França ajuda o Reino Unido a criar uma nova inteligência artificial para detetar minas.

França e Reino Unido estão a reforçar a sua parceria naval - desta vez não com fragatas nem com mísseis, mas com algoritmos concebidos para detetar, classificar e acompanhar minas subaquáticas letais com muito mais rapidez do que qualquer equipa humana conseguiria, por si só.

Minas partilhadas, riscos partilhados, código partilhado

As minas marítimas podem parecer um vestígio de noticiários da Segunda Guerra Mundial, mas continuam presentes em grande número no fundo do mar e mantêm-se como armas baratas e eficazes para Estados hostis ou grupos não estatais. França e Reino Unido dependem de rotas marítimas intensamente utilizadas para energia, comércio e projeção militar, o que torna a guerra de minas um problema demasiado sério para ser tratado como secundário.

É neste contexto que Paris entra para apoiar Londres na criação de um novo sistema de inteligência artificial (IA) pensado para detetar, classificar e seguir minas navais a um ritmo muito superior ao dos operadores humanos.

Em vez de colocar mergulhadores perto de explosivos, a nova IA pretende transformar enxames de drones e sensores inteligentes na primeira linha de defesa.

A França traz para a cooperação anos de experiência acumulada em contramedidas de minas, desde processamento de sonar até ao desenvolvimento e emprego de veículos subaquáticos autónomos. Do lado britânico, o foco está em calendários exigentes para integrar IA em operações da Marinha Real. A ambição conjunta é combinar essas vantagens numa capacidade operacional coerente.

Como a IA está a mudar a guerra de minas no mar

Na abordagem tradicional, a caça a minas depende de varrimentos de sonar lentos e meticulosos, seguidos de análise especializada. As equipas passam horas a examinar imagens pouco nítidas e assinaturas acústicas, tentando separar uma rocha, sucata ou destroços de uma possível mina. Este processo consome tempo e mantém navios e tripulações expostos em águas potencialmente disputadas.

A iniciativa franco-britânica procura substituir grande parte desse desgaste por sistemas de aprendizagem automática treinados com milhares de imagens subaquáticas e registos de sensores. Em termos práticos, estes modelos poderão correr a bordo de drones de superfície, robôs subaquáticos e navios-mãe, sinalizando formas suspeitas, incorporando o retorno dos operadores e melhorando a cada missão.

O objetivo é uma IA que atue como um operador de sonar experiente: não se cansa, não perde o foco e consegue vigiar dezenas de fluxos de dados em simultâneo.

Da partilha de dados aos testes conjuntos no Canal da Mancha e no Mar do Norte

Esta cooperação não se limita a uma troca formal de notas técnicas. As equipas francesas e britânicas deverão partilhar, de forma estruturada:

• Grandes conjuntos de dados de sonar e imagens óticas recolhidos em diferentes mares e fundos marinhos
• Ferramentas de simulação que reproduzem ambientes subaquáticos ruidosos e cheios de “ruído” e falsos alvos
• Áreas de teste onde protótipos possam ser avaliados com restrições operacionais reais
• Procedimentos para integrar recomendações de IA em decisões de comando naval

Os ensaios conjuntos no Canal da Mancha e no Mar do Norte vão exigir que a IA lide com correntes fortes, tráfego intenso e fundos marinhos altamente refletivos. Em seguida, conjuntos de dados do Mediterrâneo recolhidos em operações francesas deverão alargar o “repertório” do sistema, evitando que o desempenho fique demasiado preso a um único ambiente.

O que cada lado traz para a mesa (França e Reino Unido nas contramedidas de minas e IA)

França	Reino Unido
Tradição longa em guerra de minas e investigação em sonar	Modernização naval ambiciosa com forte foco em IA
Base industrial para drones subaquáticos e sensores	Experiência operacional em grupos de contramedidas de minas da NATO
Laboratórios académicos especializados em reconhecimento de padrões em ambientes ruidosos	Competências de software e computação na nuvem com apoio de grandes parceiros tecnológicos britânicos

Para responsáveis de ambos os países, o projeto é mais do que uma atualização técnica. Funciona também como sinal de que marinhas europeias conseguem cooperar em profundidade no campo da IA sem depender sempre de enquadramentos maiores da NATO ou da União Europeia. E espelha uma realidade prática: nenhuma marinha, isoladamente, consegue reunir dados de treino suficientes para criar uma IA subaquática verdadeiramente robusta.

Porque é que as minas continuam a preocupar as marinhas modernas

As minas combinam três características que inquietam qualquer planeador: são baratas, difíceis de detetar e devastadoras quando um navio atinge uma. Em estrangulamentos marítimos, acessos a portos e canais de navegação, bastam poucos dispositivos para interromper tráfego ou impor desvios dispendiosos.

As gerações mais recentes podem ficar inativas durante meses, “acordar” ao identificar assinaturas acústicas específicas, ou deslocar-se lentamente com as correntes. Detetá-las exige ferramentas flexíveis, capazes de reagir a comportamentos anómalos - não apenas a padrões fixos. É aqui que a IA e os modelos probabilísticos ganham vantagem sobre software rígido baseado em regras.

Uma única mina por detetar pode paralisar um porto; uma resposta excessivamente cautelosa pode travar o comércio durante dias. A IA tem de equilibrar rapidez e certeza.

O controlo humano mantém-se no centro

Apesar da ambição, nenhuma das marinhas pretende entregar decisões de vida ou morte a algoritmos. Os sistemas em discussão deverão funcionar como apoio à decisão, apresentando aos comandantes listas hierarquizadas de prováveis ameaças, níveis de confiança e rotas recomendadas.

O veredito final - neutralizar um contacto, desviar tráfego ou ordenar uma inspeção mais próxima - continuará a caber a pessoas. Este modelo com humano no circuito reforça a responsabilização, um tema particularmente sensível à medida que as forças armadas adotam IA de forma mais abrangente.

Desafios técnicos debaixo de água

O ambiente subaquático é duro para qualquer IA. Ecos de sonar podem refletir-se de forma imprevisível em rochas, naufrágios e até cardumes. Temperatura da água, salinidade e composição do fundo alteram o comportamento do sinal de região para região. Um modelo treinado no Canal da Mancha pode falhar no Mar Báltico ou em baías tropicais pouco profundas.

Para lidar com isso, engenheiros franceses e britânicos estão a apostar em arquiteturas adaptáveis. Entre as linhas de trabalho mais relevantes contam-se:

• Aprendizagem por transferência, para que modelos treinados numa área se adaptem rapidamente a outra
• Aprendizagem a bordo, permitindo que drones ajustem algoritmos de deteção durante missões
• Fusão de múltiplos sensores - acústicos, magnéticos e óticos - para uma classificação mais fiável
• Ferramentas de explicabilidade, para mostrar aos operadores por que motivo a IA marcou um objeto como provável mina

Há ainda limites de energia a considerar. Veículos subaquáticos dependem de baterias, pelo que os processadores precisam de entregar análise de alta qualidade sem consumir energia em excesso. Isto condiciona, desde o início, escolhas de hardware e a otimização do código.

Cibersegurança, governação de dados e interoperabilidade

Quanto mais estes sistemas dependerem de dados partilhados, atualizações e integração com redes de comando, mais importante se torna proteger toda a cadeia: sensores, armazenamento, treino e distribuição de modelos. Uma adulteração subtil de dados de treino ou uma atualização comprometida pode degradar o desempenho e aumentar falsos alarmes - ou, pior, criar pontos cegos.

Além disso, a interoperabilidade operacional é essencial. Para que drones, navios-mãe e centros de comando de ambos os países consigam trabalhar como uma força coerente, é necessário harmonizar formatos de dados, interfaces e procedimentos, garantindo que a IA produz recomendações compreensíveis e utilizáveis em diferentes doutrinas e sistemas de comando e controlo.

Riscos, salvaguardas e potenciais utilizações indevidas

Qualquer projeto militar de IA desperta receios de escalada e perda de controlo. No caso da guerra de minas, o maior risco não está tanto numa autonomia letal, mas em deriva do sistema e erros de classificação. Um modelo demasiado agressivo pode confundir detritos inofensivos com ameaças, impondo grandes desvios e atrasos ao comércio. Um modelo permissivo pode ignorar uma arma disfarçada.

Para reduzir estes riscos, o programa franco-britânico deverá incluir campanhas rigorosas de validação e exercícios de equipa vermelha, nos quais especialistas independentes tentam enganar os modelos com cenários adversariais. As regras de empenhamento também irão definir quanto peso os comandantes atribuem às recomendações de IA em contexto de paz, crise e guerra.

Das minas navais às aplicações civis

Os algoritmos criados para caça a minas não deverão ficar confinados a operações navais. Muitas das técnicas envolvidas coincidem com tarefas civis como monitorização de infraestruturas offshore, inspeção de cabos submarinos e levantamentos ambientais.

Um modelo treinado para distinguir uma mina de uma rocha também pode ajudar a separar uma conduta danificada de “ruído” de fundo, ou a identificar despejos ilegais no fundo marinho. Este potencial de dupla utilização abre oportunidades económicas para as indústrias marítimas de ambos os países e dá aos parceiros comerciais incentivos para investir em sensores melhores e plataformas de computação mais eficientes.

Termos-chave e o que significam

Algumas expressões técnicas surgem recorrentemente nas discussões em torno deste projeto:

• Contramedidas de minas (MCM): conjunto de atividades destinadas a prevenir, reduzir ou neutralizar a ameaça de minas navais, desde a deteção até à neutralização segura.
• Veículo subaquático autónomo (AUV): submersível robótico capaz de se deslocar e recolher dados sem controlo contínuo a partir de um navio.
• Classificação por sonar: processo de analisar ondas sonoras refletidas para inferir que tipo de objeto as produziu.
• Operações em enxame: utilização coordenada de múltiplos drones que comunicam entre si e repartem tarefas em tempo real.

À medida que a cooperação franco-britânica se aprofunda, estes termos tendem a entrar no vocabulário corrente de quem acompanha assuntos navais. E apontam para um futuro em que as armas mais eficazes contra minas subaquáticas podem não ser novos explosivos, mas algoritmos bem treinados a operar discretamente em máquinas que patrulham sob as ondas.