Rumo a uma IA confiável no patrimônio cultural

Por que ferramentas mais inteligentes importam para o nosso passado

De templos arruinados a pergaminhos frágeis, os especialistas em patrimônio dependem hoje de ferramentas digitais para entender e proteger os vestígios da história humana. A inteligência artificial (IA) pode vasculhar enormes volumes de imagens, varreduras e registros muito mais rápido do que qualquer pessoa, mas também pode interpretar mal ou distorcer as narrativas que esses objetos preservam. Este artigo explora como podemos tornar a IA não apenas poderosa, mas também justa, transparente e digna de confiança quando usada para estudar e salvaguardar o patrimônio cultural.

Novos assistentes para tesouros antigos

Museus, arqueólogos e conservadores estão recorrendo à IA para classificar fotos, mapear danos em edifícios e reconstruir detalhes perdidos em objetos quebrados. Técnicas originalmente desenvolvidas para carros autônomos ou comércio eletrônico agora ajudam a interpretar mosaicos, esculturas e ruas históricas. Ainda assim, os dados do patrimônio cultural são incomumente desordenados e desiguais: algumas regiões e épocas estão ricamente documentadas, enquanto outras aparecem apenas em registros esparsos. Se a IA aprender principalmente a partir de monumentos famosos e de coleções ocidentais, pode ignorar ou interpretar mal o patrimônio de grupos minoritários ou de lugares menos celebrados. O artigo argumenta que, porque o patrimônio cultural molda identidades e memórias, erros nesse campo não são apenas falhas técnicas, mas problemas éticos.

Onde os algoritmos podem falhar

Os autores mapeiam as várias maneiras pelas quais o viés pode se infiltrar na IA usada para o patrimônio. Alguns vieses decorrem de lacunas nos dados: por exemplo, mosaicos danificados, cujas peças faltantes confundem sistemas de reconhecimento de padrões, ou registros históricos que omitem comunidades inteiras. Outros têm origem em quem está representado: conjuntos de dados populares tendem a apresentar moedas, ícones e edifícios da Europa, deixando objetos não‑ocidentais subrepresentados. Mesmo quando o material existe, as etiquetas podem variar entre especialistas, e fotos de redes sociais de sítios famosos podem refletir tomadas turísticas em vez de perspectivas locais. O artigo agrupa essas questões em categorias como dados faltantes, subrepresentação de minorias, diferenças contextuais entre regiões e visões desatualizadas congeladas em antigas varreduras ou arquivos. Para cada tipo, sugere medidas práticas, desde expandir coleções para incluir narrativas minoritárias até atualizar rotineiramente modelos digitais à medida que os sítios mudam.

Tornando as decisões da máquina compreensíveis

A confiança, argumentam os autores, depende não apenas de dados melhores, mas também de explicações mais claras. Muitos sistemas de IA modernos atuam como “caixas‑pretas”: rotulam um arco como gótico ou uma parede como danificada sem mostrar por quê. O artigo propõe uma abordagem em múltiplas camadas para a explicabilidade. Uma camada examina a mecânica interna do modelo, outra como a história local e o contexto influenciam suas decisões, e outras se concentram no que o resultado significa na prática e quão confiante o sistema está. As explicações podem ser globais, descrevendo como o sistema se comporta em geral, ou locais, focadas em uma única predição sobre um prédio ou artefato específico. Para avaliar se essas explicações realmente ajudam, os autores definem métricas simples centradas no humano, como satisfação do usuário, curiosidade, confiança e efeito na qualidade da tomada de decisão.

Testando a estrutura em dados reais de patrimônio

Para ver como suas ideias funcionam na prática, os pesquisadores revisitam um sistema de IA anterior que analisa nuvens densas de pontos 3D de edifícios históricos. Esse sistema é muito bom em atribuir automaticamente cada agrupamento de pontos a elementos arquitetônicos como arcos, janelas ou colunas, mas não foi desenvolvido com equidade ou transparência em mente. Quando avaliado com as novas métricas éticas, os especialistas constataram que apenas compreendiam parcialmente como ele chegou às conclusões e que o sistema fazia pouco para explicar interpretações alternativas. Os autores propõem usar modelos mais recentes que incorporem explicação em seu desenho. Esses modelos comparam partes de um edifício a formas “protótipo” aprendidas e destacam quais exemplos orientaram um dado rótulo, para que os especialistas em patrimônio possam ver e debater o raciocínio em vez de simplesmente aceitar uma resposta opaca.

Construindo guardiões da cultura à prova do futuro

Em termos claros, este artigo defende que a IA deve auxiliar o julgamento humano no trabalho com patrimônio, não substituí‑lo silenciosamente. Ao caçar sistematicamente o viés e insistir que os sistemas expliquem suas escolhas em linguagem e visuais que os especialistas possam entender, a estrutura proposta pretende manter a IA alinhada aos valores de inclusão, precisão e respeito à diversidade cultural. Os autores sugerem que desenhos éticos semelhantes também poderiam beneficiar áreas sensíveis como saúde, educação e meio ambiente. Para o patrimônio cultural, a mensagem é clara: somente a IA que for transparente, justa e passível de questionamento pode ser confiável para ajudar a contar as histórias do nosso passado compartilhado.

Citação: Paolanti, M., Frontoni, E. & Pierdicca, R. Towards trustworthy AI in cultural heritage. npj Herit. Sci. 14, 131 (2026). https://doi.org/10.1038/s40494-026-02403-z

Palavras-chave: patrimônio cultural, IA confiável, viés algorítmico, IA explicável, conservação do patrimônio