Inteligência Artificial e Aprendizado de Máquina na otimização dos fogos de Artilharia
Jardel Forastieri
Major do Exército Brasileiro.
Atualmente é aluno do 2º Ano do Curso de Comando e Estado-Maior da ECEME.
1. Introdução
O ambiente operacional contemporâneo, marcado por complexidade e incerteza, exige das forças militares uma capacidade de resposta sem precedentes. Nesse cenário dinâmico, a tomada de decisão rápida e precisa no campo de batalha é crítica para o sucesso. A Artilharia, historicamente essencial no apoio de fogo, evolui constantemente para prover o poder de fogo necessário à manobra e à neutralização de ameaças.
Contudo, a guerra do futuro, caracterizada pela velocidade exponencial da informação, necessidade de precisão letal em alvos dispersos e móveis, e volume massivo de dados, impõe novos desafios à Artilharia. O ambiente de combate exige o aprimoramento dos processos para a manutenção da relevância e da eficácia na execução de fogos de artilharia. A capacidade de processar e transformar informações em decisões operacionais assertivas é fundamental para superar a complexidade dos alvos e aprimorar a coordenação desses fogos.
Nesse contexto, a Inteligência Artificial (IA) e o Aprendizado de Máquina (ML) emergem como tecnologias disruptivas, capazes de revolucionar a otimização dos fogos de artilharia. Tal relevância é reforçada pela recente Diretriz Estratégica de Inteligência Artificial para o Exército Brasileiro (EB20-D02.031), aprovada pela Portaria – EME/C Ex Nº 1.318, de 14 de maio de 2024, que estabelece as orientações estratégicas para a implantação e o uso da IA no EB. Ao emular e, em muitos casos, superar a capacidade humana de processamento de dados e reconhecimento de padrões, a IA/ML oferece um potencial transformador para aprimorar a precisão, velocidade e letalidade dos sistemas de artilharia, otimizando desde a aquisição de alvos e cálculo de tiro até o gerenciamento de bateria e manutenção preditiva.
Este artigo analisa as potenciais aplicações da IA/ML na otimização dos fogos de artilharia, explorando como essas tecnologias podem aprimorar a precisão, velocidade e letalidade dos sistemas. Adicionalmente, discute os desafios éticos inerentes à implementação e ao uso de sistemas autônomos e semiautônomos na Artilharia, buscando contribuir para o debate sobre a guerra do futuro no Exército Brasileiro.
2. Fundamentos da Inteligência Artificial e do Aprendizado de Máquina no contexto militar
2.1. Definição e tipos de IA/ML
A IA é um campo da ciência da computação que busca criar sistemas capazes de simular o raciocínio humano e realizar tarefas que tradicionalmente exigiriam inteligência. Segundo McCarthy (2007), essa inteligência visa conceber sistemas que reproduzam o raciocínio humano, agilizando processos. No âmbito do Exército Brasileiro, a IA é definida como um sistema de processamento computacional de informações e conhecimentos que pode, para um determinado conjunto de objetivos definidos e de acordo com os níveis de autonomia determinados pelo Exército Brasileiro, fazer previsões, indicar recomendações ou tomar decisões que influenciem ambientes reais ou virtuais (BRASIL, 2024). O Aprendizado de Máquina (ML), um subcampo da IA, foca no desenvolvimento de algoritmos que permitem aos sistemas aprender a partir de dados, identificar padrões e tomar decisões com mínima intervenção humana.
O conceito de IA remonta à década de 1950, com Alan Turing, que vislumbrou computadores capazes de aprender com a experiência (NATIONAL GEOGRAPHIC, 2023). Desde então, a IA evoluiu de sistemas baseados em regras para abordagens mais sofisticadas, como redes neurais e aprendizado profundo. Atualmente, a IA é classificada em diferentes níveis de capacidade. Conforme Haenlein e Kaplan (2019), distinguem-se a inteligência artificial limitada (ou IA fraca), que executa tarefas específicas para as quais foi programada; a inteligência artificial geral (ou IA forte), que emula habilidades cognitivas humanas e resolve problemas não programados; e a superinteligência artificial, um conceito teórico que se refere a sistemas com poderes intelectuais sobre-humanos.
No contexto militar, a própria Diretriz Estratégica de IA do Exército Brasileiro classifica os sistemas de IA de acordo com o risco de emprego e/ou comprometimento das informações em Sistemas de IA de Uso Geral (SIAUG), Sistemas de IA com Risco (SIAR) e, de maior relevância para a Artilharia, Sistemas de IA com Alto Risco (SIAAR), que incluem, por exemplo, sistemas de armas automatizados (BRASIL, 2024).
2.2. A IA/ML como ferramenta estratégica para a Defesa
A IA e o ML são ferramentas estratégicas indispensáveis para a defesa e segurança nacional. Sua capacidade de processar e analisar grandes volumes de dados em tempo real confere uma vantagem decisiva em domínios militares como logística, inteligência, manutenção preditiva e planejamento operacional.
A IA/ML otimiza recursos, prevê cenários, identifica ameaças e acelera o ciclo de decisão, elementos cruciais na competição estratégica. Globalmente, sistemas de IA já são empregados em forças armadas, como o ALIS (manutenção preditiva), Project Maven (análise de vídeos de drones), Iron Dome (defesa antiaérea), Kestrel Eye (vigilância por microssatélites) e Skyborg (AI-drone para aeronaves tripuladas) (ALVES; ALVES, 2024).
No Exército Brasileiro, a IA tem demonstrado avanços em áreas como o ensino a distância (EBAula) e a comunicação social (chatbot Sargento Max). Tais iniciativas, embora iniciais em seu escopo, demonstram o compromisso institucional com o desenvolvimento científico-tecnológico, como base para a modernização da Defesa, pavimentando o caminho para aplicações mais complexas e estratégicas, a exemplo da otimização dos fogos de artilharia.
3. Potenciais aplicações da IA/ML na otimização dos fogos de artilharia
A integração da Inteligência Artificial e do Aprendizado de Máquina representa um salto qualitativo na capacidade da Artilharia, transformando-a em um sistema de combate altamente preciso, responsivo e adaptável.
Essa transformação é particularmente evidenciada em conflitos contemporâneos, como a guerra na Ucrânia, onde a digitalização do campo de batalha e o uso de dados para a otimização do apoio de fogo têm sido fatores decisivos (WATLING; REYNOLDS, 2025). A importância da precisão, velocidade e coordenação é também observada em outras operações recentes, como na Faixa de Gaza.
A capacidade dessas tecnologias de processar e analisar volumes massivos de dados em velocidades sobre-humanas permite otimizar cada etapa do ciclo de fogos, desde a detecção do alvo até a avaliação dos efeitos, contribuindo diretamente para a guerra do futuro e o planejamento baseado em capacidades.
A IA revoluciona a aquisição e classificação de alvos, permitindo o processamento automatizado de dados de VANTs, satélites e sensores terrestres. Os algoritmos de visão computacional e reconhecimento de padrões identificam e classificam automaticamente veículos, tropas e infraestruturas com velocidade e precisão superiores aos métodos convencionais, reduzindo o tempo de detecção e a carga cognitiva dos operadores. A IA também facilita a fusão de dados de múltiplos sensores (radares, eletroópticos), criando uma consciência situacional abrangente e em tempo real, validando alvos e mitigando ambiguidades para direcionar fogos com maior valor e menor risco de danos colaterais.
O Aprendizado de Máquina é crucial na otimização de trajetórias e cálculo de tiro, superando os modelos balísticos estáticos tradicionais. Algoritmos de ML analisam e integram uma vasta gama de dados complexos, incluindo características balísticas específicas da munição, condições atmosféricas em tempo real (vento, temperatura, umidade, pressão), detalhes do terreno e o movimento dinâmico do alvo. Essa capacidade analítica profunda permite que a IA preveja o ponto de impacto com precisão e realize ajustes dinâmicos na trajetória do projétil, aprimorando significativamente a precisão dos disparos (BALLESTEROS, 2023).
Essa capacidade de cálculo preditivo e ajuste em tempo real é fundamental para a redução drástica do ciclo sensor-atirador (Sensor-to-Shooter). Ao encurtar o tempo entre a detecção de um alvo e o engajamento efetivo, a IA/ML confere à Artilharia uma agilidade e letalidade superiores, capacitando as forças a responder a ameaças emergentes com maior rapidez e eficácia, um fator decisivo em ambientes de combate de alta intensidade.
A IA oferece ferramentas poderosas para o gerenciamento otimizado de baterias e coordenação de fogos em larga escala. Sistemas baseados em IA analisam a situação tática, disponibilidade de peças, tipos de munição e status logístico para recomendar a alocação mais eficiente de recursos, incluindo priorização de alvos e distribuição inteligente do poder de fogo. Adicionalmente, a IA automatiza processos complexos de comando e controle (C2), liberando comandantes para decisões estratégicas. Ao integrar dados de diferentes unidades e domínios, a IA facilita a coordenação de fogos conjuntos e multidomínios, garantindo efeitos sincronizados e eficientes.
A aplicação do ML na manutenção preditiva e logística da Artilharia é vital para garantir alta disponibilidade e prontidão operacional. Para isso, é fundamental a disponibilidade de dados estruturados, capacidade computacional adequada e algoritmos voltados para IA, conforme diretriz do Exército (BRASIL, 2024). Algoritmos de ML analisam dados de sensores embarcados (desgaste do cano, desempenho, vibrações) para identificar padrões e prever falhas, permitindo manutenção planejada, minimizando inatividade e estendendo a vida útil dos equipamentos.
No âmbito logístico, a IA otimiza a gestão de suprimentos e munições, analisando dados históricos para prever necessidades futuras, otimizar estoques e gerenciar a distribuição eficientemente, sustentando as operações de artilharia.
Em suma, as aplicações da IA/ML na Artilharia são um pilar fundamental para a guerra do futuro e o planejamento baseado em capacidades. Ao integrar essas tecnologias, a Artilharia se transforma em uma força mais ágil, precisa e resiliente, capaz de operar com superioridade em cenários complexos e de alta demanda, moldando o futuro do poder de fogo terrestre.
4. Desafios éticos e legais da IA na Artilharia
Embora a IA e o ML ofereçam um potencial transformador para a otimização dos fogos de artilharia, sua implementação militar enfrenta complexos desafios éticos e legais. A natureza letal das operações e a crescente autonomia dos sistemas de IA exigem reflexão profunda e diretrizes claras para garantir que o desenvolvimento tecnológico seja acompanhado por um arcabouço ético e legal robusto, alinhado a uma gestão da inovação responsável.
Um debate premente é sobre os LAWS, focando no grau de autonomia na decisão de engajamento. A linha entre automação (auxílio ao operador) e autonomia letal (máquina decide tirar uma vida) é tênue. A distinção entre Human-in-the-Loop (humano decide) e Human-on-the-Loop (sistema autônomo com supervisão humana) é crucial. A comunidade internacional, incluindo o Exército Brasileiro, enfatiza o controle humano significativo sobre sistemas letais, garantindo que a responsabilidade final pela força letal permaneça com um ser humano, conforme o Direito Internacional Humanitário (DIH).
Nesse sentido, a Diretriz Estratégica de IA do Exército Brasileiro é categórica ao estabelecer que ao se implementar um sistema com IA, deve ser prioritária a garantia de que humanos permaneçam no controle do uso da força, em especial no caso de decisões sobre vida ou morte em combate (BRASIL, 2024). Adicionalmente, a Portaria define o Núcleo de Autonomia de um Agente de IA como o CORE da ação humana, determinando que eventos e autorizações de processamento somente serão executados, após a validação e a autorização humanas (BRASIL, 2024), e que propostas de sistemas sem controle humano serão avaliadas pelo Estado-Maior do Exército.
A delegação de decisões a sistemas autônomos torna complexa a atribuição de responsabilidade, evidenciando a necessidade de suprimir as lacunas da lei na ordem jurídica internacional para lidar com as consequências de suas ações (BEDIN; LEVES; MARCHT, 2021). Em caso de erros ou violações das Leis dos Conflitos Armados (LOAC), determinar o responsável (comandante, programador, fabricante ou o sistema) é difícil, comprometendo a prestação de contas. As implicações para o DIH são profundas, pois princípios como distinção e proporcionalidade são tradicionalmente aplicados por julgamento humano. Reconhecendo essa criticidade, a própria Diretriz Estratégica de IA do Exército Brasileiro prescreve que as decisões tomadas com apoio de sistemas de IA devem ser passíveis de registro, explicação e interpretação (BRASIL, 2024), um princípio fundamental para assegurar a rastreabilidade e a responsabilização.
A qualidade e diversidade dos dados de treinamento são fundamentais para a confiabilidade dos sistemas de IA. Dados incompletos, tendenciosos ou não representativos podem levar o algoritmo a reproduzir vieses, resultando em decisões discriminatórias ou ineficazes (ex: falha em identificar alvos em diferentes contextos). Para mitigar isso, os dados de treinamento devem ser cuidadosamente selecionados, diversificados e auditados regularmente. A transparência no desenvolvimento e auditorias algorítmicas independentes são essenciais para garantir que os sistemas de IA na Artilharia operem de forma justa, precisa e confiável.
A crescente automação e potencial autonomia letal na Artilharia levantam preocupações sobre a desumanização do combate. A remoção do ser humano da cadeia de decisão letal pode reduzir a empatia e a consideração ética, tornando a guerra mais abstrata e menos sujeita a restrições morais, podendo aumentar a propensão ao conflito. Além disso, a ideia de máquinas tomando decisões de vida ou morte pode afetar a moral das tropas e a percepção pública, comprometendo a legitimidade das operações.
O desenvolvimento da IA na Artilharia deve preservar a dignidade humana e a responsabilidade moral, garantindo que a tecnologia sirva para proteger vidas e alcançar objetivos estratégicos. Em suma, a gestão da inovação na IA militar exige uma abordagem multifacetada. É fundamental que o Exército Brasileiro, em colaboração com instituições como o Instituto Militar de Engenharia (IME) e a Escola de Comando e Estado-Maior do Exército (ECEME), lidere o debate e a formulação de políticas para o uso ético, legal e responsável da IA na Artilharia, assegurando que a busca pela superioridade operacional não comprometa os valores humanos e as normas internacionais.
5. Implicações para o Exército Brasileiro e a Artilharia do Futuro
A incorporação da IA e do ML na otimização dos fogos de artilharia é um imperativo estratégico que exige profunda reavaliação e adaptação no Exército Brasileiro. Para que a Artilharia do futuro opere com máxima eficácia e relevância, a Instituição deve investir em três pilares interconectados: adaptação doutrinária e de treinamento, fomento à Pesquisa, Desenvolvimento e Inovação (P,D&I), e fortalecimento da Base Industrial de Defesa (BID).
A introdução de sistemas de IA/ML na Artilharia exige uma revisão profunda de manuais, procedimentos e doutrina de emprego. As novas capacidades demandam redefinição de táticas e técnicas para maximizar seu potencial, refletindo a integração homem-máquina e estabelecendo limites e responsabilidades no uso de sistemas autônomos. Paralelamente, a formação e o treinamento do efetivo da Artilharia precisam ser atualizados, com a formação de especialistas em IA/ML e a capacitação de todo o pessoal para compreender e interagir com a tecnologia. Instituições como a ECEME e o IME são centrais nesse processo. Nesse sentido, a Diretriz Estratégica de IA prevê expressamente a capacitação de militares e sua preparação para a reestruturação da organização e das missões e a continuidade do desenvolvimento da Doutrina para o SIA-EB (BRASIL, 2024), além de atribuir responsabilidades específicas a órgãos como o Departamento de Ciência e Tecnologia (DCT) e o Departamento de Educação e Cultura do Exército (DECEx) para a capacitação e pesquisa em IA.
Para que o Exército Brasileiro desenvolva e integre soluções de IA/ML adaptadas às suas necessidades, é indispensável um investimento robusto e contínuo em P,D&I. Fomentar a pesquisa interna e estabelecer parcerias estratégicas com universidades e empresas é vital para a troca de conhecimentos e validação de tecnologias. Essa prioridade reflete o firme direcionamento do Exército Brasileiro, que preconiza investimentos contínuos em pesquisa e desenvolvimento em IA e o estabelecimento de parcerias estratégicas com o setor empresarial e a comunidade acadêmica, fortalecendo o conceito da tríplice hélice e do Sistema Defesa, Indústria e Academia (SISDIA). Sem recursos e políticas adequadas, o Brasil corre o risco de depender de soluções estrangeiras, comprometendo a soberania tecnológica e a defesa nacional.
O desenvolvimento de soluções de IA/ML para a Artilharia representa uma oportunidade ímpar para o fortalecimento da Base Industrial de Defesa (BID) brasileira. Incentivar e apoiar a indústria nacional no desenvolvimento de sistemas de IA/ML customizados garante a soberania tecnológica e impulsiona a economia. A capacidade de desenvolver e manter internamente as tecnologias de IA/ML mais críticas é fundamental para a segurança operacional e a resiliência. A dependência de fornecedores externos para sistemas sensíveis pode introduzir vulnerabilidades. Assim, o fomento à Base Industrial de Defesa e Segurança torna-se um pilar estratégico para a autonomia tecnológica e projeção de poder do Brasil.
Em síntese, a transição para uma Artilharia otimizada por IA/ML exige uma abordagem holística que abranja adaptação doutrinária, capacitação de pessoal, investimento em P,D&I e fortalecimento da BID. Esses esforços conjuntos são essenciais para que o Exército Brasileiro incorpore as tecnologias mais avançadas e lidere o desenvolvimento de capacidades que moldarão a Artilharia do futuro, garantindo a segurança e a soberania do país.
6. Conclusão
A análise demonstra que a Inteligência Artificial e o Aprendizado de Máquina representam um potencial transformador inegável para a otimização dos fogos de artilharia. Desde a aprimorada aquisição de alvos e cálculo de tiro em tempo real, até o gerenciamento de baterias e manutenção preditiva, a IA/ML redefine a eficácia e letalidade da Artilharia. Em um cenário de guerra do futuro, a adoção dessas tecnologias é uma inevitabilidade estratégica para manter a superioridade operacional.
Contudo, a otimização dos fogos de artilharia por IA/ML, embora um imperativo estratégico, deve ser guiada por princípios éticos e legais rigorosos. Desafios como Sistemas de Armas Autônomos Letais (LAWS), responsabilidade, viés algorítmico e desumanização do combate exigem abordagem cautelosa e proativa. A posição do Exército Brasileiro, formalizada em sua Diretriz Estratégica de IA, enfatiza a necessidade de preservar o controle humano significativo sobre as decisões letais e de garantir que as decisões dos sistemas de IA sejam transparentes e explicáveis (BRASIL, 2024a). É fundamental que o desenvolvimento e a implementação dessas tecnologias preservem o controle humano significativo sobre as decisões letais e garantam a aderência aos valores humanos e às normas do Direito Internacional Humanitário.
Diante desse panorama, torna-se imperativa uma postura proativa do Exército Brasileiro no desenvolvimento, regulamentação e implementação da IA na Artilharia. Isso envolve investimento em P,D&I e fortalecimento da Base Industrial de Defesa (BID), além de profunda adaptação doutrinária e de treinamento, capacitando o efetivo para operar e interagir com esses sistemas. Essa abordagem integrada garantirá a superioridade operacional, salvaguardando os valores éticos e legais.
Para o futuro, a colaboração entre instituições como ECEME e IME será crucial. Essa sinergia é essencial para o avanço do conhecimento, o desenvolvimento de capacidades tecnológicas nacionais e a formação de líderes e especialistas capazes de moldar o futuro da Artilharia e da Defesa Nacional em uma era impulsionada pela Inteligência Artificial.
Referências
ALVES, Flavio Tostes; ALVES, Anderson dos Santos. A Inteligência Artificial e sua utilização no processo de tomada de decisão militar. Observatório Militar da Praia Vermelha. ECEME: Rio de Janeiro. 2024.
BALLESTEROS, Vitorio Enmanuele Bossio. La Inteligencia Artificial en el Ámbito Militar: Una Herramienta Relevante y Útil. Revista Seguridad y Poder Terrestre, Vol. 2, nº 3, 2023.
BEDIN, Gilmar Antonio; LEVES, Aline Michele Pedron; MARCHT, Laura Mallmann. Os Sistemas de Armas Autônomas e o Direito Internacional: Uma Análise da Guerra e das Implicações do Uso da Inteligência Artificial. RDP, Brasília, v. 18, n. 100, p. 428-456, out./dez. 2021.
BRASIL. Exército Brasileiro. Estado-Maior do Exército (EME). Portaria – EME/C Ex Nº 1.318, de 14 de maio de 2024. Diretriz Estratégica de Inteligência Artificial para o Exército Brasileiro (EB20-D02.031). Boletim do Exército, Brasília, DF, nº 21/2024, p. 5-15, 24 maio 2024.
HAENLEIN, Michael; KAPLAN, Andreas. A Brief History of Artificial Intelligence: On the Past, Present, and Future of AI. California Management Review, v. 61, n. 4, p. 5-14, 2019.
McCARTHY, John. Interview: What Is Artificial Intelligence - Computer Science Department. Stanford: Stanford University, 2007.
NATIONAL GEOGRAPHIC. Quem foi Alan Turing, pioneiro no desenvolvimento da inteligência artificial e da computação moderna. National Geographic, 2023. Disponível em: https://www.nationalgeographicbrasil.com/ciencia/2023/06/quem-foi-alan-turing-pioneiro-no-de-senvolvimentoda-inteligencia-artificial-e-da-computacao-moderna. Acesso em: 10 de julho de 2024.
WATLING, Jack; REYNOLDS, Nick. Tactical Developments During the Third Year of the Russo–Ukrainian War. Royal United Services Institute for Defence and Security Studies, February 2025.
Rio de Janeiro - RJ, 24 de setembro 2025.
Como citar este documento:
ESCOLA DE COMANDO E ESTADO-MAIOR DO EXÉRCITO (ECEME). OBSERVATÓRIO MILITAR DA PRAIA VERMELHA (OMPV). Inteligência Artificial e Aprendizado de Máquina na otimização dos fogos de Artilharia. Rio de Janeiro, 2025. Disponível em: https://ompv.eceme.eb.mil.br/ct-i-para-defesa-desenvolvimento-e-seguranca-nacional/fomentos-incentivos-e-financiamentos-para-p-d-i/794-inteligencia-artificial-e-aprendizado-de-maquina-na-otimizacao-dos-fogos-de-artilharia.
.