Todos os dias, sat\u00e9lites circulam nosso planeta, coletando quantidades massivas de dados sobre florestas, litorais, cidades e terras agr\u00edcolas. Mais do que qualquer equipe de analistas poderia ler. O gargalo da ind\u00fastria de observa\u00e7\u00e3o da Terra n\u00e3o \u00e9 a escassez de pixels, mas nossa capacidade de dar sentido a eles com rapidez suficiente para agir sobre o que mostram. \u00c9 aqui que a intelig\u00eancia artificial se tornou essencial para a observa\u00e7\u00e3o da Terra, e \u00e9 por isso que a quest\u00e3o de saber se a IA pode ajudar a construir um futuro mais sustent\u00e1vel n\u00e3o \u00e9 abstrata para nossa ind\u00fastria. \u00c9 agora uma quest\u00e3o pr\u00e1tica e cotidiana. <\/p>\n\n
\u00c9 tamb\u00e9m uma quest\u00e3o que vale a pena fazer honestamente, porque a IA n\u00e3o \u00e9 automaticamente uma for\u00e7a para o bem. Ela carrega um custo ambiental real. \u00c9 por isso que precisamos olhar para ela de todos os lados: onde a IA genuinamente melhora a sustentabilidade, onde a cr\u00edtica se sustenta e o que \u00e9 necess\u00e1rio para us\u00e1-la de forma respons\u00e1vel. <\/p>\n\n
Intelig\u00eancia Artificial \u00e9 um software que aprende padr\u00f5es a partir de dados em vez de seguir regras que uma pessoa escreveu antecipadamente. Na observa\u00e7\u00e3o da Terra, essa capacidade passou de uma curiosidade de pesquisa para algo de que o campo agora depende, porque os sat\u00e9lites produzem muito mais imagens, contendo muito mais informa\u00e7\u00f5es, do que qualquer pessoa poderia revisar e extrair manualmente. <\/p>\n\n
Hoje a IA funciona em toda a cadeia de OT. Ela monitora a cobertura do solo e a sa\u00fade das culturas, e detecta desmatamento, degrada\u00e7\u00e3o da terra e novas constru\u00e7\u00f5es em \u00e1reas grandes demais para verificar manualmente. Ela combina sensores \u00f3pticos, de radar e t\u00e9rmicos para que nuvens e escurid\u00e3o n\u00e3o escondam mais o que est\u00e1 acontecendo no solo. A Ag\u00eancia Espacial Europeia at\u00e9 colocou IA diretamente em seus sat\u00e9lites, processando imagens de radar em \u00f3rbita para que apenas os resultados \u00fateis viajem de volta \u00e0 Terra, em vez do volume total de dados brutos. <\/p>\n\n
A tend\u00eancia mais clara \u00e9 a mudan\u00e7a do monitoramento para a previs\u00e3o. Por muito tempo, a observa\u00e7\u00e3o da Terra foi capaz de nos dizer o que j\u00e1 aconteceu: uma floresta desmatada, um litoral erodido, uma mina expandida. Os novos casos de uso est\u00e3o se movendo em dire\u00e7\u00e3o \u00e0 antecipa\u00e7\u00e3o. Modelos treinados em padr\u00f5es passados e simulados s\u00e3o cada vez mais capazes de dizer onde o desmatamento provavelmente se espalhar\u00e1, quais \u00e1reas apresentam maior risco e como uma paisagem responder\u00e1 \u00e0 seca ou ao clima extremo antes que o dano seja feito. Essa mudan\u00e7a, de reagir a eventos para v\u00ea-los chegando, \u00e9 a coisa mais importante que a IA est\u00e1 trazendo para nosso trabalho. <\/p>\n\n
Qualquer afirma\u00e7\u00e3o honesta de que a IA ajuda o planeta tamb\u00e9m deve levar em conta o que a pr\u00f3pria IA custa ao planeta, e esse custo \u00e9 real e crescente.<\/p>\n\n
De acordo com a Ag\u00eancia Internacional de Energia, a demanda de eletricidade dos data centers est\u00e1 a caminho de aproximadamente dobrar, de cerca de 485 terawatt-horas em 2025 para cerca de 950 terawatt-horas at\u00e9 2030. Isso est\u00e1 pr\u00f3ximo do consumo total de eletricidade da Alemanha e da Fran\u00e7a combinados, e cerca de 3 % da demanda global. Al\u00e9m disso, a demanda de instala\u00e7\u00f5es focadas em IA sozinha aumentou cerca de 50 % em um \u00fanico ano. Al\u00e9m da eletricidade, h\u00e1 a \u00e1gua usada para resfriamento e a demanda concentrada pelos minerais cr\u00edticos que comp\u00f5em o hardware. A pegada n\u00e3o est\u00e1 em quest\u00e3o. <\/p>\n\n
H\u00e1 tamb\u00e9m um problema menos \u00f3bvio. A IA \u00e9 uma ferramenta geral sem valores pr\u00f3prios. O mesmo modelo que detecta danos ambientais pode otimizar facilmente a atividade que os causa. ‘IA para sustentabilidade’ \u00e9 uma afirma\u00e7\u00e3o a ser conquistada caso a caso, n\u00e3o um r\u00f3tulo que se torna verdadeiro por si s\u00f3. <\/p>\n\n
H\u00e1 outro lado nisso, no entanto. A mesma ag\u00eancia observa que os data centers ainda representam menos de 1 % das emiss\u00f5es globais de carbono. Mais importante ainda, ela espera que usar as ferramentas de IA que j\u00e1 temos de forma mais ampla possa economizar v\u00e1rias vezes mais emiss\u00f5es do que os data centers produzem, algo em torno de 5 % de todas as emiss\u00f5es relacionadas \u00e0 energia at\u00e9 2035. O custo \u00e9 real, mas o benef\u00edcio pode ser maior. Se a IA ajuda o clima ou o prejudica depende de como a usamos, n\u00e3o da tecnologia em si. <\/p>\n\n
A observa\u00e7\u00e3o da Terra existe para ajudar com problemas ambientais concretos: parar o desmatamento e a extra\u00e7\u00e3o ilegal antes que se espalhem, proteger a biodiversidade e a \u00e1gua doce, preparar-se para secas e inunda\u00e7\u00f5es e combater a polui\u00e7\u00e3o como um todo. Os sat\u00e9lites s\u00e3o muito bons em ver tudo isso. O problema \u00e9 que ver n\u00e3o \u00e9 o mesmo que resolver, e uma lacuna teimosa existe entre o que um sat\u00e9lite pode observar e o que realmente muda no solo. <\/p>\n\n
A velocidade \u00e9 o componente essencial dentro deste desafio. O dano tem que ser capturado enquanto ainda pode ser interrompido, e muito monitoramento \u00e9 simplesmente lento demais para fazer isso. Quando as imagens foram coletadas, processadas e revisadas, a floresta j\u00e1 est\u00e1 desmatada ou o p\u00e2ntano j\u00e1 est\u00e1 drenado. Para extra\u00e7\u00e3o ilegal de madeira e minera\u00e7\u00e3o, algumas semanas decidem se algu\u00e9m chega a tempo. <\/p>\n\n
Onde o monitoramento acontece importa tanto quanto a velocidade com que acontece. Os lugares que mais importam, como florestas tropicais, terras agr\u00edcolas de pequenos propriet\u00e1rios, as bordas remotas do Sul Global, tendem a ter os dados mais escassos e menos consistentes. Eles s\u00e3o cobertos por nuvens durante grande parte do ano, e seus primeiros sinais de estresse s\u00e3o sutis o suficiente para que a an\u00e1lise comum frequentemente os perca. A cobertura \u00e9 mais fraca exatamente nos pontos onde as apostas s\u00e3o mais altas. <\/p>\n\n
Mais dif\u00edcil ainda \u00e9 olhar para frente em vez de para tr\u00e1s. A maior parte do valor est\u00e1 em saber o que est\u00e1 prestes a acontecer, n\u00e3o o que j\u00e1 aconteceu. Onde o desmatamento se espalhar\u00e1 na pr\u00f3xima esta\u00e7\u00e3o, quais \u00e1reas inundar\u00e3o ou secar\u00e3o, onde uma praga ou doen\u00e7a se manifestar\u00e1? A observa\u00e7\u00e3o da Terra \u00e9 constru\u00edda para registrar o presente e o passado, e um clima em mudan\u00e7a continua produzindo condi\u00e7\u00f5es sem precedentes para aprender, ent\u00e3o o futuro permanece dif\u00edcil de ler apenas a partir de imagens. <\/p>\n\n
E mesmo quando os dados existem, a maioria deles nunca se transforma em uma decis\u00e3o. As imagens se acumulam mais r\u00e1pido do que qualquer pessoa pode trabalhar com elas, os resultados frequentemente chegam tarde demais para serem \u00fateis, e as pessoas que mais precisam deles, como ag\u00eancias ambientais, servi\u00e7os florestais e comunidades locais, frequentemente n\u00e3o conseguem obter os dados ou n\u00e3o t\u00eam as ferramentas para us\u00e1-los. Coletar mais do planeta significa pouco se nada disso chega a algu\u00e9m que possa agir. <\/p>\n\n
Tudo isso carrega um custo f\u00e1cil de ignorar. Observar o planeta inteiro, repetidamente, em alta resolu\u00e7\u00e3o \u00e9 caro em dinheiro e em energia. Capturar, mover, armazenar e processar tantas imagens adiciona \u00e0 mesma pegada de IA descrita acima, e na pr\u00e1tica essa despesa decide quanto do mundo \u00e9 observado e com que frequ\u00eancia. <\/p>\n\n
Outro limite \u00e9 a confian\u00e7a, e \u00e9 um dos mais importantes. Cada vez mais, a observa\u00e7\u00e3o da Terra est\u00e1 por tr\u00e1s de responsabilidade real: mercados de carbono, as regras da UE sobre desmatamento e metano, relat\u00f3rios clim\u00e1ticos de empresas. Quando dinheiro e conformidade dependem do resultado, errar \u00e9 custoso. Pesquisadores j\u00e1 mostraram que a contabilidade de carbono baseada em sat\u00e9lite pode superestimar quanto carbono est\u00e1 armazenado e inflar reivindica\u00e7\u00f5es de compensa\u00e7\u00e3o quando os m\u00e9todos por tr\u00e1s dela n\u00e3o s\u00e3o devidamente verificados, e a maioria dos compradores de cr\u00e9ditos de carbono diz que a confiabilidade \u00e9 sua principal preocupa\u00e7\u00e3o. Todo o sistema depende de verifica\u00e7\u00e3o em que as pessoas possam realmente confiar, n\u00e3o apenas verifica\u00e7\u00e3o que funciona automaticamente. <\/p>\n\n
D\u00ea um passo atr\u00e1s e os limites compartilham uma raiz. Em quase nenhum desses casos o problema real \u00e9 a falta de imagens. \u00c9 a lacuna entre ver algo e fazer algo a respeito, e no trabalho ambiental essa lacuna custa mais do que atraso comum, porque o que voc\u00ea est\u00e1 observando geralmente n\u00e3o pode ser desfeito. Essa lacuna \u00e9 exatamente onde a IA \u00e9 \u00fatil. <\/p>\n\n
A maior parte do que a IA faz volta a uma coisa. Ela encurta a viagem do que um sat\u00e9lite v\u00ea para o que uma pessoa pode agir. <\/p>\n\n
Os ganhos mais claros est\u00e3o na velocidade e no alcance. A IA detecta mudan\u00e7as muito mais r\u00e1pido do que qualquer processo manual e em \u00e1reas que nenhuma equipe poderia cobrir, e funciona onde o monitoramento costumava falhar. Ao combinar dados \u00f3pticos, de radar e t\u00e9rmicos, ela v\u00ea atrav\u00e9s de nuvens e escurid\u00e3o, e aprende a captar os sinais iniciais fracos de estresse, um dossel rarefeito, fragmenta\u00e7\u00e3o, pequenas mudan\u00e7as na umidade ou temperatura da superf\u00edcie, que outros m\u00e9todos perdem. Pesquisadores da NASA recentemente combinaram v\u00e1rios sat\u00e9lites para sinalizar desmatamento tropical mais de tr\u00eas meses antes do que anteriormente. Com cerca de 10 milh\u00f5es de hectares de floresta tropical perdidos a cada ano, tr\u00eas meses \u00e9 a diferen\u00e7a entre parar um desmatamento e registr\u00e1-lo. Essa mesma velocidade \u00e9 o que finalmente ajuda com a lacuna de valor, porque a IA \u00e9 a \u00fanica maneira realista de trabalhar com tantas imagens e devolver uma lista curta e classificada do que realmente importa, enquanto ainda importa. <\/p>\n\n
A mudan\u00e7a maior \u00e9 de ler o passado para antecipar o futuro. Treinados em padr\u00f5es hist\u00f3ricos e simulados, os modelos apontam cada vez mais para onde o desmatamento se mover\u00e1 em seguida, quais \u00e1reas enfrentam inunda\u00e7\u00e3o ou seca e quais florestas provavelmente declinar\u00e3o antes que qualquer coisa apare\u00e7a em uma imagem. Isso \u00e9 o que transforma monitoramento em preven\u00e7\u00e3o, e \u00e9 a mudan\u00e7a com mais alavancagem para o meio ambiente. <\/p>\n\n
A confian\u00e7a \u00e9 a \u00fanica \u00e1rea onde a IA s\u00f3 ajuda sob certas condi\u00e7\u00f5es, e o metano mostra ambos os lados disso. Vazamentos de metano s\u00e3o dispersos e remotos, o que os torna dif\u00edceis de rastrear, mas modelos de IA agora podem escanear imagens de sat\u00e9lite p\u00fablicas e identificar plumas em locais individuais a cada dois dias, alimentando sistemas como o Sistema de Alerta e Resposta de Metano do Programa das Na\u00e7\u00f5es Unidas para o Meio Ambiente e aproximando dados de emiss\u00f5es da fiscaliza\u00e7\u00e3o. Nos mercados de carbono, a IA pode assumir as pesquisas de campo lentas e caras que a verifica\u00e7\u00e3o costumava exigir. Mas a mesma automa\u00e7\u00e3o que reduz custos tamb\u00e9m pode multiplicar erros, ent\u00e3o ela s\u00f3 ganha confian\u00e7a se os pr\u00f3prios modelos forem verificados independentemente. A IA \u00e9 um verificador melhor do que o que veio antes. Ela n\u00e3o \u00e9 uma substitui\u00e7\u00e3o para o escrut\u00ednio. <\/p>\n\n
H\u00e1 tamb\u00e9m um benef\u00edcio mais oculto. Bem usada, a IA pode tornar a observa\u00e7\u00e3o da Terra mais leve em vez de mais pesada. A energia necess\u00e1ria por tarefa continua caindo, processar imagens no sat\u00e9lite reduz quanto tem que ser enviado e armazenado, e maneiras mais inteligentes de lidar com dados, incluindo gerar dados de treinamento sint\u00e9ticos em vez de capturar e rotular cada vez mais do mundo real, reduzem quanto de novas imagens tem que ser coletado. <\/p>\n\n
Se o valor da IA depende de como ela \u00e9 usada, ent\u00e3o us\u00e1-la de forma respons\u00e1vel se resume a alguns compromissos concretos em vez de um slogan.<\/p>\n\n
Significa colocar a IA para trabalhar onde o benef\u00edcio ambiental claramente supera sua pegada, n\u00e3o simplesmente em todos os lugares onde ela pode tecnicamente ir. Significa verificar os modelos em que cada vez mais confiamos com responsabilidade ambiental, para que o monitoramento automatizado de carbono e emiss\u00f5es ganhe sua credibilidade em vez de assumi-la. Significa fechar a lacuna de capacidade, para que as ag\u00eancias e comunidades na linha de frente possam realmente usar os dados e as ferramentas, n\u00e3o apenas as organiza\u00e7\u00f5es que podem pag\u00e1-los. E significa construir para efici\u00eancia em vez de escala, fazer mais com menos dados, menos computa\u00e7\u00e3o e menos capturas repetidas. <\/p>\n\n
Esse \u00faltimo ponto \u00e9 onde nos concentramos na Another Earth. Estamos construindo a camada de dados preditiva para o mundo f\u00edsico, e come\u00e7a com algo que perpassa todo este texto: o problema raramente \u00e9 a falta de imagens, \u00e9 a falta de dados de treinamento utiliz\u00e1veis. \u00c9 por isso que criamos dados de sat\u00e9lite sint\u00e9ticos de alta resolu\u00e7\u00e3o, constru\u00eddos especificamente para treinar e testar os modelos de IA usados para trabalho ambiental, de biodiversidade e clim\u00e1tico. Como v\u00eam prontos para rotulagem, os modelos podem atingir desempenho confi\u00e1vel com uma fra\u00e7\u00e3o dos dados do mundo real que de outra forma precisariam. \u00c9 uma pe\u00e7a de um quebra-cabe\u00e7a muito maior, mas \u00e9 a pe\u00e7a que ajuda as organiza\u00e7\u00f5es a passar do monitoramento reativo para o planejamento preditivo, de limpar depois de uma crise para v\u00ea-la chegando. <\/p>\n\n
A IA \u00e9 uma das ferramentas mais poderosas que nossa ind\u00fastria j\u00e1 teve, e j\u00e1 est\u00e1 mudando a observa\u00e7\u00e3o da Terra. Ela acelera a rapidez com que notamos mudan\u00e7as, estende o monitoramento a lugares que nunca poder\u00edamos ter tido condi\u00e7\u00f5es de observar antes e transforma um fluxo de imagens em algo mais pr\u00f3ximo de previs\u00e3o. <\/p>\n\n
Mas toda ferramenta poderosa tem uma desvantagem, e a IA n\u00e3o \u00e9 exce\u00e7\u00e3o. Ela usa energia e \u00e1gua, adiciona press\u00e3o a cadeias de suprimentos que j\u00e1 est\u00e3o tensas e servir\u00e1 a um objetivo prejudicial t\u00e3o fielmente quanto a um bom. A tecnologia n\u00e3o decide se ajuda o planeta. N\u00f3s decidimos. <\/p>\n\n
Ent\u00e3o a resposta honesta para saber se a IA pode impulsionar um futuro mais sustent\u00e1vel \u00e9 sim, mas apenas de prop\u00f3sito. Significa usar a IA onde o retorno ambiental claramente supera o custo, construir dados e sistemas que fazem mais com menos e ser aberto sobre as compensa\u00e7\u00f5es em vez de fingir que elas n\u00e3o est\u00e3o l\u00e1. Esse \u00e9 o padr\u00e3o que tentamos manter: construir a infraestrutura de dados que permite que os ecossistemas mais importantes do planeta sejam vistos, compreendidos e protegidos, mantendo a pegada desse trabalho o mais leve poss\u00edvel. <\/p>\n","protected":false},"excerpt":{"rendered":"
Todos os dias, sat\u00e9lites circulam nosso planeta, coletando quantidades massivas de dados sobre florestas, litorais, cidades e terras agr\u00edcolas. Mais do que qualquer equipe de analistas poderia ler. O gargalo da ind\u00fastria de observa\u00e7\u00e3o da Terra n\u00e3o \u00e9 a escassez de pixels, mas nossa capacidade de dar sentido a eles com rapidez suficiente para agir […]<\/p>\n","protected":false},"author":5,"featured_media":14684,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[100,108,101],"tags":[103,102,104,109,107],"class_list":["post-14683","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia","category-natureza","category-tecnologia","tag-dados-sinteticos","tag-ia","tag-observacao-da-terra","tag-satelite","tag-sustentabilidade"],"acf":[],"_links":{"self":[{"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/posts\/14683","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/comments?post=14683"}],"version-history":[{"count":1,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/posts\/14683\/revisions"}],"predecessor-version":[{"id":14685,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/posts\/14683\/revisions\/14685"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/media\/14684"}],"wp:attachment":[{"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/media?parent=14683"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/categories?post=14683"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/anotherearth.ai\/pt-br\/wp-json\/wp\/v2\/tags?post=14683"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}