Sistemas de inteligência artificial podem identificar erroneamente sinais de vida em bioassinaturas, revela estudo acadêmico

Um experimento conduzido por Ankit Gupta e Christoph Adami, da Universidade de Míchigan, revelou que sistemas de inteligência artificial treinados para detectar bioassinaturas podem ser facilmente enganados, identificando a presença de vida onde ela não existe. O estudo será apresentado em agosto, durante a Conferência sobre Vida Artificial de 2026, em Waterloo.

A pesquisa focou na capacidade de uma rede neural em distinguir pistas que indiquem a existência de organismos vivos. Para testar essa função, os cientistas utilizaram o Avida, um software que simula processos evolutivos com organismos digitais capazes de mutação e replicação em um ambiente virtual.

A falha na detecção de padrões

O treinamento da IA baseou-se na premissa astrobiológica de que a vida deve codificar e transmitir informações. A rede neural foi exposta a milhares de exemplos de organismos digitais, alguns com instruções de replicação e outros sem. Inicialmente, o sistema demonstrou uma precisão de 99,97% na distinção entre os dois grupos.

Contudo, a eficácia do sistema colapsou ao enfrentar sequências inéditas. Os pesquisadores modificaram gradualmente o código de um organismo digital que não possuía capacidade de replicação. Após aproximadamente 150 alterações, a IA passou a classificá-lo incorretamente como um organismo capaz de autorreplicação.

Gupta afirmou que a rede neural foi enganada em 100% das vezes, independentemente da sequência de comandos inicial. A vulnerabilidade é considerada grave por Adami, que destaca a capacidade da IA de identificar um padrão e classificá-lo de forma totalmente errada, sugerindo que o volume de combinações capazes de confundir o sistema é vasto.

Impactos em missões espaciais e outras tecnologias

Essa fragilidade gera riscos diretos para a exploração espacial, especialmente em projetos da NASA e outras agências. O uso de sensores com IA em robôs em Marte, sondas em luas de Júpiter ou Saturno e telescópios de exoplanetas visa filtrar grandes volumes de dados. Um falso positivo nesses casos poderia levar ao anúncio equivocado de sinais de vida em missões de alto custo financeiro.

A instabilidade na detecção de padrões não se restringe à astrobiologia, podendo comprometer a precisão de:
* Carros autônomos;
* Sistemas de reconhecimento facial;
* Câmeras de segurança;
* Scanners médicos.

Diante desse cenário, Adami defende a implementação de métodos de verificação independentes, reforçando que a supervisão humana é indispensável para validar os resultados gerados por algoritmos.