França e Reino Unido reforçam parceria naval com IA para caçar minas submarinas

A França e o Reino Unido estão a reforçar a sua parceria naval, desta vez não através de fragatas ou mísseis, mas com algoritmos concebidos para localizar minas submarinas letais.

Minas partilhadas, riscos partilhados, código partilhado

As minas marítimas podem parecer vestígios dos noticiários da Segunda Guerra Mundial, mas continuam espalhadas em grande número pelos fundos marinhos e são armas pouco dispendiosas para Estados hostis ou grupos não estatais. França e Reino Unido dependem de rotas marítimas movimentadas para o abastecimento energético, o comércio e as deslocações militares, pelo que não podem encarar a guerra de minas no mar como uma questão menor.

Neste contexto, Paris está a ajudar Londres a desenvolver um novo sistema de inteligência artificial destinado a detetar, classificar e acompanhar minas navais muito mais depressa do que os operadores humanos conseguem fazer sozinhos.

“Em vez de enviar mergulhadores para 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 contratantes da defesa acumularam anos de experiência em contramedidas de minas, desde o processamento de sonar até aos veículos subaquáticos autónomos. Por seu lado, o Reino Unido está a avançar com calendários exigentes para integrar a IA nas operações da Royal Navy. A nova colaboração procura combinar estas capacidades.

Como a IA transforma a guerra de minas no mar

A caça tradicional de minas depende de varrimentos de sonar lentos e minuciosos, seguidos de análise especializada. As tripulações examinam imagens pouco nítidas e assinaturas acústicas, tentando perceber se estão perante uma rocha ou o invólucro de uma mina. Este processo consome tempo e mantém os navios expostos em águas que podem estar contestadas.

A iniciativa franco-britânica pretende substituir grande parte deste trabalho repetitivo por sistemas de aprendizagem automática treinados com milhares de imagens submarinas e registos de sensores. Estes modelos funcionariam em drones de superfície, robôs subaquáticos e navios-mãe, assinalando formas suspeitas, aprendendo com o retorno dos operadores e melhorando a cada patrulha.

“O objetivo é uma IA que se comporte como um operador de sonar experiente, que nunca se cansa, nunca perde a concentração e consegue vigiar dezenas de fluxos de dados em simultâneo.”

Da partilha de dados aos testes conjuntos

A cooperação vai além de uma troca cordial de notas técnicas. Prevê-se que as equipas francesas e britânicas partilhem:

• Grandes conjuntos de dados de sonar e imagens óticas provenientes de diferentes mares e fundos marinhos
• Ferramentas de simulação que reproduzem condições submarinas com ruído e obstáculos
• Zonas de teste onde os protótipos possam ser avaliados sob restrições operacionais reais
• Procedimentos para integrar as recomendações da IA nas decisões de comando naval

Os ensaios conjuntos no Canal da Mancha e no Mar do Norte colocariam a IA à prova perante correntes fortes, tráfego intenso e fundos marinhos altamente refletivos. Os conjuntos de dados mediterrânicos das operações francesas alargariam depois a sua experiência.

O contributo de cada país

As autoridades dos dois países encaram o projeto como mais do que uma atualização técnica. Constitui um sinal de que as marinhas europeias conseguem cooperar profundamente em IA sem terem sempre de aguardar por enquadramentos mais amplos da NATO ou da União Europeia. Também espelha uma realidade evidente: nenhuma marinha, isoladamente, consegue reunir dados de treino suficientes para criar uma IA submarina verdadeiramente robusta.

Porque as minas continuam a preocupar as marinhas modernas

As minas reúnem três características que inquietam os responsáveis pelo planeamento: são baratas, difíceis de detetar e devastadoras quando um navio embate numa delas. Em estreitos estratégicos ou nas aproximações aos portos, basta um pequeno número de dispositivos para interromper a circulação ou obrigar a desvios dispendiosos.

As gerações mais recentes de minas podem permanecer inativas durante meses, ativar-se quando surgem assinaturas acústicas específicas ou deslocar-se lentamente com as correntes. A sua deteção exige ferramentas flexíveis, capazes de lidar com comportamentos invulgares e não apenas com padrões fixos. É precisamente neste ponto que a IA e os modelos probabilísticos oferecem vantagem face ao software rígido baseado em regras.

“Uma única mina não detetada pode encerrar um porto; uma resposta excessivamente cautelosa pode paralisar o comércio durante dias. A IA tem de encontrar um equilíbrio entre rapidez e certeza.”

O controlo humano mantém-se no centro

Apesar dos objetivos ambiciosos, nenhuma das marinhas planeia deixar que os algoritmos tomem sozinhos decisões de vida ou morte. Os sistemas em análise funcionariam como apoios à decisão, apresentando aos comandantes humanos listas hierarquizadas de ameaças prováveis, níveis de confiança e rotas recomendadas.

Estes comandantes conservarão a decisão final sobre neutralizar um contacto, redirecionar o tráfego ou ordenar uma inspeção mais próxima. Este modelo de supervisão humana também reforça a responsabilização, uma questão sensível à medida que as forças armadas adotam IA de forma mais generalizada.

Desafios técnicos sob a superfície

Os ambientes submarinos são implacáveis para a IA. Os ecos de sonar refletem-se de forma imprevisível em rochas, naufrágios e até em cardumes. A temperatura da água, a salinidade e a composição do fundo marinho alteram o comportamento dos sinais de uma zona para outra. Modelos treinados no Canal da Mancha podem falhar no Báltico ou em baías tropicais pouco profundas.

Para responder a esta realidade, os engenheiros franceses e britânicos estão a concentrar-se em arquiteturas adaptáveis. Algumas das principais linhas de trabalho incluem:

• Aprendizagem por transferência, para que modelos treinados numa região se adaptem rapidamente a outra
• Aprendizagem a bordo, permitindo que os drones aperfeiçoem os seus algoritmos de deteção durante as missões
• Fusão de vários sensores - acústicos, magnéticos e óticos - para uma classificação mais fiável
• Ferramentas de explicabilidade que mostrem aos operadores porque motivo a IA identificou um objeto como provável mina

As limitações energéticas também são relevantes. Os veículos subaquáticos dependem de baterias com capacidade limitada, pelo que os seus processadores têm de fornecer análises de elevada qualidade sem consumir energia demasiado depressa. Esta exigência condiciona, desde o início, as escolhas de hardware e a otimização do código.

Riscos, salvaguardas e utilização indevida potencial

Qualquer projeto militar de IA suscita receios de escalada e de perda de controlo. Na guerra de minas, o risco está menos na autonomia letal do que no desvio do sistema e na classificação incorreta. Um modelo demasiado agressivo pode identificar detritos inofensivos como ameaças, obrigando os navios a longos desvios e atrasando o comércio. Um modelo excessivamente permissivo pode não detetar uma arma dissimulada.

Para controlar estes riscos, é provável que o programa franco-britânico inclua campanhas rigorosas de validação e exercícios de equipa vermelha, nos quais especialistas independentes tentam enganar os modelos com cenários adversariais. As regras de empenhamento definirão o peso que os comandantes atribuem às recomendações da IA em condições de paz, crise e guerra.

Das minas navais às aplicações civis

Os algoritmos desenvolvidos para a caça de minas não ficarão limitados às operações navais. Muitas das técnicas subjacentes coincidem com tarefas civis, como a monitorização de infraestruturas marítimas, a inspeção de cabos submarinos e os levantamentos ambientais.

Um modelo treinado para distinguir uma mina de uma rocha também pode ajudar a diferenciar um oleoduto danificado de obstáculos inofensivos ou a detetar deposições ilegais no fundo marinho. Este potencial de dupla utilização cria oportunidades económicas para as indústrias marítimas dos dois países e dá aos parceiros comerciais motivos para investir em sensores e plataformas de computação mais eficazes.

Termos essenciais e respetivo significado

Várias expressões técnicas surgem frequentemente nas discussões sobre este projeto:

• Contramedidas de minas (MCM): conjunto de atividades destinadas a prevenir, reduzir ou neutralizar a ameaça colocada por minas navais, desde a deteção até 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 análise das ondas sonoras refletidas para determinar o tipo de objeto que as produziu.
• Operações em enxame: utilização coordenada de vários drones que comunicam entre si e repartem tarefas em tempo real.

À medida que a cooperação franco-britânica se aprofunda, estes termos passarão a integrar o vocabulário quotidiano dos observadores navais. Descrevem um futuro em que as armas mais eficazes contra minas submarinas poderão não ser novos explosivos, mas algoritmos bem treinados a funcionar discretamente em máquinas sob as ondas.