Resumen Técnico: Un Marco de Descomposición Recursiva para el Aprendizaje de Estructuras Causales en Presencia de Variables Latentes

Enunciado del Problema

El descubrimiento causal basado en restricciones es un enfoque fundamental para inferir estructuras causales a partir de datos observacionales. Sin embargo, su dependencia de pruebas exhaustivas de independencia condicional (IC) lo hace computacionalmente prohibitivo en configuraciones de alta dimensión. Aunque se han propuesto marcos de dividir y conquistar para mitigar este costo descomponiendo tareas de aprendizaje globales en subproblemas más pequeños, los métodos existentes dependen críticamente de la suposición de suficiencia causal (es decir, la ausencia de variables latentes). En sistemas del mundo real donde los confusores latentes son prevalentes, estos métodos fallan porque la presencia de causas comunes no observadas induce dependencias complejas que violan las suposiciones requeridas para la descomposición estándar.

La pregunta central abordada por este trabajo es: ¿Pueden generalizarse teóricamente las estrategias de dividir y conquistar para el aprendizaje de estructuras causales más allá de la suficiencia causal hacia configuraciones con variables latentes?

Metodología: El Marco DICOLA

Los autores proponen DICOLA (Dividir y Conquistar para Variables Latentes), un marco de descomposición recursiva diseñado para recuperar el Gráfico Ancestral Parcial (PAG) que representa la clase de equivalencia de Markov del Gráfico Ancestral Máximo (MAG) subyacente en presencia de variables latentes.

Fundamentos Teóricos

El marco se basa en las propiedades de la m-separación en gráficos ancestrales. Los autores establecen tres teoremas clave que justifican el proceso de descomposición y reconstrucción:

1. Teorema 1: Si un conjunto de variables $O$ se particiona en subconjuntos disjuntos $(A, B, C)$ tal que $A \perp\!\!\!\perp B \mid C$, entonces para cualquier $X \in A$ y $Y \in A \cup C$, la m-separación de $X$ e $Y$ depende únicamente de subconjuntos de $A \cup C$. Las variables en $B$ son irrelevantes para determinar conjuntos separadores para pares dentro de $A \cup C$.
2. Teorema 2: Para vértices distintos $X, Y \in C$, si están m-separados en el conjunto completo $O$, existe un conjunto separador dentro de $A \cup C$ o de $B \cup C$.
3. Teorema 3 (Principio de Reconstrucción): El esqueleto global puede recuperarse fusionando esqueletos locales de subproblemas. Específicamente, las aristas entre variables fuera del separador $C$ se heredan directamente, mientras que las aristas dentro de $C$ se retienen solo si existen en ambas sub-soluciones.

Implementación Algorítmica

El marco DICOLA sigue un paradigma de "dividir-aprender-fusionar":

1. Descomposición (Dividir): El algoritmo identifica una tripartición válida $(A, B, C)$ de las variables observadas $K$ tal que $A \perp\!\!\!\perp B \mid C$. Para encontrar esto eficientemente, construye un Gráfico de Independencia No Dirigido (UIG) basado en los Mantos de Markov de las variables. El UIG sirve como una estructura sustituta donde los separadores de vértices corresponden a separadores de independencia condicional válidos en el MAG subyacente.
2. Aprendizaje Local (Aprender): El problema global se descompone recursivamente en subproblemas definidos sobre $A \cup C$ y $B \cup C$. Esto continúa hasta alcanzar subproblemas hoja donde no existe ninguna tripartición válida adicional. En las hojas, se ejecuta un algoritmo base de descubrimiento causal (por ejemplo, FCI, RFCI) para aprender el esqueleto local.
3. Reconstrucción (Fusionar): Los esqueletos locales se fusionan de abajo hacia arriba. El paso de fusión aplica el Teorema 3: la unión de aristas de los esqueletos hijos forma el esqueleto padre, eliminando las aristas dentro del conjunto separador $C$ si faltan en cualquiera de los esqueletos hijos. Finalmente, se aplican reglas de orientación (Zhang, 2008b) al esqueleto global para producir el PAG.

Contribuciones Clave

1. Generalización Teórica: El artículo establece la primera base teórica para el aprendizaje de estructuras causales mediante dividir y conquistar en presencia de variables latentes. Los autores demuestran que las relaciones de m-separación se propagan de arriba hacia abajo durante la descomposición y exhiben consistencia de abajo hacia arriba durante la fusión, asegurando que la descomposición no pierda información respecto a la clase de equivalencia de Markov.
2. Marco DICOLA: Un marco recursivo novedoso que se integra con algoritmos existentes basados en restricciones. Los autores demuestran que si el aprendiz base es sólido y completo, DICOLA también lo es.
3. Eficiencia mediante Mantos de Markov: El método aprovecha el aprendizaje de mantos de Markov para construir UIGs mínimos, permitiendo la identificación de descomposiciones válidas sin pruebas exhaustivas de IC sobre todo el conjunto de variables.

Resultados Experimentales

Los autores evaluaron DICOLA integrándolo con cinco algoritmos de última generación: FCI, RFCI, FCI+, L-MARVEL e ICD. Los experimentos se realizaron con datos sintéticos (grafos aleatorios de Erdős–Rényi y redes bayesianas de referencia) y un conjunto de datos de expresión génica del mundo real (Arabidopsis thaliana).

• Eficiencia Computacional: En todos los escenarios, DICOLA redujo significativamente el número de pruebas de IC y el tiempo de ejecución en comparación con los algoritmos base independientes. La aceleración fue más pronunciada en grafos dispersos y bien descomponibles.
• Precisión Estructural: El marco generalmente mantuvo o mejoró las puntuaciones F1 de los métodos base. En algunos escenarios de grafos más simples, se observó un ligero intercambio en la precisión para combinaciones específicas (por ejemplo, DICOLA+L-MARVEL), pero esto se mitigó en configuraciones más complejas y de alta dimensión con conectividad densa o mayor confusión latente.
• Aplicación en el Mundo Real: Aplicado a los datos de expresión génica de Arabidopsis thaliana, DICOLA+FCI recuperó con éxito la estructura modular de vías metabólicas conocidas (MEP y MVA), identificando conexiones densas intra-vía e interacciones inter-vía dispersas consistentes con la literatura biológica.

Significado y Afirmaciones

El artículo afirma proporcionar una solución teóricamente justificada a una limitación de larga data en el descubrimiento causal: la incapacidad de aplicar estrategias de dividir y conquistar cuando están presentes variables latentes. Al demostrar la solidez y completitud del marco, los autores muestran que se puede lograr eficiencia computacional sin sacrificar las garantías teóricas requeridas para una inferencia causal válida en presencia de confusión.

Los autores señalan que, aunque la aceleración es sustancial para grafos dispersos, los beneficios disminuyen a medida que aumenta la densidad del grafo, ya que encontrar separadores válidos se vuelve más difícil. Sin embargo, enfatizan que el marco permanece sólido incluso en estos casos, degradándose efectivamente al rendimiento del aprendiz base en lugar de producir resultados incorrectos. El trabajo abre la puerta para aplicar técnicas escalables de dividir y conquistar a un rango más amplio de problemas de descubrimiento causal en el mundo real donde la confusión latente es la norma y no la excepción.