Ribbit - um aplicativo da Web para identificação e classificação automatizadas de espécies de anuros
O Ribbit é um aplicativo da Web de ciência cidadã que usa o aprendizado de máquina de transferência de poucos disparos para registrar, identificar e classificar os chamados de sapos e rãs, contribuindo com dados de crowdsourcing para o Global Biodiversity Information Facility(GBIF) para solucionar as lacunas de dados, especialmente no Sul Global. Os aplicativos de identificação oferecem um potencial significativo para o monitoramento automático da biodiversidade in situ (Global Partnership on Artificial Intelligence, 2022; Tuia et al., 2022; Nieto-Mora et al., 2023). Nosso aplicativo se concentra em anuros, pois eles são indicadores cruciais do ecossistema(Estes-Zumpf et al., 2022), com mais de 40% das espécies em risco de extinção, e suas vocalizações exclusivas são ideais para a identificação acústica. Os testadores beta revelaram o potencial do aplicativo para contribuir com dados para o GBIF e, ao mesmo tempo, capacitar os cientistas cidadãos a se envolverem no monitoramento ecológico. Ao criar uma plataforma de acesso aberto para rotular dados de biodiversidade, o Ribbit permite que as organizações de conservação desenvolvam estratégias para proteger populações vulneráveis e preservar ecossistemas essenciais.
Contexto
Desafios enfrentados
O Ribbit aborda desafios ambientais, sociais e econômicos críticos no monitoramento da biodiversidade. Ambientalmente, o aplicativo aborda as lacunas na coleta de dados (meta 14 da GBF), especialmente no sul global. Com mais de 40% das espécies de anuros em risco de extinção(Estes-Zumpf et al., 2022), os métodos tradicionais de monitoramento não conseguem capturar mudanças abrangentes na saúde do ecossistema e na biodiversidade.
Socialmente, o Ribbit democratiza a pesquisa científica ao fornecer ferramentas de monitoramento ecológico acessíveis para cientistas cidadãos. Ao capacitar os cientistas cidadãos, o aplicativo rompe as barreiras entre a pesquisa profissional e o envolvimento da comunidade, criando oportunidades de participação significativas para que os indivíduos contribuam para a pesquisa da biodiversidade.
Do ponto de vista econômico, ele oferece uma alternativa econômica aos métodos tradicionais de monitoramento que consomem muitos recursos. O Ribbit aproveita a coleta de dados por crowdsourcing e o aprendizado de máquina avançado, reduzindo os custos de pesquisa e expandindo os recursos de coleta de dados para pesquisadores e organizações de conservação.
Localização
Processar
Resumo do processo
Com a mitigação da perda de biodiversidade como nosso objetivo principal, os outros componentes básicos apoiam estrategicamente esse esforço. A abordagem da ciência cidadã aborda diretamente os desafios da biodiversidade, criando um mecanismo abrangente de coleta de dados que preenche lacunas críticas de conhecimento. Por meio de uma tecnologia inovadora, o projeto transforma as contribuições individuais em um poderoso recurso científico para o monitoramento ecológico.
A ciência cidadã e o envolvimento da comunidade impulsionam a coleta de dados, conectando os participantes locais aos esforços globais de conservação. O Ribbit, como uma ferramenta educacional, capacita os cidadãos a se transformarem de observadores passivos em administradores ambientais ativos. A democratização dos dados coletados no aplicativo funciona como a infraestrutura essencial que amplia o impacto do projeto. Ao tornar a pesquisa científica acessível e participativa, a solução rompe as barreiras tradicionais entre pesquisadores profissionais e membros da comunidade. Essa abordagem de acesso aberto garante que os dados coletados possam ser utilizados por organizações de conservação, pesquisadores e formuladores de políticas, criando um caminho direto da observação do cidadão para uma ação ambiental significativa.
Blocos de construção
Democratização dos dados
A abordagem do Ribbit para a democratização de dados representa um processo cuidadosamente selecionado de contribuição científica orientada para o cidadão. Ao aproveitar os conjuntos de dados públicos existentes dos sons iNaturalist e Anuraset, o aplicativo estabelece uma base sólida para o monitoramento acústico da biodiversidade. Esses conjuntos de dados iniciais fornecem uma linha de base abrangente para o treinamento de aprendizado de máquina, garantindo modelos iniciais de alta qualidade para a identificação de anuros.
A estratégia inovadora de coleta de dados do aplicativo vai além da coleta de informações, implementando um rigoroso processo de controle de qualidade para os dados contribuídos pelos usuários. Cada registro enviado pelos cidadãos será submetido a uma verificação cuidadosa antes da possível contribuição para o Global Biodiversity Information Facility (GBIF). Essa abordagem transforma a coleta passiva de dados em um processo científico ativo e colaborativo, no qual os cidadãos podem contribuir de forma significativa para a pesquisa de conservação, atendendo à Meta 14 do GBF, "Integrar a biodiversidade na tomada de decisões em todos os níveis".
De forma crítica, a Ribbit mantém protocolos rigorosos de privacidade e proteção de dados. Reconhecendo a natureza sensível dos dados ecológicos, especialmente em relação a espécies raras e informações precisas de localização, o aplicativo implementa mecanismos rigorosos de consentimento do usuário. Nenhum dado do usuário será compartilhado ou distribuído sem a aprovação explícita e informada do contribuinte, protegendo tanto os assuntos ecológicos quanto a privacidade dos cientistas cidadãos.
Fatores facilitadores
- Tecnologia acessível: o aplicativo da Web é executado em desktops e dispositivos móveis, e os usuários podem carregar seus dados quando não houver Internet disponível.
- Mecanismos robustos de controle de qualidade: avaliação avançada de registros de qualidade científica.
- Governança ética de dados: priorização da privacidade do usuário e da sensibilidade ecológica.
- Re-treinamento periódico do modelo: o modelo é atualizado a cada seis meses, com treinamento feito em novas espécies que são incorporadas ao aplicativo e validadas por anotadores.
Lição aprendida
Ao iniciar este projeto, estávamos cientes da lacuna de dados sobre a biodiversidade de anuros no sul global. No entanto, ficamos surpresos com o fato de que, ao tentarmos aumentar a acessibilidade do nosso aplicativo e adicionar dados qualitativos, havia uma lacuna na representação do idioma. Atualmente, nosso projeto está disponível em quatro idiomas (inglês, espanhol, português e árabe), aumentando a acessibilidade. Usamos a API da Wikipedia para obter informações gerais sobre nossas espécies nesses quatro idiomas e notamos que, embora houvesse uma abundância de dados em inglês e árabe, as informações disponíveis eram escassas em espanhol e ainda mais escassas em português. Portanto, prevemos que um desafio futuro envolverá o envolvimento de diversos cientistas, como os que falam espanhol e português, para diminuir a "lacuna de dados da Wikipédia". A solução dessa lacuna será um ato crucial para democratizar ainda mais e aumentar a acessibilidade da nossa solução.
Recursos
Ciência cidadã e envolvimento da comunidade
Foi demonstrado que os aplicativos de ciência cidadã ajudam no monitoramento da biodiversidade e, ao mesmo tempo, envolvem os entusiastas da natureza(Callaghan et al., 2019). Por exemplo, o FrogID, um aplicativo do Museu Australiano, permite que os usuários gravem chamadas de sapos cuja identidade é verificada por validadores humanos. Até o momento, o FrogID publicou artigos relacionados ao monitoramento de espécies invasoras(Rowley e Callaghan, 2023), informando as avaliações da lista vermelha da IUCN(Gallagher et al., 2024), avaliando os impactos do fogo (Mitchell et al., 2023), compreendendo os impactos da urbanização(Callaghan et al., 2020) e estudando o comportamento do canto das rãs(Liu et al., 2022). Nosso objetivo é obter resultados semelhantes com o Ribbit, com espécies de anuros em todo o mundo e em um período de tempo mais curto. Até o momento, a equipe do FrogID tem um acúmulo de mais de 18.000 chamadas, o que poderia ser bastante reduzido com nosso aplicativo, já que o tempo de processamento é bastante reduzido com a implementação de algoritmos de aprendizado de máquina.
Durante a primeira rodada de testes beta do nosso aplicativo, 50 usuários enviaram gravações para identificação. O feedback foi positivo: especialistas no assunto apontaram que a espécie que eles registraram correspondia à prevista pelo Ribbit, e os entusiastas da natureza gostaram do recurso "Frog of the Day" (Rã do Dia), que os apresentou a uma nova espécie de anuro ou permitiu que eles se familiarizassem novamente com anuros conhecidos por meio do nome e da vocalização mais comum da espécie (meta 11 da GBF).
Fatores facilitadores
- Facilidade de uso: por meio da análise do feedback dos usuários, fizemos iterações para aprimorar a experiência e a acessibilidade do usuário.
- Familiaridade com aplicativos estabelecidos de ciência ecológica cidadã: com o FrogID, o Merlin, o eBird e o iNaturalist usados como referência, imitamos os principais recursos do aplicativo para uma rápida iniciação de novos usuários.
- Para os usuários que nunca tiveram nenhuma experiência com aplicativos de ciência cidadã, nos concentramos em tornar o aplicativo o mais amigável possível. Além disso, nossa seção de perguntas frequentes inclui dicas sobre "como fazer rã", inclusive onde e quando encontrar espécies chamadoras.
Lição aprendida
- É difícil encontrar um equilíbrio entre os diferentes tipos de usuários. Enquanto os cientistas defendiam o uso de nomes científicos, os entusiastas da natureza não se conectavam a esses nomes e preferiam nomes comuns. No entanto, obter nomes comuns para todas as nossas espécies nos quatro idiomas foi um desafio. Essa é outra oportunidade de desenvolvimento: crowdsourcing de nomes comuns em todo o mundo.
No futuro, também queremos criar mais conteúdo visual para orientar os usuários que desejam usar o aplicativo, mas não sabem como fazê-lo; esse conteúdo inclui o que incluir na seção de observações opcionais do aplicativo, como validar se a rã sugerida pelo aplicativo é a que o usuário está vendo, entre outros.
Recursos
Mitigar a perda de biodiversidade
A conservação dos ecossistemas é fundamental para reduzir as mudanças climáticas e manter os serviços ecossistêmicos (meta 11 do GBF), que estão intimamente ligados a mais de 50% do PIB mundial. Mais de 1 milhão de espécies enfrentam a ameaça de extinção neste século; no entanto, selecionar as áreas a serem conservadas é um desafio com a lacuna de dados existente, que é tendenciosa em relação às observações no norte global. Aumentar a quantidade de dados sobre biodiversidade no Sul Global é fundamental para a conservação de espécies ameaçadas de extinção, encontradas em alta densidade em pontos críticos de biodiversidade no Sul Global. Os anfíbios são ideais para a identificação acústica devido às suas diversas vocalizações e são indicadores cruciais do ecossistema(Estes-Zumpf et al., 2022), com mais de 40% das espécies em risco de extinção(Cañas et al., 2023). O aumento dos dados rotulados para as mais de 7.000 espécies de anfíbios em todo o mundo aprimoraria os esforços de conservação e reduziria as lacunas de conhecimento em ecossistemas vulneráveis. Ao usar uma plataforma de ciência cidadã para ajudar na mitigação da perda de biodiversidade, ajudamos a estabelecer a administração ambiental local desses habitats críticos (GBF Target 20).
O eBird, o maior projeto de ciência cidadã relacionado à biodiversidade, tem 100 milhões de observações de pássaros de usuários de todo o mundo. Essas observações ajudam a "documentar a distribuição, a abundância, o uso do habitat e as tendências das aves por meio de uma lista de espécies coletadas, dentro de uma estrutura científica simples".(Sánchez-Clavijo et. al., 2024).
O iNaturalist, outro aplicativo de ciência cidadã, que usa algoritmos de visão computacional para a identificação de espécies, também se mostrou bem-sucedido na mitigação da perda de biodiversidade. Até o momento, o aplicativo tem mais de 200.000.000 de observações, com 6 milhões de observações por mês, globalmente. No iNaturalist, as observações de nível de pesquisa são compartilhadas com o GBIF, que, por sua vez, usa esse conhecimento para decisões políticas, pesquisas e construção de comunidades(GBIF, 2023).
Atualmente, nosso aplicativo identifica 71 espécies de sapos e rãs em todo o mundo. Embora muitas delas sejam identificadas como menos preocupantes (LC) pela IUCN, temos uma espécie ameaçada pela IUCN, a rã do sino do sul(Ranoidea raniformis). Essa falta de inclusão de espécies ameaçadas ressalta a necessidade de diversos profissionais participarem do monitoramento ecológico bioacústico. O aumento dos pontos de dados sobre espécies vulneráveis pode servir para informar decisões políticas usando percepções baseadas em dados. As comunidades locais e os povos indígenas serão um recurso fundamental para aumentar o número de espécies incluídas no aplicativo, pois seu conhecimento local nos permite rastrear espécies em regiões remotas.
Fatores facilitadores
- Preencher lacunas de dados: obter mais dados de cientistas cidadãos, especialmente de comunidades locais e povos indígenas.
- Possibilitar a gestão ambiental: acessibilidade a um conjunto diversificado de usuários.
Lição aprendida
Inicialmente, estabelecemos a meta de reduzir as lacunas de dados no Sul Global. No entanto, obter acesso a um número suficiente de chamadas de espécies raras, crípticas e ameaçadas de extinção no Sul Global para treinar nosso modelo foi um desafio. Portanto, para melhorar o desempenho do modelo, voltamos nossa atenção para o maior número possível de espécies em todo o mundo. O envolvimento dos usuários em todo o mundo resultará em mais gravações em regiões com poucos dados, como o Sul Global, o que nos permitirá treinar novamente nosso modelo no futuro com mais dados sobre espécies ameaçadas, raras e crípticas.
Esse envolvimento do usuário alinha-se perfeitamente com várias metas, sendo a mais evidente a meta 20 da GBF: Fortalecer a capacitação, a transferência de tecnologia e a cooperação científica e técnica para a biodiversidade. Mas outras metas são fundamentais nesse bloco de construção: ao aumentar os pontos de dados, poderemos identificar espécies exóticas invasoras, atendendo à Meta 6 do GBF, bem como proteger espécies selvagens do comércio ilegal, ocultando sua localização dos usuários. Isso está alinhado com a Meta 5 da GBF, que busca"Garantir a colheita e o comércio sustentáveis, seguros e legais de espécies selvagens".
Ferramentas educacionais
Os anfíbios são mais ameaçados e estão diminuindo mais rapidamente do que as aves ou os mamíferos. As populações de anfíbios estão diminuindo devido a vários fatores, como mudanças climáticas, o fungo quitrídio e outros fatores antropogênicos, como o tráfico de espécies. No entanto, o nível de ameaça aos anfíbios é, sem dúvida, subestimado porque 1294 espécies (22,5%) são muito pouco conhecidas para serem avaliadas, em comparação com apenas 78 aves (0,8%)(Stuart et al., 2004).
Esse déficit de conhecimento ressalta a importância vital de ferramentas educacionais como o Ribbit na democratização da pesquisa científica. Ao reduzir as barreiras ao monitoramento ecológico, aplicativos como o Ribbit transformam observadores passivos em participantes ativos da conservação. As tecnologias educacionais permitem que os cientistas cidadãos contribuam diretamente para a compreensão e a proteção de ecossistemas vulneráveis, abordando limitações críticas de pesquisa por meio da coleta de dados ampliada em regiões pouco pesquisadas.
Essas plataformas inovadoras aumentam a conscientização do público sobre os desafios da biodiversidade e, ao mesmo tempo, oferecem caminhos acessíveis para o envolvimento científico. Ao contrário dos aplicativos voltados para pássaros, com infraestruturas de pesquisa bem estabelecidas, a conservação dos anuros carece de plataformas abrangentes de ciência cidadã. O Ribbit preenche essa lacuna crítica, capacitando as pessoas a se tornarem contribuintes cruciais para a pesquisa de anfíbios, mudando a maré da deficiência de dados e apoiando os esforços de conservação global por meio da administração ambiental colaborativa e habilitada pela tecnologia. É o primeiro aplicativo a incluir informações sobre mais de 800 espécies de anfíbios, em quatro idiomas, incluindo tipo de chamada, foto, informações da CITES (se as espécies são traficadas ou usadas para fins comerciais, abordando as metas 5 e 9 do GBF), status da IUCN (se as espécies estão ameaçadas de extinção, abordando a meta 4 do GBF) e informações gerais sobre comportamento e reprodução animal.
Fatores facilitadores
- Experiência no assunto: um dos membros da nossa equipe (Juliana Gómez Consuegra) trabalhou em estreita colaboração com outros especialistas que estavam pesquisando o fungo chytrid.
- Criação de um aplicativo da Web acessível: o design intuitivo do aplicativo da Web permite que os observadores menos experientes participem e aprendam.
Lição aprendida
Embora o objetivo seja educar os entusiastas da natureza, queremos evitar o aumento do tráfico de espécies. Por esse motivo, decidimos não permitir que os usuários tenham acesso aos dados uns dos outros. Dessa forma, a localização de uma espécie ameaçada de extinção não ficará visível para os traficantes no aplicativo. Os usuários só têm acesso aos seus próprios dados. Depois que os dados são compartilhados com o GBIF, eles são ocultados, de modo que nem a localização exata da rã nem a do usuário serão divulgadas ao público em geral. Dessa forma, estamos garantindo que nosso aplicativo seja ambientalmente responsável.
Impactos
O Ribbit demonstra impactos positivos nos domínios ambiental, social e econômico. Ambientalmente, o Ribbit foi treinado em 71 espécies distintas de anuros, criando uma ferramenta abrangente para monitorar populações de anfíbios ameaçadas de extinção. Os testes beta registraram e classificaram com sucesso 16 anuros distintos, com o modelo identificando com precisão as espécies entre as cinco primeiras correspondências mais prováveis em 91% das vezes, comparável a outras soluções de aprendizagem por transferência para bioacústica (Ghani et al., 2023). Utilizando um conjunto de dados de aproximadamente 67.000 chamadas exclusivas de Anura, o Ribbit permite a identificação de possíveis mudanças de habitat e alterações populacionais em regiões pouco estudadas.
Socialmente, o teste beta do Ribbit envolveu 50 participantes, criando um novo caminho para a pesquisa científica orientada pela comunidade. A plataforma democratiza a coleta de dados, reduzindo as barreiras à participação em pesquisas ecológicas. 95% dos usuários pesquisados estavam dispostos a compartilhar suas gravações com o GBIF, contribuindo para os dados globais de biodiversidade.
Do ponto de vista econômico, o Ribbit reduz significativamente os custos de monitoramento. O monitoramento tradicional da biodiversidade para 50 locais custaria aproximadamente US$ 118.413, incluindo equipamentos, mão de obra e análise de dados. Em contrapartida, o custo operacional mensal do Ribbit é estimado em US$ 48.543,77, incluindo a infraestrutura AWS e pessoal qualificado. Essa abordagem econômica permite que os profissionais concentrem os recursos em ações de conservação com base nos dados coletados.
Beneficiários
O Ribbit beneficia os cientistas cidadãos por meio da participação em pesquisas, as comunidades locais por meio do monitoramento ecológico e os pesquisadores de conservação por meio da coleta adicional de dados sobre anuros em ecossistemas anteriormente pouco pesquisados, mas ricos em biodiversidade.
Além disso, explique o potencial de escalabilidade de sua solução. Ela pode ser replicada ou expandida para outras regiões ou ecossistemas?
A solução da Ribbit demonstra um potencial significativo de escalabilidade por meio de sua abordagem inovadora de aprendizado de máquina, especificamente projetada para se adaptar e melhorar com entradas de dados cada vez mais diversas. O modelo de aprendizado de transferência de poucos disparos pode ser sistematicamente expandido para outros ecossistemas ricos em anfíbios em todo o mundo, com aplicabilidade especial em pontos críticos de biodiversidade em regiões tropicais e subtropicais.
A arquitetura tecnológica central é inerentemente adaptável, permitindo a integração perfeita de dados acústicos de diferentes contextos geográficos. À medida que gravações de chamadas de anuros mais diversas são coletadas de ecossistemas variados, o modelo de aprendizado de máquina pode ser complementado para se tornar progressivamente mais sofisticado, aumentando a precisão da identificação e expandindo os recursos de reconhecimento de espécies. Esse mecanismo de aprimoramento significa que cada nova contribuição de dados não apenas contribui para o conhecimento científico, mas também refina o desempenho da plataforma tecnológica.
O potencial de replicação se estende por vários domínios. A plataforma poderia ser adaptada para outros grupos de animais acusticamente distintos, permitindo abordagens de monitoramento semelhantes para insetos ou mamíferos. Além disso, a tecnologia permite o desenvolvimento de módulos específicos da região que podem ser personalizados para contextos ecológicos locais, criando ferramentas de pesquisa flexíveis que respondem a necessidades ambientais específicas. Ao promover redes de pesquisa colaborativa que podem compartilhar dados e aprimoramentos de modelos, o Ribbit oferece uma estrutura para expandir a compreensão científica além das fronteiras institucionais e geográficas.
A abordagem de acesso aberto e o design modular da solução a tornam particularmente adequada para o dimensionamento global. Ao priorizar a acessibilidade do usuário, o rigor científico e o aprendizado contínuo, o Ribbit oferece um modelo replicável para o monitoramento da biodiversidade habilitado pela tecnologia que pode ser adaptado às diversas necessidades de pesquisa ecológica.
Estrutura Global de Biodiversidade (GBF)
Objetivos de Desenvolvimento Sustentável
História
Fazer pesquisa de campo na floresta tropical colombiana pode ser um desafio. Uma umidade relativa de 100% significa que seu equipamento de campo precisa ser mantido em sílica para sobreviver. A falta de eletricidade significa que seus dispositivos de gravação podem não carregar a tempo para a próxima sessão de gravação. E, dependendo da época em que você foi a campo, as preocupações com a segurança eram grandes, devido à guerra civil em andamento. Vivenciei todas essas situações em 2007, quando estava fazendo meu mestrado em biologia e pesquisando o comportamento de retorno ao lar em sapos venenosos. Minhas tarefas diárias incluíam caminhar uma hora para cada lado, todos os dias, para ir e voltar do meu local de campo; instalar alto-falantes que reproduziam sons de sapos para ver como os machos do sapo venenoso arlequim reagiam às mudanças em seu ambiente. Meu único companheiro era Yaz, um membro local da comunidade, cuja história de vida foi inspiradora para mim. Ele deixou de raspar folhas de coca para os grupos rebeldes armados para trabalhar em uma ONG e criar sua pousada ecológica, onde as pessoas podem fazer expedições de observação de sapos. Quando fiquei sabendo de sua mais recente empreitada, pensei comigo mesmo: E se pudéssemos combinar uma viagem exótica à floresta tropical com uma contribuição à ciência? Então, entrei em contato com meus colegas biólogos e apresentei a eles minha ideia de um aplicativo de ciência cidadã que identificaria automaticamente uma rã chamando. Veja abaixo o feedback de um deles:
"Quero parabenizá-lo pelo desenvolvimento do Ribbit. Sou um cientista da biodiversidade que trabalha na Colômbia e tive a oportunidade de testemunhar em primeira mão o impacto que o eBird teve sobre o monitoramento e a apropriação social das aves na Colômbia, e as pessoas sempre perguntam... por que só aves? Minha resposta geralmente é porque elas são as mais fáceis de serem encontradas e identificadas por não cientistas, mas com aplicativos como o Ribbit isso não precisa ser assim para sempre!
Contar com sons para a identificação, que são muito mais fáceis de gravar com um telefone comum do que tentar tirar uma foto real de um sapo na natureza, é uma excelente ideia e, assim como aconteceu com o eBird, quanto mais as pessoas usarem o aplicativo, melhores serão as informações que ele fornecerá. Uma pergunta tão "simples" como quais espécies vivem onde/quando ainda é um desafio em países megadiversos como a Colômbia, portanto, todos os dados gerados pelo Ribbit serão úteis para enfrentar esse desafio.
Continue trabalhando duro e nos informe se pudermos ajudar de alguma forma."
Lina M Sánchez-Clavijo, PhD
Pesquisadora principal
Escritório de Informações Científicas
Instituto Humboldt
Depoimento de: Juliana Gómez Consuegra, líder da equipe Ribbit