Regina Maria Baltazar Bispo é docente na NOVA FCT, investigadora no NOVA Math e, atualmente, Senior Lecturer em Estatística na School of Mathematics and Statistics da University of St. Andrews, no Reino Unido. Mestre e doutorada em Estatística e Investigação Operacional, tem desenvolvido atividade docente e científica em métodos quantitativos e machine learning em contexto nacional e internacional, orientando projetos de investigação com aplicação em áreas como o ambiente, a pesca sustentável e a saúde.
Ao longo da entrevista, Regina Bispo sublinha que a inovação tecnológica só é socialmente legítima quando assenta em princípios sólidos de literacia científica, responsabilidade no uso de dados e respeito pela privacidade. Reflete sobre ideias mitos associados ao machine learning, o papel estrutural da estatística na construção e validação de modelos e os desafios éticos decorrentes do uso intensivo de dados, defendendo que a confiança dos cidadãos nas instituições é tão determinante quanto a sofisticação dos algoritmos.
No centro do seu trabalho está uma preocupação constante em clarificar conceitos tecnológicos e aproximá-los das suas raízes matemáticas. Questionada sobre a diferença entre aprendizagem automática e inteligência artificial, Regina é clara: “Machine learning – ou aprendizagem automática - é um conjunto de métodos que "aprende" padrões a partir de dados. A inteligência artificial é um guarda-chuva mais amplo, que engloba várias técnicas; é por compreendermos esta diferença que conseguimos interpretar de forma crítica muitas das tecnologias que nos rodeiam, desde as recomendações de música ou vídeo até aos algoritmos que alimentam os nossos feeds nas redes sociais.”
O papel dos modelos e a importância dos dados
Para a investigadora, a matemática e a estatística são ferramentas complementares, mas também a fundação dos modelos estatísticos e computacionais: permitem validar e otimizar modelos, detetar enviesamentos nos dados, gerir incertezas e quantificar erros de previsão — um fator crítico quando as decisões humanas dependem de algoritmos alimentados por grandes volumes de informação, muitas vezes sensível. Por detrás de cada algoritmo sofisticado está, assim, uma estrutura matemática que garante que o que o modelo integra corresponde efetivamente à realidade que se pretende representar, desde que respeite princípios de proteção de dados, como a anonimização e o uso da informação estritamente para os fins para que foi recolhida.
Os seus projetos exemplificam como o machine learning contribui para resolver problemas reais através de padrões extraídos de dados, mas também como estes dados necessitam de ser cuidadosamente curados, documentados e protegidos antes de qualquer aplicação algorítmica. Isso implica qualidade e limpeza dos dados e, de forma fundamental, o respeito por enquadramentos legais como o Regulamento Geral de Proteção de Dados (RGPD) e por códigos de ética na investigação científica.
Três exemplos concretos com impacto social
A investigadora tem trabalhado em projetos de previsão de incêndios florestais em Portugal, em colaboração com a Autoridade Nacional de Emergência e Proteção Civil. “O importante é transformar dados dispersos em informação útil para decisões concretas no terreno”, sublinha Regina Bispo. Usando séries históricas de ocorrências e variáveis ambientais, estes modelos estimam antecipadamente a probabilidade de ocorrência de eventos para diferentes classes de área ardida, sendo mais uma ferramenta de ajuda a tomada de decisão no combate aos incêndios.
Em ambiente completamente diferente, em parceria com a Universidade de Aveiro, Regina analisa a “impressão digital química” de peixes e mariscos para combater a pesca ilegal. “Quando conseguimos ler estes padrões geo e bioquímicos, os dados tornam-se uma ferramenta poderosa contra a fraude”, explica. A partir de grandes bases de dados recolhidas em zonas controladas, o machine learning distingue produtos legítimos de situações suspeitas, garantindo transparência ao consumidor.
Na área da saúde, durante a pandemia numa parceria com o Hospital Garcia de Orta, a investigadora participou no desenvolvimento de “ferramentas para apoiar o diagnóstico clínico sem comprometer a privacidade dos doentes”, combinando ecografias pulmonares anonimizadas com dados clínicos. Neste contexto, o algoritmo treinado fazia o processamento das imagens com o objetivo de ajudar os médicos a priorizar casos mais graves — sempre complementando, nunca substituindo, o julgamento profissional.
Estes casos concretos demonstram a enorme versatilidade dos dados: desde proteger florestas e cadeias alimentares até salvar vidas em hospitais, sempre com ética e proteção em primeiro lugar.
Confiança, literacia científica e proteção de dados
A investigadora salienta que a confiança do público em sistemas baseados em dados não se constrói apenas com algoritmos avançados ou infraestrutura tecnológica. É preciso transparência, literacia científica e boas práticas de proteção de dados. Fala sobre a importância de ações de formação em cibersegurança incluindo simulações de phishing que não só identifiquem as ações corretas, mas também as justifiquem. Na sua perspetiva, este tipo de iniciativas, contribuem para promover uma compreensão mais profunda dos perigos digitais diminuindo os riscos associados.
“A promoção deste tipo de sessões de formação é um exemplo de como as instituições podem contribuir para a literacia científica e digital dos seus trabalhadores e, em simultâneo, proteger de forma ativa informação considerada sensível”, nota. Para a investigadora, falar de proteção de dados não passa apenas por citar legislação, mas implica criar rotinas e culturas organizacionais onde toda a comunidade reconheça o valor e a sensibilidade da informação com que lida.
Potencial tecnológico, ética e regulamentação
Quanto ao futuro das tecnologias de inteligência artificial e aprendizagem automática, Regina Bispo acredita que proibições não são a solução. Em vez disso, defende que a sociedade deve apostar numa regulamentação ética e transparente, que permita usufruir dos benefícios destas tecnologias — desde a eficiência operacional à inovação científica — sem comprometer direitos individuais nem o bem-estar coletivo. Nesse equilíbrio, a proteção de dados aparece como eixo central: garante-se que os sistemas são úteis, mas também auditáveis, explicáveis e sujeitos a escrutínio público.
Há dois anos na University of St. Andrews, a investigadora tem vindo a aprofundar a sua experiência internacional. Reconhecendo esta vivência como particularmente enriquecedora, não deixar de sublinhar, com agrado, a elevada qualidade da investigação desenvolvida a nível nacional, marcada pelo rigor e pela ética profissionais. "Em Portugal fazemos ciência de excelência, adaptada aos recursos disponíveis, equiparada aos mais elevados padrões internacionais", afirma.
“A tecnologia pode melhorar processos em saúde, ambiente, agricultura e na sociedade em geral, mas o fator humano é sempre imprescindível. A matemática e a estatística permitem interpretar resultados complexos e garantir que a tecnologia serve as pessoas — e não o contrário”, refere. Para Regina Bispo, isso significa também colocar a privacidade e a segurança da informação ao nível da performance algorítmica, numa visão em que confiança, responsabilidade e rigor científico caminham lado a lado.
Fotografia: NOVA FCT
Janeiro 2026
