Xplica.ai

Ferramenta para detecção explicável de fake news sintéticas (geradas por IA) em português brasileiro, desenvolvida como Trabalho de Conclusão de Curso (TCC).

Descrição

Modelos de aprendizado de máquina treinados exclusivamente com fake news escritas por humanos apresentam queda de desempenho ao serem testados em notícias falsas geradas por Large Language Models (LLMs). O Xplica.ai investiga as causas dessa queda por meio de técnicas de Inteligência Artificial Explicável (XAI) aplicadas a um modelo BERTimbau treinado e avaliado em diferentes cenários de treino e teste (combinando dados de origem humana e sintética).

Além da investigação, o projeto entrega uma aplicação web simples que classifica uma notícia como verdadeira ou falsa, destaca no texto as palavras que mais influenciaram essa decisão (via LIME) e apresenta um perfil linguístico do texto (via spaCy), sinalizando características sintáticas associadas à queda de desempenho identificada na pesquisa para tornar a classificação transparente para o usuário final.

Objetivo

• Avaliar a capacidade de generalização do BERTimbau entre fake news de origem humana e sintética em quatro cenários de treino e teste.
• Identificar, por meio de LIME (nível lexical) e spaCy (nível sintático/estrutural), quais características linguísticas e padrões textuais estão associados às classificações incorretas em cada cenário.
• Disponibilizar uma aplicação web que aplique o modelo treinado à verificação prática de notícias, exibindo ao usuário tanto a explicação lexical (LIME) quanto o perfil linguístico do texto (spaCy).

Dados

• Fake.Br Corpus (Monteiro et al., 2018): 7.200 notícias em português brasileiro (3.600 verdadeiras, 3.600 falsas), de origem humana.
• Fake.Br-LLM (Silva et al., 2025): versão sintética do Fake.Br com notícias falsas geradas por LLM a partir das notícias verdadeiras originais.

Tecnologias

• Python 3.13
• Pandas / NumPy: manipulação e preparo dos dados
• Transformers (Hugging Face): fine-tuning do BERTimbau
• PyTorch: treinamento do modelo
• scikit-learn: métricas de avaliação
• LIME: interpretabilidade das predições do modelo (nível lexical)
• spaCy: análise linguística complementar (nível sintático/estrutural)
• Streamlit: interface web da aplicação

Stack sujeita a ajustes conforme o desenvolvimento avança.

Estrutura do projeto

xplica-ai/
├── notebooks/
│   ├── 01_eda.ipynb
│   ├── 02_data_preparation.ipynb
│   ├── 03_training.ipynb
│   ├── 04_evaluation.ipynb
│   └── 05_explainability.ipynb
├── src/
│   ├── data_loader.py
│   └── model.py
├── app/
│   └── app.py
├── models/
├── results/
├── requirements.txt
└── README.md

Como executar

1. Clone o repositório:

   git clone https://github.com/httpsemilly/xplica.ai
   cd xplica-ai

2. Crie um ambiente virtual e instale as dependências:

   python -m venv venv
   source venv/bin/activate  # Windows: venv\Scripts\activate
   pip install -r requirements.txt

3. Execute a aplicação web:

   streamlit run src/app.py

Status do projeto

🚧 Em desenvolvimento.