🤖 machine learning

ProtoSSL: Interpretable Prototype Learning from Unlabeled Time-Series Data

ProtoSSL es un marco novedoso que aprende prototipos interpretables basados en proyección a partir de datos de series temporales no etiquetados mediante el descubrimiento auto-supervisado de motivos, los cuales pueden alinearse de manera eficiente con tareas posteriores para lograr una eficiencia de etiquetado superior y explicaciones preferidas por humanos en comparación con las líneas base supervisadas.

Autores originales: Steven Song, Sahil Sethi, Brett Beaulieu-Jones, Robert L. Grossman

Publicado 2026-05-11

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Steven Song, Sahil Sethi, Brett Beaulieu-Jones, Robert L. Grossman

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enseñar a una computadora a reconocer diferentes tipos de latidos cardíacos (ECG) o sonidos (audio). Por lo general, para hacerlo bien, necesitas dos cosas: una biblioteca masiva de ejemplos etiquetados (por ejemplo, "este latido es normal", "este es peligroso") y una forma de explicar por qué la computadora tomó su decisión.

Los modelos de aprendizaje profundo son excelentes para encontrar patrones, pero a menudo son "cajas negras". No puedes ver fácilmente en qué están fijando su atención. Por otro lado, los modelos de "prototipo" son como un detective que dice: "Creo que esto es un infarto porque se ve exactamente igual que este ejemplo específico de infarto que vi antes". Estos son fáciles de entender, pero por lo general requieren una gran cantidad de datos etiquetados para aprender esos ejemplos específicos en primer lugar. Si cambias la tarea (por ejemplo, de detectar infartos a detectar una condición diferente), a menudo tienes que empezar de cero y volver a aprender todo desde el principio.

Aquí entra ProtoSSL: El "Coleccionista Universal de Patrones".

Los autores de este artículo crearon un nuevo sistema llamado ProtoSSL que resuelve estos problemas dividiendo el proceso de aprendizaje en dos pasos distintos. Piensa en ello como un bibliotecario que primero organiza los libros por su forma física y color, y solo más tarde decide a qué género pertenece cada libro.

Paso 1: El "Coleccionista de Formas" (Aprendizaje sin etiquetas)

Primero, ProtoSSL examina una pila masiva de datos sin etiquetar (miles de latidos o sonidos sin etiquetas adjuntas). Aún no le importa el diagnóstico; solo quiere encontrar patrones recurrentes.

La Analogía: Imagina a un niño jugando con una caja de bloques de LEGO mezclados. El niño aún no sabe qué es un "coche" o una "casa". Solo clasifica los bloques por color, tamaño y forma. Construyen un "banco" de patrones de bloques interesantes y reutilizables.
Lo que hace ProtoSSL: Utiliza un método auto-supervisado para encontrar estos "motivos" (patrones) recurrentes en los datos y los almacena en un Banco de Prototipos. Aprende: "Oh, este rabillo específico ocurre a menudo" o "este ritmo específico se repite". Es crucial que hace esto sin saber qué significan estos patrones médica o lingüísticamente.

Paso 2: El "Asignador de Etiquetas" (Adaptación de la tarea)

Una vez que se ha construido la biblioteca de patrones, ahora puedes usarla para un trabajo específico. Introduces una pequeña cantidad de datos etiquetados (por ejemplo, "estos rabillos significan 'infarto'").

La Analogía: Ahora, el bibliotecario toma los bloques de LEGO preclasificados y dice: "Bien, para este proyecto específico, los bloques rojos 2x4 representarán 'coches', y los bloques azules 2x2 representarán 'casas'".
Lo que hace ProtoSSL: Asigna eficientemente los patrones que ya encontró a las nuevas etiquetas. Pregunta: "¿Cuál de mis patrones preaprendidos representa mejor un 'infarto'?". Luego "ancla" estos patrones señalando los ejemplos reales del mundo real en los datos que coinciden con ellos.

¿Por qué es esto un gran avance?

1. Es increíblemente eficiente con los datos.
Por lo general, para entrenar un modelo inteligente y explicable, necesitas miles de ejemplos etiquetados. ProtoSSL puede hacer un gran trabajo con tan solo 256 ejemplos etiquetados.

La Metáfora: En lugar de necesitar una biblioteca completa de libros etiquetados para enseñar a un estudiante, solo necesitas unos pocos ejemplos para mostrarle a qué capítulos preclasificados pertenece cada materia. El trabajo pesado de encontrar los capítulos ya se había realizado.

2. Es reutilizable.
Si entrenas un modelo estándar con datos cardíacos, no se puede usar fácilmente para datos de audio. Pero como ProtoSSL aprende primero las formas de los datos, puedes tomar ese mismo "Banco de Patrones" y usarlo para tareas completamente diferentes (como cambiar de latidos cardíacos a reconocimiento de voz) sin volver a entrenar todo el sistema.

3. A los humanos realmente les gustan las explicaciones.
Los investigadores probaron esto con estudiantes de medicina. Les mostraron explicaciones generadas por ProtoSSL y explicaciones de modelos estándar que requieren muchas etiquetas.

El Resultado: Aunque los modelos estándar a veces eran ligeramente mejores para obtener la respuesta correcta, los estudiantes de medicina prefirieron las explicaciones de ProtoSSL. Sintieron que los ejemplos que ProtoSSL seleccionó eran "mejores ejemplos" del diagnóstico.
La Metáfora: Un modelo estándar podría decir: "Esto es un infarto debido a este pequeño y extraño pico". ProtoSSL dice: "Esto es un infarto porque se ve exactamente igual que este infarto clásico y de libro de texto". Los humanos encuentran el ejemplo de libro de texto mucho más convincente y confiable.

Resumen

ProtoSSL es un marco que aprende cómo se ven las cosas antes de aprender qué significan las cosas. Al separar el descubrimiento de patrones de la asignación de etiquetas, crea un sistema reutilizable, altamente eficiente y amigable para el humano que funciona bien incluso cuando tienes muy pocos ejemplos etiquetados. Funciona con datos cardíacos (ECG) y también se ha demostrado que funciona con datos de audio, demostrando que es una herramienta flexible para el análisis de series temporales.

Resumen Técnico: ProtoSSL

Declaración del Problema

En dominios de series temporales, como el análisis de ondas clínicas y la clasificación de audio, las redes neuronales profundas a menudo logran un alto rendimiento predictivo pero carecen de interpretabilidad. Si bien las redes de prototipos basadas en proyección (por ejemplo, ProtoPNet) ofrecen interpretabilidad inherente al fundamentar las predicciones en un razonamiento de "esto se parece a aquello"—comparando las entradas con ejemplos representativos de entrenamiento—las aproximaciones existentes sufren de dos limitaciones críticas:

Dependencia de Etiquetas: Los prototipos se aprenden mediante objetivos supervisados vinculados a estructuras de clases específicas, lo que requiere grandes conjuntos de datos etiquetados.
Falta de Reutilización: Dado que los prototipos se optimizan para una tarea específica, no pueden transferirse fácilmente a nuevas tareas aguas abajo o conjuntos de datos con espacios de etiquetas diferentes, lo que obliga a un reentrenamiento desde cero.

Por el contrario, el aprendizaje auto-supervisado (SSL) puede aprender estructuras transferibles a partir de datos no etiquetados, pero típicamente opera en el espacio latente, fallando en producir explicaciones fundamentadas en proyecciones e inspeccionables por humanos. El desafío central es cómo aprender prototipos que sean tanto transferibles entre tareas como inherentemente interpretables, sin depender de etiquetas específicas de la tarea durante la fase inicial de aprendizaje.

Metodología: Marco ProtoSSL

ProtoSSL aborda esto desacoplando el descubrimiento de motivos de la alineación de etiquetas. El marco opera en dos fases distintas:

1. Preentrenamiento Auto-supervisado (Descubrimiento de Motivos)

ProtoSSL aprende un banco reutilizable de prototipos a partir de datos de series temporales no etiquetados.

Arquitectura: Un codificador $f_\theta$ mapea la serie temporal de entrada $x$ a una representación $h$ . Se define un conjunto de prototipos aprendibles $P$ .
Activación: Las activaciones de prototipo $a(x)$ se calculan como la similitud entre la salida del codificador y cada prototipo $p_k$ .
Objetivo: Se aplica un objetivo contrastivo auto-supervisado (SimCLR/NT-Xent) directamente a las activaciones de prototipo proyectadas $z = r_\phi(a(x))$ . Esto obliga al modelo a representar las entradas como ponderaciones de prototipos basadas en la consistencia de los datos a través de vistas aumentadas, sin ninguna supervisión de etiquetas.
Regularización: Se aplica regularización KoLeo a los vectores de prototipo para asegurar que estén dispersos en el espacio latente, evitando el colapso.
Resultado: Un "banco de prototipos" $P$ que captura patrones recurrentes y transferibles (motivos) en la distribución de los datos, independientemente de cualquier tarea aguas abajo específica.

2. Adaptación a la Meta (Alineación de Etiquetas)

Una vez disponible una tarea aguas abajo con datos etiquetados, los prototipos preentrenados se alinean con la nueva tarea sin reentrenar el banco de prototipos.

Asignación: Un procedimiento novedoso, libre de entrenamiento y no paramétrico, mapea los prototipos del banco a las etiquetas aguas abajo. Esto se formula como un problema de asignación lineal rectangular (LAP), resoluble en tiempo polinómico.
- Se calcula una matriz de puntuación de asociación $Q$ basada en estadísticas de activación de prototipos (comparando la activación en muestras positivas frente a negativas para cada etiqueta, normalizada por la varianza).
- El solucionador LAP asigna los prototipos más discriminativos a cada ranura de etiqueta.
Proyección: Los prototipos asignados se proyectan sobre ejemplos de entrenamiento reales y representativos del conjunto de datos objetivo que poseen la etiqueta correspondiente. Este paso fundamenta los prototipos en segmentos de señal concretos, preservando la interpretabilidad.
Clasificación: Se entrena un clasificador de regresión logística sobre las activaciones de prototipo proyectadas. El codificador y los prototipos pueden permanecer congelados (sondeo lineal) o ajustarse finamente con supervisión de etiquetas.

Contribuciones Clave

Marco Novel: ProtoSSL es el primer marco que aprende prototipos interpretables fundamentados en proyecciones a partir de datos no etiquetados y los adapta a tareas aguas abajo mediante un procedimiento explícito de asignación y proyección.
Separación de Responsabilidades: Al separar el descubrimiento de motivos (auto-supervisado) de la alineación de etiquetas (asignación), el marco permite la reutilización de prototipos entre conjuntos de datos y espacios de etiquetas sin reaprender la representación central.
Eficiencia de Etiquetas: El marco mejora significativamente la eficiencia de etiquetas, manteniéndose efectivo con tan solo 256 ejemplos etiquetados, superando a las líneas base de prototipos supervisados en regímenes de pocos datos.
Interpretabilidad Humana: Un estudio de evaluación humana demuestra que los prototipos aprendidos sin etiquetas de tarea son calificados como ejemplos más representativos y aceptables de diagnósticos que aquellos aprendidos mediante supervisión directa de etiquetas, a pesar de que estos últimos tienen una mayor precisión predictiva en algunos casos.
Generalización: El enfoque se extiende más allá del ECG hacia la clasificación de audio, validando la separación del descubrimiento de motivos y la alineación de etiquetas a través de dominios de series temporales distintos.

Resultados Experimentales

Los autores evaluaron ProtoSSL en seis conjuntos de datos de ECG y tres conjuntos de datos de audio.

Rendimiento en ECG:
- Datos Completos: Con ajuste fino, ProtoSSL supera a las líneas base de prototipos supervisados (SupProto Direct) y logra un rendimiento competitivo frente a modelos fundacionales de caja negra.
- Pocos Datos: En regímenes de pocos datos (hasta 256 muestras), ProtoSSL (sondeo congelado) supera consistentemente tanto a las líneas base supervisadas como a los modelos de caja negra. Cabe destacar que ProtoSSL con solo 4.000 muestras iguala el rendimiento de las líneas base supervisadas entrenadas en conjuntos de datos completos (64.000+ muestras) en ciertas tareas.
- Generalización: ProtoSSL se generaliza bien a tareas fuera de dominio donde los espacios de etiquetas difieren, mientras que el preentrenamiento supervisado por etiquetas (SupProto HEEDB) falla al transferirse efectivamente a tareas con etiquetas que no se superponen.
Rendimiento en Audio:
- ProtoSSL preentrenado en AudioSet se transfiere efectivamente a UrbanSound8K, IEMOCAP y VoxCeleb1. Supera a las líneas base supervisadas en tareas con superposición mínima de etiquetas, demostrando la robustez de la fase de descubrimiento de motivos.
Evaluación Humana:
- En un estudio ciego con estudiantes de medicina, los prototipos de ProtoSSL fueron calificados significativamente más altos en "aceptabilidad" (91,4% vs. 66,4%) y calidad de explicación (82,9% vs. 67,9%) en comparación con los prototipos supervisados directamente. Esto sugiere que el descubrimiento auto-supervisado produce patrones que son percibidos de manera más consistente como ejemplos clínicos representativos.
Eficiencia:
- El paso de asignación es computacionalmente eficiente, resolviendo el problema de asignación lineal en segundos, mientras que los métodos de asignación paramétrica alternativos (por ejemplo, ProtoPool adaptado) son un orden de magnitud más lentos.

Significado y Afirmaciones

El artículo afirma que ProtoSSL cambia fundamentalmente el paradigma para el modelado de series temporales interpretables al demostrar que los prototipos interpretables pueden aprenderse antes de que se conozca el espacio de etiquetas aguas abajo.

Desacoplamiento: Demuestra que el mecanismo de razonamiento de "esto se parece a aquello" no requiere supervisión de etiquetas de extremo a extremo para descubrir patrones útiles.
Reutilización: Establece una vía para crear componentes de modelo reutilizables e interpretables que pueden adaptarse rápidamente a nuevas tareas clínicas o industriales con datos etiquetados mínimos.
Calidad de la Evidencia: Los autores postulan que el descubrimiento auto-supervisado de motivos puede generar evidencia basada en casos más representativa que el aprendizaje supervisado, el cual podría priorizar características discriminativas que son menos intuitivamente "prototípicas" para expertos humanos.

El trabajo posiciona a ProtoSSL como una base para estudios en dominios con escasez de datos (como la medicina), donde obtener grandes conjuntos de datos etiquetados es difícil, pero la interpretabilidad es esencial para la confianza clínica y la adopción.