França ajuda o Reino Unido a criar uma nova inteligência artificial para detetar 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 e acompanhar minas navais letais escondidas no fundo do mar.

Minas partilhadas, riscos partilhados e código partilhado

À primeira vista, as minas navais podem parecer um eco de documentários da Segunda Guerra Mundial. Na prática, continuam espalhadas em grandes quantidades pelos fundos marinhos e permanecem uma arma de baixo custo, atractiva para Estados hostis e também para actores não estatais. Tanto a França como o Reino Unido dependem de rotas marítimas muito movimentadas para energia, comércio e projecção militar - o que torna a guerra de minas um problema demasiado sério para ser ignorado.

Neste contexto, Paris está a apoiar Londres no desenvolvimento de um novo sistema de inteligência artificial (IA) destinado a detectar, classificar e seguir minas navais com uma rapidez que excede, de longe, aquilo que equipas humanas conseguem fazer sozinhas.

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

Os centros de investigação franceses e os seus fornecedores de defesa acumularam anos de prática em contramedidas de minas, desde o processamento de sonar até ao uso de plataformas autónomas subaquáticas. Do lado britânico, a aposta passa por calendários exigentes para integrar IA nas operações da Marinha Real. A colaboração tenta, assim, combinar experiência técnica com velocidade de adopção operacional.

Além do desempenho, há um objectivo prático: garantir que os dois países conseguem operar de forma interoperável em cenários reais, partilhando procedimentos e resultados sem criar dependências frágeis de um único fornecedor, sensor ou base de dados.

Como a inteligência artificial muda a guerra de minas no mar

A caça tradicional a minas assenta em varrimentos de sonar lentos e muito meticulosos, seguidos de análise especializada. As tripulações passam horas a observar imagens pouco nítidas e assinaturas acústicas, tentando separar uma rocha banal de um invólucro de mina. Esse método consome tempo e mantém navios e equipas expostos em águas potencialmente contestadas.

A iniciativa franco-britânica pretende substituir grande parte desse esforço repetitivo por sistemas de aprendizagem automática treinados com milhares de imagens subaquáticas e registos de sensores. A ideia é que os modelos funcionem a bordo de drones de superfície, robôs submarinos e navios-mãe, assinalando formas suspeitas, incorporando a validação dos operadores e melhorando missão após missão.

O objectivo é ter uma IA que se comporte 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 ensaios conjuntos da cooperação naval franco-britânica com IA

Esta cooperação não se resume a trocas cordiais de notas técnicas. O que está em cima da mesa é a partilha efectiva de recursos e validações, incluindo:

• Grandes conjuntos de dados de imagens de sonar e ópticas recolhidas em mares e fundos distintos
  
• Ferramentas de simulação capazes de reproduzir condições subaquáticas confusas e ruidosas
  
• Campos de teste onde protótipos podem ser avaliados sob restrições operacionais reais
  
• Procedimentos para integrar recomendações da IA no processo de decisão do comando naval
  

Os ensaios no Canal da Mancha e no Mar do Norte deverão testar a IA contra correntes fortes, tráfego intenso e fundos muito reflectores. Em seguida, conjuntos de dados do Mediterrâneo, obtidos em operações francesas, servirão para alargar o “repertório” do sistema.

Um ponto adicional, muitas vezes decisivo, é a governação dos dados: regras claras sobre anonimização, rotulagem, rastreabilidade e actualizações do modelo reduzem o risco de treinar sistemas com informação incompleta ou enviesada - algo particularmente crítico quando a segurança de portos e rotas comerciais está em causa.

O que cada país traz para a mesa

França	Reino Unido
Tradição longa em guerra de minas e investigação em sonar	Modernização naval ambiciosa com forte foco em inteligência artificial
Base industrial para drones e sensores subaquáticos	Experiência operacional em grupos de contramedidas de minas da NATO
Laboratórios académicos especializados em reconhecimento de padrões sob ruído	Competências de software e computação em nuvem apoiadas por grandes parceiros tecnológicos britânicos

Para responsáveis de ambos os lados, isto é mais do que uma actualização tecnológica. O projecto sinaliza que marinhas europeias conseguem cooperar de forma profunda em IA sem depender sempre de molduras mais amplas da NATO ou da União Europeia. Também reflecte uma realidade simples: nenhuma marinha, por si só, recolhe dados de treino suficientes para produzir 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 detectar e potencialmente devastadoras quando um navio as atinge. Em estreitos, gargalos marítimos ou acessos a portos, um pequeno número de dispositivos pode interromper tráfego ou obrigar a desvios caros.

As gerações mais recentes conseguem ficar dormentes durante meses, “acordar” quando reconhecem assinaturas acústicas específicas ou até derivar lentamente com as correntes. Para as detectar, são necessárias ferramentas flexíveis, capazes de lidar com comportamentos inesperados - e é aqui que a IA e os modelos probabilísticos ganham vantagem sobre software rígido, baseado apenas em regras fixas.

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

O controlo humano mantém-se no centro

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

A decisão final - neutralizar um contacto, desviar tráfego ou ordenar uma inspecção mais próxima - continuará a pertencer a humanos. Este modelo de “humano no circuito” também reforça a responsabilização, um tema sensível à medida que as forças armadas alargam o uso de IA.

Desafios técnicos debaixo de água

O ambiente subaquático é particularmente duro para a inteligência artificial. Ecos de sonar podem reflectir de forma imprevisível em rochas, destroços e até cardumes. Temperatura, salinidade e composição do fundo alteram o comportamento do sinal de zona para zona. Um modelo afinado no Canal da Mancha pode falhar no Báltico ou em baías tropicais rasas.

Para mitigar isso, engenheiros franceses e britânicos estão a trabalhar em arquitecturas mais adaptáveis, com várias linhas prioritárias:

• Aprendizagem por transferência para que modelos treinados numa região se adaptem rapidamente a outra
  
• Aprendizagem a bordo, permitindo que drones refinem os algoritmos durante o destacamento
  
• Fusão multissensor, combinando dados acústicos, magnéticos e ópticos para classificar com mais fiabilidade
  
• Ferramentas de explicabilidade que mostrem ao operador por que motivo a IA marcou um objecto como provável mina
  

A energia disponível também condiciona tudo: veículos subaquáticos dependem de baterias limitadas, pelo que os processadores têm de entregar análise de qualidade sem esgotar a carga demasiado depressa. Isso influencia, desde o início, a selecção de hardware e a optimização do código.

Um requisito adicional, frequentemente subestimado, é a cibersegurança dos próprios pipelines de treino e actualização: se os dados ou os modelos forem adulterados, a consequência pode ser uma IA “confiante” e errada - um risco operacional tão relevante quanto qualquer avaria mecânica.

Riscos, salvaguardas e potenciais usos indevidos

Qualquer projecto militar de IA suscita receios sobre escalada e perda de controlo. No caso da guerra de minas, o perigo está menos na autonomia letal e mais no desvio do sistema e na classificação incorrecta. Um modelo demasiado agressivo pode confundir detritos inofensivos com ameaças, forçando desvios prolongados e atrasando o comércio. Um modelo demasiado permissivo pode ignorar uma arma disfarçada.

Para manter estes riscos sob controlo, 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 terão de definir quanto peso a cadeia de comando atribui ao aconselhamento da IA em tempo de paz, em crise e em guerra.

Das minas navais a aplicações civis

Os algoritmos criados para caça a minas não ficarão limitados ao domínio militar. Muitas técnicas subjacentes coincidem com 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 pode igualmente ajudar a separar uma conduta danificada de “ruído” inofensivo no fundo, ou a identificar despejos ilegais. Este potencial de duplo uso abre oportunidades económicas para as indústrias marítimas dos dois países e dá aos parceiros comerciais razões para investir em sensores e plataformas de computação mais capazes.

Termos-chave e o que significam

Algumas expressões técnicas surgem repetidamente quando se fala deste projecto:

• Contramedidas de minas (MCM): conjunto de actividades destinadas a prevenir, reduzir ou neutralizar a ameaça de minas navais, desde a detecção até à eliminação segura.
  
• Veículo subaquático autónomo (AUV): submersível robótico que se desloca e recolhe dados sem controlo contínuo a partir de um navio.
  
• Classificação por sonar: análise de ondas sonoras reflectidas para inferir que tipo de objecto as produziu.
  
• Operações em enxame: utilização coordenada de múltiplos drones que comunicam e distribuem tarefas em tempo real.
  

À medida que a cooperação franco-britânica se aprofunda, estes termos tendem a tornar-se familiares para quem acompanha assuntos navais. No fundo, desenham um futuro em que as armas mais eficazes contra minas navais poderão não ser novos explosivos, mas sim algoritmos bem treinados a correr discretamente em máquinas sob as ondas.