vocalização e novas atribuições de espécies são identificados com frequência. Um exemplo citado no post é o "biotwang", um som enigmático recentemente atribuído à baleia de Bryde por pesquisadores da NOAA. O Google já tinha histórico na área: desenvolveu modelos para detectar baleias jubarte e lançou em 2024 um modelo multi-espécies de baleias. O Perch 2.0 surge nesse contexto como uma tentativa de tornar a análise de gravações mais ágil e escalável, mesmo tendo sido criado para sons terrestres.

Por que importa

O resultado mostra que um modelo treinado em um domínio distante, como o canto de pássaros, pode servir de base para tarefas de ecossistemas marinhos. Isso reduz a necessidade de grandes volumes de dados rotulados para cada nova aplicação. Para pesquisadores que monitoram baleias e outros animais oceânicos, isso significa mais velocidade para processar arquivos de áudio e obter classificações úteis. Em um contexto mais amplo, entender os sons do oceano ajuda a acompanhar mudanças no comportamento de espécies e a saúde dos ecossistemas, temas ligados à agenda de clima e sustentabilidade.

Impacto

No curto prazo, a equipe disponibilizou um tutorial em Google Colab que mostra como criar um classificador personalizado de vocalizações de baleias usando o Perch 2.0 e os dados do NOAA NCEI Passive Acoustic Data Archive, com apoio do Google Cloud. A abordagem também deixa claro o papel de cada modelo: quando um classificador pré-treinado, como o modelo multi-espécies de baleias, já tem os rótulos necessários, ele pode ser usado diretamente. Para novas tarefas, o Perch 2.0 serve como ponto de partida para construir soluções sob medida.

O que muda

A descoberta reforça que um modelo de IA não precisa ser treinado no mesmo tipo de dado em que será aplicado para ter utilidade. No caso da bioacústica, o Perch 2.0 funciona como uma base reutilizável, inclusive para ambientes marinhos que ficaram de fora do treinamento. Essa transferência de aprendizado pode permitir que laboratórios menores, sem grandes acervos de áudio oceânico, desenvolvam ferramentas de monitoramento com mais autonomia.

O que vem agora

O tutorial e o modelo estão disponíveis para a comunidade científica. A expectativa é que o Perch 2.0 seja testado em outras bases de dados subaquáticas e usado em colaborações de monitoramento acústico, ampliando o alcance prático da bioacústica para pesquisas marinhas.

Fonte: Google Research Blog (https://research.google/blog/how-ai-trained-on-birds-is-surfacing-underwater-mysteries/)