Pesquisadores apresentaram o Hybrid DeepXAI Fusion Network, um sistema de inteligência artificial pensado para analisar grandes volumes de dados e apoiar decisões em áreas como saúde, finanças e energia. O problema que motiva o trabalho é conhecido: modelos muito complexos funcionam como caixas-pretas, e isso dificulta entender por que uma decisão foi tomada, o que enfraquece a confiança e a segurança do processo.

Para contornar isso, a proposta combina três partes. Redes convolucionais de uma dimensão captam padrões ao longo do tempo, como a sequência de eventos em um registro. Codificadores Transformer analisam o contexto, e redes neurais de grafos examinam como as variáveis dependem umas das outras, como um mapa de conexões. Um mecanismo de atenção junta essas informações. Para explicar o resultado, o trabalho usa técnicas como o Class Activation Mapping (CAM) e uma função de perda voltada à consistência das explicações.

Segundo os autores, o sistema foi desenhado para rodar em uma nuvem federada, em que os dados ficam distribuídos entre participantes. A privacidade seria protegida por criptografia homomórfica, que permite processar dados cifrados sem precisar abri-los, e a rastreabilidade viria de uma auditoria em blockchain, um registro compartilhado que é difícil de alterar.

Nos testes, feitos com conjuntos de dados de saúde, finanças e energia, o modelo atingiu 98,42% de acurácia e 98,0% de F1-score, acima dos modelos de comparação citados (CNN-LSTM, Transformer puro e XGBoost). Sob perturbações adversariais calculadas pelo método PGD, que tentam enganar o modelo com pequenas alterações nos dados, a acurácia se manteve acima de 91,5%, segundo o relato. Nos testes de escalabilidade, o artigo afirma vazão de 80 mil mensagens por segundo com latência abaixo de 200 milissegundos.

Vale lembrar que se trata de um preprint publicado no arXiv, plataforma em que pesquisadores divulgam trabalhos antes da revisão por pares. Os números vêm dos próprios autores e ainda não foram verificados de forma independente. Para quem trabalha com sistemas de decisão, a mensagem é que explicabilidade e segurança começam a ser tratadas juntas, mas resultados assim devem ser lidos com cautela até que outros grupos reproduzam os testes. A fonte não traz recomendações de proteção para usuários; quem implanta sistemas semelhantes deve seguir as orientações oficiais dos fornecedores de cada componente e manter os sistemas atualizados.