🤖 machine learning

Partially Observed Structural Causal Models

Dieser Beitrag stellt Partially Observed Structural Causal Models (POSCMs) vor, ein erweitertes Rahmenwerk, das kausale Systeme mit latenten Kontexten formalisiert, die sowohl Interaktionsstrukturen als auch Mechanismen beeinflussen, und validiert seine Identifizierbarkeitstheorie sowie den Ansatz der kantenfunktionalen Zerlegung durch einen biophysikalisch detaillierten virtuellen menschlichen Retina-Simulator.

Ursprüngliche Autoren: Turan Orujlu, Jordan Matelsky, Martin V. Butz, Charley M. Wu, Konrad P. Kording

Veröffentlicht 2026-05-06

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Turan Orujlu, Jordan Matelsky, Martin V. Butz, Charley M. Wu, Konrad P. Kording

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen herauszufinden, wie eine komplexe Maschine funktioniert, wie eine riesige, lebende Stadt. In der alten Denkweise (genannt Strukturelle Kausale Modelle oder SKM) gingen Wissenschaftler davon aus, dass das Layout der Stadt festgelegt sei. Sie wussten genau, welche Straßen mit welchen Gebäuden verbunden waren, und mussten nur herausfinden, was geschah, wenn Menschen diese Straßen entlanggingen.

In der realen Welt ist es jedoch chaotischer. Manchmal erscheinen oder verschwinden die „Straßen" selbst, abhängig von versteckten Faktoren, die wir nicht sehen können. Vielleicht wird eine neue Straße nur gebaut, wenn die Nachbarschaft wohlhabend ist, oder eine Brücke stürzt ein, wenn das Wetter stürmisch ist. Der „Kontext" (der versteckte Faktor) entscheidet sowohl darüber, wohin die Straßen führen, als auch darüber, wie der Verkehr auf ihnen fließt.

Dieser Artikel stellt ein neues Rahmenwerk vor, das Partiell Beobachtete Strukturelle Kausale Modelle (POSKM) genannt wird, um mit diesem Chaos umzugehen. Hier ist die Aufschlüsselung in einfachen Worten:

1. Das Problem: Der „Unsichtbare Architekt"

In vielen realen Systemen (wie dem menschlichen Gehirn oder sozialen Netzwerken) gibt es einen „unsichtbaren Architekten" (genannt latenter Kontext), den wir nicht direkt sehen können.

Die alte Sichtweise: Wir gehen davon aus, dass die Karte feststeht. Wir beobachten nur, was passiert.
Die neue Sichtweise (POSKM): Die Karte selbst wird in Echtzeit von diesem unsichtbaren Architekten gezeichnet. Der Architekt entscheidet:
1. Struktur: Welche Verbindungen existieren (z. B. spricht Neuron A mit Neuron B?).
2. Mechanismus: Wie diese Verbindungen funktionieren (z. B. ist das Signal laut oder leise? Ist es erregend oder hemmend?).

Das Tückische ist, dass wir den Architekten oft nicht sehen können, die Karte nicht klar erkennen können und nur den finalen Verkehr (die Daten) sehen können.

2. Die Lösung: Ein „chirurgisches" Werkzeugset

Um dieses System zu verstehen, entwickelten die Autoren ein neues „chirurgisches" Werkzeugset. Sie erkannten, dass man, um das System zu reparieren oder zu verstehen, spezifische Drähte durchtrennen können muss, nicht nur ganze Maschinen ausschalten.

Knoten-Interventionen: Dies ist wie das Ausschalten einer ganzen Glühbirne (eines Knotens). Man kann sehen, was flussabwärts passiert, weiß aber nicht, welcher Draht die Energie trug.
Kanten-Interventionen: Dies ist die große Innovation des Artikels. Es ist wie das Durchschneiden eines einzelnen Drahtes zwischen zwei spezifischen Glühbirnen, ohne die Birnen selbst zu berühren.
- Die Analogie: Stellen Sie sich ein Rezept vor.
  - Knoten-Intervention: „Verwenden Sie keine Eier." (Sie ändern das ganze Gericht).
  - Kanten-Intervention: „Verwenden Sie das Ei nicht im Kuchenboden, aber behalten Sie es im Frosting." (Sie ändern genau, wie eine Zutat mit einem spezifischen Teil interagiert).

Um diese „Chirurgie" mathematisch möglich zu machen, nutzten sie einen cleveren Trick (basierend auf einem berühmten mathematischen Satz), um jede komplexe Interaktion in einfache, eins-zu-eins-Gespräche zwischen Variablenpaaren aufzulösen. Dies ermöglicht es ihnen, einzelne Verbindungen zu isolieren und zu testen.

3. Die Spielregeln (Identifizierbarkeit)

Der Artikel fragt: „Können wir die versteckten Regeln tatsächlich herausfinden, wenn wir den Architekten nicht sehen können?" Sie fanden heraus, dass die Antwort davon abhängt, welche Werkzeuge Sie haben:

Szenario A: Sie können den Architekten nicht sehen, und Sie können ihn nicht berühren.
- Ergebnis: Sie stecken fest. Sie können nicht unterscheiden, ob sich die Karte geändert hat, weil der Architekt seine Meinung geändert hat, oder ob sich nur die Verkehrsregeln verschoben haben. Es ist ein „Nebel des Krieges", in dem verschiedene verborgene Realitäten von außen genau gleich aussehen.
Szenario B: Sie können den Architekten nicht sehen, aber Sie können die Verbindungen (Kanten) berühren.
- Ergebnis: Sie können immer noch verwirrt werden. Wenn Sie nur den Verkehr sehen, könnten Sie denken, eine Straße sei belebt, weil sie eine beliebte Route ist, oder weil die Ampeln defekt sind. Sie können nicht zwischen einer „schlechten Straße" und einer „schlechten Verkehrsregel" unterscheiden.
Szenario C: Sie können den Architekten berühren (oder zumindest seine Meinung ändern) UND Sie können den Verkehr berühren.
- Ergebnis: Erfolg! Wenn Sie den Architekten zwingen können, die Karte zu ändern (z. B. „Bauen Sie hier eine Straße!") und Sie auch die Ampeln kontrollieren können, können Sie endlich das gesamte System rückwärts entwickeln. Sie können genau herausfinden, wie der Architekt denkt und wie die Maschinen funktionieren.

4. Der Beweis: Die Virtuelle Netzhaut

Um zu beweisen, dass dies funktioniert, führten die Autoren nicht nur Mathematik durch; sie bauten ein virtuelles menschliches Auge (ein Netzhaut-Simulator).

Das Setup: In einem echten Auge können Sie die feuernenden Neuronen (Verkehr) sehen, aber oft nicht gleichzeitig die Zelltypen (den Architekten) oder die genaue Verkabelung (die Karte).
Der Test:
1. Sie versuchten, die Verkabelung des Auges herauszufinden, ohne die Zelltypen zu kennen. Ergebnis: Gescheitert (genau wie Szenario A).
2. Sie versuchten, die Verkabelung herauszufinden, indem sie nur Lichter ein- und ausschalteten, ohne Drähte zu durchschneiden. Ergebnis: Gescheitert (genau wie Szenario B).
3. Sie verwendeten eine Kombination aus dem Ändern von Zelltypen (Simulieren von Architektenänderungen) und dem Ein- und Ausschalten von Lichtern. Ergebnis: Sie rekonstruierten erfolgreich die genaue Verkabelung und die Regeln, wie Signale wandern.

Zusammenfassung

Dieser Artikel sagt: „Die Welt ist zu komplex für alte Karten, auf denen Straßen festgelegt sind. Wir brauchen eine neue Art, Systeme zu modellieren, bei denen die Straßen von versteckten Kräften gebaut werden. Indem wir eine neue Art von ‚chirurgischer' Mathematik verwenden, die es uns erlaubt, einzelne Drähte zu durchschneiden, und indem wir genau wissen, welche Art von Experimenten wir durchführen müssen (Ändern sowohl der versteckten Kräfte als auch des sichtbaren Verkehrs), können wir endlich diese komplexen, teilweise verborgenen Systeme verstehen."

Sie bewiesen, dass dies funktioniert, indem sie erfolgreich ein virtuelles menschliches Auge rückwärts entwickelten und zeigten, dass wir mit der richtigen Mischung aus Interventionen durch den Nebel sehen können.

Technische Zusammenfassung: Teilweise beobachtete strukturelle kausale Modelle (POSCMs)

Problemstellung

Standardmäßige strukturelle kausale Modelle (SCMs) behandeln kausale Graphen typischerweise als feste, exogene Strukturen, bei denen Mechanismen auf beobachteten Variablen operieren. Viele reale Systeme – insbesondere in der Biologie, den Sozialwissenschaften und der Technik – weisen jedoch eine komplexere Dynamik auf: Die Interaktionsstruktur (Kanten) und die nachgelagerten Mechanismen werden gemeinsam durch latente Kontexte bestimmt. Beispielsweise bestimmt in der Neurowissenschaft der Zelltyp eines Neurons (Kontext) sowohl seine synaptische Konnektivität (Struktur) als auch seine physiologische Reaktion (Mechanismus), doch diese Kontexte sind oft nur teilweise beobachtbar oder werden indirekt inferiert.

Aktuelle Methoden zur kausalen Entdeckung haben in diesem Regime Schwierigkeiten, da sie feste Graphen und vollständig beobachtete Variablen voraussetzen. Wenn die Strukturbildung endogen zu latenten Prozessen ist und nur teilweise Beobachtungen von Variablen, Kontexten und Kanten verfügbar sind, versagen Standard-SCMs darin, zu trennen, „wer mit wem verbunden ist" von „wie sie interagieren". Dieser Beitrag schließt die Lücke zwischen vollständig beobachteten SCMs und der Realität teilweise beobachteter Systeme, in denen Struktur und Mechanismus mit latenten Kontexten verflochten sind.

Methodik

1. Formalismus: Teilweise beobachtete SCMs (POSCMs)

Die Autoren führen Teilweise beobachtete strukturelle kausale Modelle (POSCMs) ein, einen Rahmen, der kausale Systeme formalisiert, bei denen latente Kontexte ( $\beta$ ) sowohl folgende Aspekte überwachen:

Strukturbildung: Die stochastische Erzeugung gerichteter Kanten ( $A$ ).
Wertmechanismen: Die Erzeugung beobachteter Variablen ( $V$ ) entlang des realisierten Graphen.

Der Rahmen basiert auf einer geordneten Generierung (eine Erweiterung der kausalen Ordnung nach Simon und der sequenziellen Knotenankunft nach Barabási-Albert). Der Generierungsprozess verläuft in zwei Phasen gemäß einer topologischen Ordnung $\tau$ :

Phase I (Struktur & Kontext): Für jeden Knoten $i$ werden eingehende Kanten $A_{ji}$ aus einem Strukturkern $\alpha$ gezogen, der auf den Quellkontext $\beta_j$ bedingt ist. Anschließend wird der Kontext $\beta_i$ basierend auf den Kontexten seiner realisierten Elternknoten generiert. Dieser verschachtelte Prozess stellt sicher, dass der Gesamtgraph über $(\beta, A, V)$ azyklisch bleibt.
Phase II (Mechanismen & Variablen): Mechanismen $f_i$ werden basierend auf dem lokalen Kontext $\beta_i$ und der realisierten Elternmenge zugewiesen. Schließlich werden endogene Variablen $V_i$ generiert.

Ein Messmodell $O$ definiert explizit, was beobachtet wird (z. B. verrauschte $V$ , latente $\beta$ oder unbeobachtete $A$ ) und trennt so den kausalen Prozess vom Beobachtungsprozess.

2. Nachrichten-ergänzte Darstellung & KAS-Zerlegung

Um „chirurgische" Eingriffe auf einzelne Kanten zu ermöglichen, übernehmen die Autoren eine Kolmogorov-Arnold-Sprecher (KAS)-Kantenfunktions-Zerlegung.

Theorem: Jeder kontinuierliche Mechanismus kann als Summe univariater Funktionen seiner Eltern dargestellt werden.
Anwendung: Dies ermöglicht den Autoren, Nachrichtenvariablen ( $M_{i \leftarrow j}$ ) für jedes Dyade zu definieren. Der Mechanismus am Knoten $i$ wird als Aggregation von Nachrichten betrachtet, die von Elternknoten empfangen werden.
Bedeutung: Diese Zerlegung bietet eine explizite Parametrisierung dyadischer Funktionsbeiträge und macht es möglich, Eingriffe zu definieren, die einen einzelnen Kantenkanal gezielt ansprechen, ohne den Quellknoten oder andere Kanten zu verändern.

3. Interventionshierarchie

POSCMs definieren eine Hierarchie von Eingriffen, die vier primitive Typen umfasst:

$\beta$ -Knoteneingriffe: Festlegen des latenten Kontexts eines Knotens (z. B. Änderung des Zelltyps).
$V$ -Knoteneingriffe: Festlegen des Werts einer beobachteten Variable (standardmäßiger do-Operator).
$\beta$ -Kanteneingriffe: Ersetzen der Kontext-Nachrichten-Funktion auf einem spezifischen Kanal.
$V$ -Kanteneingriffe: Ersetzen der Wert-Nachrichten-Funktion auf einem spezifischen Kanal.

Diese Hierarchie ermöglicht eine „chirurgische" Manipulation von Struktur und Mechanismus und unterscheidet POSCMs von Standard-SCMs, bei denen Kanteneingriffe oft konzeptionell und nicht operational sind.

Identifizierbarkeitstheorie

Der Beitrag etabliert rigorose Bedingungen, unter denen die Komponenten eines POSCM identifiziert werden können, und hebt sowohl Barrieren als auch positive Ergebnisse hervor.

Negative Ergebnisse (Barrieren)

Latente Kontexte: Wenn Kontexte unbeobachtet sind und keine $\beta$ -Eingriffe verfügbar sind, sind der Strukturkern, die Kontextausbreitungsmechanismen und die Mechanismus-Zuweisungsoperatoren nicht identifizierbar jenseits einer Kontext-Neuparametrisierung (Proposition 5.2). Knotenebene-Daten ( $V$ ) allein können die Symmetrie zwischen verschiedenen Kontext-Beschriftungen nicht auflösen.
Latente Kanten: Wenn Kanten unbeobachtet sind, sind $V$ -Knoteneingriffe unzureichend, um die Effekte von $V$ -Kanteneingriffen vorherzusagen. Dies erzeugt eine Verwechslung von Struktur und Mechanismus, bei der ein Modell mit häufigen schwachen Kanten unter Knotenebene-Eingriffen observationell äquivalent zu einem Modell mit seltenen starken Kanten ist, sich jedoch unter Kantenebene-Eingriffen unterscheidet (Lemma 5.3).

Positive Ergebnisse

Kern-Identifizierbarkeit: Unter spezifischen Annahmen (Kontext-/Wert-Auslesung, gemeinsame Abdeckung durch $\beta$ -Knoten- und $V$ -Knoteneingriffe sowie eine auf Sondierung basierende Strukturauslesung) sind die Populationskerne (Strukturkern $\alpha$ , Kontextausbreitung $\phi$ und Mechanismusoperator $\Gamma$ ) identifizierbar (Theorem 5.4).
Dyadische Nachrichten-Identifizierbarkeit: Mit reichhaltigerem Zugriff (einschließlich Kanten-Nachrichten-Eingriffen oder Replay in gepaarten Welten) können die spezifischen dyadischen Nachrichten-Primitiven bis auf einen Darstellungsgauge identifiziert werden (Theorem C.3).

Experimentelle Validierung

Die Autoren validieren ihre theoretischen Vorhersagen mithilfe eines biophysikalisch detaillierten virtuellen menschlichen Retina-Simulators (NEURON). Die Retina dient als natürliches POSCM, bei dem Zelltypen (latentes $\beta$ ) die Konnektivität und synaptische Physiologie bestimmen.

Experiment 1 (Nicht-Identifizierbarkeit ohne $\beta$ -Eingriffe): Die Autoren konstruierten „Zwilling"-Retina-Modelle, bei denen Zelltyp-Beschriftungen und synaptische Regeln vertauscht wurden. Unter Beobachtungsdaten und $V$ -Knoteneingriffen (Spannungsklemmen) waren die Verteilungen der Feuerraten ununterscheidbar (KS-Test $p > 0,9$ ), was die durch Proposition 5.2 vorhergesagte Neuparametrisierungssymmetrie empirisch bestätigt.
Experiment 2 (Verwechslung von Struktur und Mechanismus): Zwei Modelle wurden so kalibriert, dass sie unter Knotenebene-Klemmen identische mittlere synaptische Antriebe aufwiesen (eines mit hoher Dichte/niedriger Leitfähigkeit, eines mit niedriger Dichte/hoher Leitfähigkeit). Während Knotenebene-Eingriffe ähnliche Reaktionen lieferten, enthüllten Kantenebene-Eingriffe (Störung spezifischer Synapsen) signifikante Diskrepanzen (höherer MMD), was Lemma 5.3 validiert.
Experiment 3 (Kern-Identifizierbarkeit): Durch Durchlaufen von Kontexten (Variation der retinalen Exzentrizität zur Änderung der Zelltyp-Zusammensetzung) und Werten (Spannungsklemmen) gelang es den Autoren, die kontextabhängige Populationszusammensetzung und die sigmoide synaptische Transferkurve (BC $\to$ RGC) erfolgreich wiederherzustellen, konsistent mit Theorem 5.4.

Hauptbeiträge & Bedeutung

Formaler Rahmen: Der Beitrag liefert den ersten formalen Rahmen (POSCMs), der Strukturbildung als endogenen kausalen Mechanismus behandelt, der durch latente Kontexte angetrieben wird, und teilweise Beobachtbarkeit sowohl von Struktur als auch Kontext berücksichtigt.
Interventionsvokabular: Er führt eine neuartige Interventionshierarchie ein, die Operationen auf Kanten-Ebene einschließt, ermöglicht durch eine KAS-basierte, nachrichten-ergänzte Darstellung. Dies erlaubt „chirurgische" kausale Manipulationen, die in Standard-SCMs bisher nicht definiert waren.
Identifizierbarkeits-Diagnostik: Die Arbeit liefert nicht nur positive Garantien, sondern diagnostiziert explizit Fehlermodi (Symmetrien latenter Kontexte und Verwechslung latenter Kanten). Sie klärt genau, welche Eingriffsfamilien notwendig sind, um Struktur von Mechanismus zu trennen.
Empirischer Proof-of-Concept: Die virtuellen Retina-Experimente zeigen, dass diese theoretischen Barrieren und Lösungen in realistischen biophysikalischen Systemen auftreten und dass eine Wiederherstellung auf Kernebene unter den vorgeschlagenen Auslese- und Abdeckungsannahmen erreichbar ist.

Die Autoren schließen, dass POSCMs SCMs auf eine der Realität näheren Welt verallgemeinern, in der Interaktionsstrukturen keine festen Gerüste sind, sondern dynamische, kontextabhängige Ergebnisse, über die man reasoning betreiben und in die man eingreifen kann.