Resumen Técnico: PROMETHEUS – Automatización de la Investigación Causal Profunda

Declaración del Problema

Los Modelos de Lenguaje Grande (LLMs) han demostrado la capacidad de resumir literatura científica, extraer afirmaciones causales locales y recuperar pasajes relevantes. Sin embargo, para una investigación profunda, estas capacidades son insuficientes. Los resúmenes planos y los gráficos causales agregados no logran capturar la localidad, la especificidad del régimen y los límites probatorios del conocimiento científico. Un investigador a menudo necesita saber no solo qué es una afirmación, sino dónde se sostiene (por ejemplo, poblaciones específicas, ventanas temporales o protocolos de medición), dónde entra en conflicto con otras afirmaciones y cómo varía el apoyo a lo largo de un corpus. Los enfoques existentes suelen colapsar evidencia heterogénea en un único gráfico universal o una respuesta genérica, oscureciendo la "deriva", la "contradicción" y la "subdeterminación" que son señales críticas en la investigación científica.

Metodología: El Modelo Mundial de Topos

PROMETHEUS replantea la investigación causal como la construcción de un Modelo Mundial de Topos: una familia tipo haz de modelos locales de estado predictivo causal indexados sobre una cubierta explícita de un sustrato de investigación.

Arquitectura Central

El sistema opera como un pipeline que transforma la literatura recuperada, presentaciones, informes y datos de origen en un Atlas Causal navegable:

1. Extracción y Normalización (Heredado de DEMOCRITUS):

   • El sistema recupera documentos y extrae eventos causales, episodios y triples relacionales (sujeto-relación-objeto).
   • Estos se normalizan en filas estilo cSQL estructuradas que contienen causa, efecto, modificadores, polaridad y procedencia.
   • A diferencia de iteraciones anteriores que trataban estos elementos como aristas terminales de un gráfico, PROMETHEUS los trata como observaciones para modelos locales.

2. Contextualización y Construcción de Cubierta:

   • Las afirmaciones extraídas se asignan a contextos locales (por ejemplo, especies específicas, años fiscales, etapas de uso de productos o roles de agentes).
   • Se construye una cubierta, donde cada contexto $U$ representa una región donde se espera que las afirmaciones tengan semánticas comparables.

3. Representación de Estado Predictivo Local (PSR):

   • Para cada contexto $U$, el sistema construye una Representación de Estado Predictivo Causal Local.
   • En lugar de un modelo de variable latente, utiliza un enfoque de predicción observable. Un estado se define mediante una tabla $M_U[h, \tau]$ que representa la probabilidad predictiva (o puntuación de apoyo) de una prueba futura $\tau$ dada una historia $h$.
   • Las historias son secuencias de eventos causales; las pruebas son continuaciones causales (por ejemplo, "estrés térmico $\to$ cambio en la supervivencia larval").
   • Estas tablas se llenan con conteos de apoyo, estimaciones de incertidumbre y enlaces de procedencia.

4. Organización Teórica de Haz:

   • Mapas de Restricción: Cuando los contextos se superponen, los mapas de restricción alinean historias, pruebas y afirmaciones compartidas. El sistema calcula discrepancias (brechas) entre modelos locales superpuestos.
   • Diagnósticos de Unión: El sistema evalúa si las secciones locales pueden "unirse" en una sección global coherente.
     • Superposiciones compatibles: Los modelos locales coinciden; pueden agregarse.
     • Superposiciones tensas/obstruidas: Los modelos discrepan debido a deriva, límites de régimen o contradicciones. Estos no se promedian, sino que se registran como señales de diagnóstico explícitas (por ejemplo, "contradicción", "dependencia del régimen" o "subdeterminación").
   • Estado Persistente: El atlas resultante es un artefacto acumulativo. Nuevas ejecuciones pueden compararse con estados anteriores para detectar deriva o reparar tensiones de unión.

5. Contrafactuales Fundamentados:

   • Cuando un artículo proporciona datos de origen, código o salidas de simulación, PROMETHEUS puede vincular una intervención simbólica a un sustrato científico externo.
   • Ejecuta la intervención (por ejemplo, modificando un parámetro de forzamiento en un modelo hidrológico o sustituyendo un régimen experimental en datos de células individuales).
   • El resultado medido se reintroduce en el modelo mundial, reconstruyendo el PSR local y la estructura de haz en torno a la nueva observación.

Contribuciones Clave

El artículo describe seis contribuciones específicas:

1. Pipeline de PROMETHEUS: Un pipeline de lenguaje a Modelo Mundial de Topos para investigación causal profunda a partir de texto.
2. Extensión de DEMOCRITUS: Avanzar desde tablas/gráficos causales estáticos hacia modelos locales de estado predictivo causal con cubiertas, restricciones y diagnósticos de unión.
3. Formalización: Una formalización finita basada en teoría de haces de eventos causales, episodios, contextos y tensiones de unión adecuada para su implementación.
4. Interfaz de Atlas de Afirmaciones: Un objeto orientado al usuario que organiza un corpus por columna vertebral causal, regiones locales, apoyo, deriva y profundización en la procedencia.
5. Programa de Evaluación: Una propuesta para evaluar instrumentos causales basándose en cobertura, visibilidad de la deriva, agregación de apoyo, calidad de la procedencia, tiempo de navegación de expertos y consistencia de reejecución, en lugar de solo en la precisión de la extracción.
6. Demostraciones de Contrafactuales Fundamentados: Cuatro estudios de caso que muestran al sistema evaluando intervenciones contra sustratos externos (tablas de origen, código y datos) y reconstruyendo el modelo mundial.

Resultados y Estudios de Caso

El artículo presenta tres estudios de caso de atlas de literatura y cuatro estudios de caso de contrafactuales fundamentados:

Estudios de Caso de Atlas de Literatura

1. Impactos de la Temperatura Oceánica: Se analizaron 11 estudios sobre poblaciones de peces. El atlas reveló una columna vertebral causal central (calentamiento $\to$ estrés térmico $\to$ supervivencia) pero identificó regímenes locales distintos (por ejemplo, supervivencia larval frente a producción pesquera económica) y regiones de "deriva" (por ejemplo, afirmaciones sobre salud humana no relacionadas con la consulta central). Expuso tensiones de régimen donde las afirmaciones sobre el reclutamiento larval entraron en conflicto en diferentes contextos ecológicos.
2. Evidencia de Pérdida de Peso con GLP-1: Se analizaron 11 estudios sobre fármacos GLP-1. El sistema separó las afirmaciones de eficacia de las señales de seguridad (por ejemplo, pérdida de cabello), problemas de acceso y afirmaciones de mecanismo. Destacó que, mientras la eficacia y algunos beneficios cardiorenales se "unieron" a través de regímenes, los riesgos gastrointestinales y las afirmaciones sobre vías de recompensa permanecieron obstruidos o sensibles al régimen.
3. Resveratrol/Vino Tinto: Se analizaron 13 estudios sobre beneficios para la salud. El atlas distinguió entre afirmaciones respaldadas por datos de líneas celulares, química del vino, restricciones de biodisponibilidad y epidemiología humana. Identificó que los "beneficios para la salud" no son una única afirmación global, sino una colección de mecanismos locales con transportabilidad variable.

Estudios de Caso de Contrafactuales Fundamentados

1. Microplásticos (Nature Climate Change): Se utilizaron tablas de origen para intervenir en el forzamiento óptico. Reemplazar la óptica de partículas "coloreadas" con valores "blancos/prístinos" en los datos de origen redujo el forzamiento radiativo estimado en aproximadamente un 90%. El sistema reconstruyó el modelo de haz con estas nuevas observaciones.
2. Hidrología del Valle del Indo: Se utilizaron datos de descarga derivados de VIC y código para simular un contrafactual de "restauración de sequía". El sistema midió una recuperación en los índices de descarga y actualizó la explicación causal de la metamorfosis harappa para reflejar el vínculo debilitado entre la sequía y la dispersión bajo el contrafactual.
3. Señalización de Proteínas de Sachs: Se utilizaron datos de perturbación de células individuales para sustituir regímenes experimentales. El sistema midió cambios en marcadores (por ejemplo, PKA/Akt/Erk) y actualizó el atlas causal con observaciones fundamentadas en datos, tratando las estructuras tipo DAG como gráficos locales dentro de un haz más grande.
4. Ratones Cantores (MAPseq): Se utilizaron matrices de proyección para atenuar las proyecciones de la corteza motora en ratones cantores a niveles de ratones de laboratorio. El sistema midió una reducción de aproximadamente el 72% en el apoyo de proyección y actualizó el puente causal entre la expansión de la corteza motora y el repertorio vocal.

Significado y Afirmaciones

El artículo posiciona a PROMETHEUS no como una herramienta para generar una única "mejor respuesta" o un gráfico causal universal, sino como un instrumento de investigación para navegar la geometría de la evidencia.

• Transparencia Epistémica: El sistema expone explícitamente dónde las afirmaciones coinciden, dónde derivan y dónde fallan en ensamblarse en una visión global coherente. Trata la "unión fallida" como una señal de investigación valiosa en lugar de ruido.
• Localidad y Transportabilidad: Proporciona un mecanismo formal para determinar qué afirmaciones son transportables a nuevos contextos y cuáles requieren advertencias específicas o están limitadas por el régimen.
• Revisión Fundamentada: Al integrar sustratos científicos externos (código, datos, modelos), PROMETHEUS va más allá del razonamiento simbólico hacia intervenciones medidas, permitiendo que el modelo mundial se revise mediante resultados experimentales o de simulación reales.
• Dirección Futura: Los autores proponen la "Construcción de Topos Búsqueda de Sustrato", donde los sistemas futuros buscan e integran activamente artefactos de investigación heterogéneos (tablas, código, simulaciones) para construir, probar y revisar modelos mundiales causales, automatizando una práctica científica más amplia de ensamblar explicaciones coherentes a partir de evidencia fragmentada.

El artículo concluye que el valor del sistema radica en su capacidad para preservar la localidad, el apoyo, la deriva, la contradicción y la procedencia, permitiendo a los investigadores inspeccionar los límites del conocimiento actual e identificar dónde se requieren nuevos datos o intervenciones.