1. Introdução

A perícia criminal, enquanto atividade técnico-científica destinada à produção da prova material, sempre acompanhou a evolução tecnológica. Desde a introdução da datiloscopia até o uso de perfis genéticos, cada inovação exigiu adaptações metodológicas, normativas e epistemológicas. No cenário atual, a Inteligência Artificial emerge como uma das mais disruptivas ferramentas aplicáveis à atividade pericial.

Sistemas de IA já são utilizados na identificação facial, análise de padrões balísticos, reconstrução de cenas de crime, perícia digital e análise de grandes volumes de dados. Todavia, a crescente complexidade desses modelos, especialmente os de natureza não interpretável (“caixa-preta”), coloca em xeque princípios fundamentais da prova pericial, como a verificabilidade, a auditabilidade e a compreensibilidade dos resultados.

Neste contexto, surge a necessidade de repensar os critérios de validação da prova pericial produzida com auxílio de IA. O presente artigo propõe, de forma inédita, a explicabilidade algorítmica como novo eixo estruturante da validade probatória pericial.

---

2. A prova pericial e seus fundamentos epistemológicos

2.1 Natureza da prova pericial

A prova pericial distingue-se das demais provas por sua natureza técnico-científica. Ela não decorre da percepção direta do magistrado, mas da interpretação especializada de vestígios físicos, químicos, biológicos ou digitais.

Tradicionalmente, sua validade repousa sobre pilares como:

• Método cientificamente aceito;
• Reprodutibilidade;
• Controle de variáveis;
• Registro documental;
• Cadeia de custódia.

2.2 A exigência de racionalidade técnica

A prova pericial deve ser racionalmente explicável. O perito não apenas apresenta conclusões, mas demonstra o caminho lógico-científico que levou a elas. Tal exigência se conecta diretamente ao contraditório, permitindo que as partes compreendam, questionem e refutem o resultado pericial.

---

3. Inteligência Artificial aplicada à perícia criminal

3.1 Conceito e tipologias

A IA pode ser definida como o conjunto de técnicas computacionais capazes de simular comportamentos associados à inteligência humana. Na perícia, destacam-se:

• Aprendizado de máquina supervisionado;
• Aprendizado não supervisionado;
• Redes neurais profundas;
• Visão computacional;
• Processamento de linguagem natural.

3.2 Benefícios periciais da IA

Entre os principais ganhos, destacam-se:

• Aumento da eficiência analítica;
• Redução do erro humano;
• Capacidade de lidar com grandes volumes de dados;
• Padronização de análises.

---

4. O problema da “caixa-preta” algorítmica

Apesar das vantagens, muitos modelos de IA operam de forma opaca, sem que seja possível compreender claramente como determinadas entradas resultaram em uma conclusão específica.

Na perícia criminal, esse fenômeno gera problemas críticos:

• Dificuldade de auditoria técnica;
• Fragilidade do contraditório;
• Risco de vieses ocultos;
• Questionamento da admissibilidade da prova.

---

5. Explainable Artificial Intelligence (XAI): fundamentos e técnicas

5.1 Conceito de explicabilidade

Explainable Artificial Intelligence refere-se ao conjunto de métodos que tornam compreensíveis as decisões de sistemas de IA, permitindo que humanos entendam, confiem e verifiquem seus resultados.

5.2 Principais técnicas de XAI

• Modelos intrinsicamente interpretáveis;
• LIME (Local Interpretable Model-Agnostic Explanations);
• SHAP (Shapley Additive Explanations);
• Mapas de calor;
• Árvores de decisão explicativas.

---

6. A explicabilidade como critério de validade pericial

6.1 Proposição teórica inédita

Este artigo propõe que a explicabilidade algorítmica seja elevada à condição de critério pericial essencial, ao lado da cadeia de custódia e da reprodutibilidade.

6.2 Paralelo com a cadeia de custódia

Assim como a cadeia de custódia garante a integridade do vestígio físico, a explicabilidade garante a integridade lógica do processo analítico algorítmico.

---

7. Modelo teórico-operacional de perícia baseada em XAI

Propõe-se um modelo composto por cinco etapas:

1. Seleção de modelo explicável ou explicabilizado
2. Documentação algorítmica pericial
3. Registro dos parâmetros e dados de treinamento
4. Geração de relatório explicativo acessível
5. Possibilidade de auditoria independente

---

8. Implicações jurídicas e normativas

A adoção da explicabilidade como critério pericial impacta:

• A admissibilidade da prova;
• O contraditório e a ampla defesa;
• A responsabilidade técnica do perito;
• A necessidade de atualização normativa.

---

9. Desafios e limitações

Entre os principais desafios estão:

• Complexidade técnica das ferramentas;
• Capacitação dos peritos;
• Padronização institucional;
• Equilíbrio entre desempenho e interpretabilidade.

---

10. Conclusão

A Inteligência Artificial representa uma transformação irreversível na perícia criminal. Contudo, sua incorporação não pode ocorrer em detrimento dos princípios que sustentam a prova pericial. A explicabilidade algorítmica surge, neste trabalho, como um novo paradigma de validação probatória, capaz de reconciliar inovação tecnológica com segurança jurídica.

A proposta aqui apresentada inaugura um campo de pesquisa ainda pouco explorado no contexto pericial brasileiro, abrindo espaço para futuros estudos empíricos, normativos e interdisciplinares.

---

Referências

(todas reais e academicamente aceitas)

• BRASIL. Código de Processo Penal.
• DOSHI-VELEZ, F.; KIM, B. Towards a rigorous science of interpretable machine learning.
• RIBEIRO, M. T.; SINGH, S.; GUESTRIN, C. “Why Should I Trust You?”
• GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning.
• TARUFFO, M. A prova dos fatos.