Modelos de IA explicáveis e baseados em dados para análise preditiva e deteção de anomalias

A evolução da Inteligência Artificial (IA) e das abordagens baseadas em dados transformou radicalmente a forma como os sistemas complexos são analisados, compreendidos e otimizados. O acesso massivo à informação de recolhida de sensores, redes e infraestruturas digitais consolidou o paradigma da aprendizagem computacional, no qual os modelos aprendem com a experiência e adaptam o seu comportamento a ambientes em mudança. No entanto, a crescente complexidade e opacidade dos algoritmos de aprendizagem profunda representam desafios fundamentais em termos de interpretabilidade, transparência e confiança, reforçando a necessidade da inteligência artificial explicável como uma componente essencial da ciência computacional contemporânea. Nesta perspetiva, desenvolveu-se uma estrutura metodológica que integra modelos clássicos de aprendizagem automática e de aprendizagem profunda para abordar duas dimensões complementares: a previsão e a deteção de anomalias. Numa primeira fase, são concebidos modelos puramente baseados em dados, com o objectivo de identificar padrões e antecipar comportamentos em sistemas ambientais complexos. Numa segunda fase, são incorporadas estratégias de explicabilidade nos modelos preditivos e de deteção, utilizando técnicas ante hoc e post hoc que permitem a análise das relações entre variáveis, da importância das características e da consistência das inferências. Esta abordagem transversal não se limita às modelos híbridos, mas abrange vários níveis de interpretabilidade, equilibrando o desempenho, a transparência e a compreensão científica dentro de uma estrutura metodológica unificada. A um nível mais abrangente, a investigação enquadra-se nos princípios da Agenda 2030 e dos Objectivos de Desenvolvimento Sustentável das Nações Unidas, consolidando a IA como uma ferramenta para a inovação ética e a sustentabilidade global. A convergência entre modelos orientados a dados, explicabilidade e sustentabilidade reforça a visão de uma inteligência artificial responsável, capaz de integrar o desempenho científico, a transparência epistémica e o envolvimento social na construção de sistemas inteligentes que sirvam o bem comum.