França apoia o Reino Unido no desenvolvimento de uma nova IA para deteção de minas.

A França e o Reino Unido estão a reforçar a sua parceria naval - desta vez não com fragatas nem com mísseis, mas com algoritmos concebidos para localizar minas subaquáticas letais.

Minas partilhadas, riscos partilhados, código partilhado

As minas marítimas podem soar a imagens antigas da Segunda Guerra Mundial, mas continuam a existir em grande número no fundo do mar e mantêm-se como armas baratas, acessíveis tanto a Estados hostis como a grupos não estatais. França e Reino Unido dependem de rotas marítimas intensamente utilizadas para abastecimento energético, comércio e projecção militar, pelo que a guerra de minas é um problema que não podem desvalorizar.

É neste contexto que Paris está a ajudar Londres a desenvolver um novo sistema de inteligência artificial (IA) capaz de detectar, classificar e acompanhar minas navais com uma rapidez muito superior à que operadores humanos conseguem alcançar por si só.

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

Centros de investigação franceses e empresas de defesa acumulam há anos experiência em medidas de contraminagem (MCM) - desde processamento de sonar a veículos subaquáticos autónomos (AUV). Do lado britânico, a aposta passa por calendários exigentes para integrar IA nas operações da Marinha Real. A cooperação procura combinar estas duas vantagens.

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

A caça tradicional a minas assenta em varrimentos de sonar lentos e meticulosos, seguidos de análise especializada. As tripulações passam horas a examinar imagens pouco nítidas e assinaturas acústicas, tentando separar uma rocha de uma caixa de mina. Este método consome tempo e mantém navios e equipas expostos em águas potencialmente disputadas.

A iniciativa franco-britânica quer substituir grande parte desse esforço repetitivo por sistemas de aprendizagem automática treinados com milhares de imagens subaquáticas e registos de sensores. Na prática, os modelos correriam a bordo de drones de superfície, robôs subaquáticos e navios-mãe, assinalando formas suspeitas, incorporando feedback dos operadores e melhorando a cada patrulha.

O objectivo é uma IA que funcione como um operador de sonar experiente: não se cansa, não perde a concentração e consegue acompanhar dezenas de fluxos de dados ao mesmo tempo.

Além da detecção, a automatização tende a acelerar o ciclo completo de MCM: triagem inicial, reavaliação com sensores diferentes, priorização de contactos e planeamento de rotas mais seguras. Em cenários de crise, minutos poupados podem significar menos tempo parado num estreito, num acesso portuário ou numa zona de escolta.

Da partilha de dados aos ensaios conjuntos de IA para contraminagem (MCM)

Esta cooperação não se limita a um intercâmbio cordial de notas técnicas. As equipas francesas e britânicas deverão partilhar, de forma estruturada:

• Grandes conjuntos de dados de imagens de sonar e ópticas recolhidas em diferentes mares e fundos marinhos
• Ferramentas de simulação que reproduzem ambientes subaquáticos com muito ruído e “desordem” visual
• Campos de testes onde protótipos possam ser avaliados com restrições operacionais reais
• Procedimentos para integrar recomendações da IA no processo de decisão de comando naval

Os ensaios conjuntos no Canal da Mancha e no Mar do Norte deverão colocar a IA à prova com correntes fortes, tráfego intenso e fundos altamente reflectores. Em seguida, conjuntos de dados do Mediterrâneo, recolhidos em operações francesas, servirão para alargar o “repertório” do sistema a outros padrões ambientais.

Uma área adicional que tende a ganhar peso é a governação de dados: definir formatos comuns, rotulagem consistente, rastreabilidade (o que foi usado para treinar e com que qualidade) e regras para actualizar modelos sem introduzir regressões. Em sistemas críticos, a disciplina de dados é tão importante como o próprio algoritmo.

O que cada lado traz para a mesa

França	Reino Unido
Longa tradição em guerra de minas e investigação em sonar	Modernização naval ambiciosa com forte foco em IA
Base industrial em drones subaquáticos e sensores	Experiência operacional em grupos de contraminagem da NATO
Laboratórios académicos especializados em reconhecimento de padrões com ruído	Competências de software e computação em nuvem com grandes parceiros tecnológicos do Reino Unido

Para responsáveis de ambos os países, o projecto vai além de uma simples actualização técnica. Também transmite a mensagem de que marinhas europeias conseguem cooperar de forma profunda em IA sem depender sempre de quadros mais amplos da NATO ou da União Europeia. E reflecte uma realidade prática: nenhuma marinha, isoladamente, consegue recolher dados de treino suficientes para construir uma IA subaquática verdadeiramente robusta.

Porque é que as minas continuam a preocupar as marinhas modernas

As minas reúnem três características que deixam qualquer planeador desconfortável: são baratas, difíceis de detectar e devastadoras quando um navio as atinge. Em estrangulamentos marítimos e aproximações a portos, basta um pequeno número de dispositivos para bloquear tráfego ou obrigar a desvios dispendiosos.

As gerações mais recentes de minas conseguem ficar dormentes durante meses, “acordar” quando detectam assinaturas acústicas específicas, ou derivar lentamente com as correntes. Detectá-las exige ferramentas flexíveis, capazes de lidar com comportamentos pouco usuais e não apenas com padrões fixos. É precisamente aqui que a IA e modelos probabilísticos podem superar software rígido baseado em regras.

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

O controlo humano continua no centro

Apesar das metas ambiciosas, nenhuma das marinhas pretende delegar decisões de vida ou morte em algoritmos. Os sistemas em análise deverão funcionar como apoios à decisão, apresentando listas hierarquizadas de ameaças prováveis, níveis de confiança e recomendações de rota a comandantes humanos.

Esses comandantes mantêm a palavra final sobre neutralizar um contacto, desviar tráfego ou ordenar uma inspecção mais próxima. Este modelo de humano no circuito também reforça a responsabilização, um ponto sensível à medida que as forças armadas adoptam IA de forma mais generalizada.

Desafios técnicos debaixo de água

Os ambientes subaquáticos são implacáveis para a IA. Ecos de sonar reflectem-se de forma imprevisível em rochas, destroços e até cardumes. Temperatura, salinidade e composição do fundo alteram o comportamento do sinal de uma zona para outra. Um modelo treinado no Canal da Mancha pode ter pior desempenho no Báltico ou em baías tropicais pouco profundas.

Para enfrentar isto, engenheiros franceses e britânicos estão a privilegiar arquitecturas adaptáveis. Entre as principais linhas de trabalho contam-se:

• Aprendizagem por transferência, para que modelos treinados numa região se adaptem rapidamente a outra
• Aprendizagem a bordo, permitindo que drones refinem algoritmos de detecção durante as missões
• Fusão de múltiplos sensores - acústicos, magnéticos e ópticos - para uma classificação por sonar e por sensores mais fiável
• Ferramentas de explicabilidade, para mostrar aos operadores por que motivo a IA assinalou um objecto como provável mina

As limitações de energia também contam. Veículos subaquáticos funcionam com baterias reduzidas, pelo que os processadores têm de oferecer análise de alta qualidade sem esgotar energia demasiado depressa. Isso influencia escolhas de hardware e optimização de código desde o início.

Um ponto extra, muitas vezes subestimado, é a cibersegurança do ecossistema: drones e sensores dependem de comunicações, actualizações e cadeias de fornecimento. Proteger modelos, dados e ligações contra adulteração é essencial para evitar que um adversário provoque falsos positivos, esconda ameaças reais ou degrade o desempenho no momento crítico.

Riscos, salvaguardas e potenciais utilizações indevidas

Qualquer projecto militar com IA levanta receios de escalada e perda de controlo. No caso da guerra de minas, o risco maior não está tanto na autonomia letal, mas sim na deriva do sistema e em erros de classificação. Um modelo demasiado agressivo pode confundir detritos inofensivos com ameaças, forçando longos desvios e atrasando o comércio. Um modelo permissivo pode ignorar uma arma disfarçada.

Para conter esses perigos, o programa franco-britânico deverá incluir campanhas rigorosas de validação e exercícios com equipas de avaliação adversarial (especialistas independentes que tentam enganar os modelos com cenários hostis). As regras de empenhamento vão definir quanto peso o comando dá às recomendações da IA em tempos de paz, em crise e em guerra.

Das minas navais às aplicações civis

Os algoritmos desenvolvidos para caça a minas não ficarão confinados a operações navais. Muitas das técnicas base são semelhantes às de tarefas civis como monitorização de infra-estruturas offshore, inspecção de cabos submarinos e levantamentos ambientais.

Um modelo treinado para distinguir uma mina de uma rocha também pode ajudar a diferenciar uma conduta danificada de “ruído” inofensivo, ou a detectar despejos ilegais no fundo do mar. Este potencial de dupla utilização cria oportunidades económicas para as indústrias marítimas de ambos os países e dá aos parceiros comerciais motivos para investir em sensores e plataformas de computação mais capazes.

Termos-chave e o que significam

Algumas expressões técnicas surgem repetidamente nas conversas sobre este projecto:

• Medidas de contraminagem (MCM): conjunto de actividades destinadas a prevenir, reduzir ou neutralizar a ameaça de minas navais - da detecção à eliminação 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 reflectidas para inferir que tipo de objecto as originou.
• Operações de enxame: utilização coordenada de múltiplos drones que comunicam e repartem tarefas em tempo real.

À medida que a cooperação franco-britânica se intensifica, estes termos tenderão a entrar no vocabulário habitual de quem acompanha assuntos navais. E desenham um futuro em que as armas mais eficazes contra minas subaquáticas podem não ser novos explosivos, mas algoritmos bem treinados a trabalhar discretamente em máquinas que patrulham por baixo das ondas.