Resumen Técnico: Cuando las Violaciones de Reglas Son Raras: Entrenamiento Quimera para la Detección de Anomalías Lógicas

Declaración del Problema

El artículo aborda la Detección de Anomalías Lógicas, un escenario donde las anomalías se definen no meramente como valores atípicos estadísticos o muestras fuera de distribución (OOD), sino como entradas que violan restricciones semánticas conocidas. Estas restricciones incluyen co-ocurrencias estructuradas de objetos, precondiciones de acciones y regularidades temporales o relacionales.

Un desafío crítico en este dominio es que las violaciones de reglas en el mundo real suelen ser raras o estar completamente ausentes durante el entrenamiento. La clasificación binaria supervisada estándar requiere acceso a muestras anómalas, las cuales son, por definición, escasas. Además, los métodos existentes enfrentan una compensación: las pipelines puramente simbólicas dependen de salidas de percepción frágiles, mientras que las pipelines puramente neuronales a menudo re-aprenden implícitamente las restricciones, entrelazándolas con señales visuales espurias y fallando en proporcionar atribuciones interpretables a nivel de regla. Los autores buscan desarrollar un método capaz de aprender a detectar violaciones de reglas utilizando únicamente datos de entrenamiento consistentes con las reglas (es decir, datos "normales"), sin requerir ejemplos explícitos de anomalías.

Metodología

El marco propuesto, denominado Evaluador Neural, es un enfoque neuro-simbólico que compila restricciones lógicas en Grafos Acíclicos Dirigidos (DAG) explícitos y aprende operadores neuronales reutilizables para evaluarlos.

1. Arquitectura y Pipeline de Entrenamiento

El método opera en cuatro etapas (ilustradas en la Figura 1):

• Etapa 1 (Banco de Conceptos Hoja): Un codificador compartido $E_\phi$ extrae características $z$ de las imágenes de entrada. Un conjunto de cabezales "hoja" predice probabilidades para un conjunto predefinido de conceptos semánticos (por ejemplo, presencia de objetos, relaciones).
• Etapa 2 (Aprendizaje de Puertas de Subárbol): Cada regla lógica se representa como un DAG donde las hojas son IDs de conceptos y los nodos internos son operadores lógicos (Y, O, IMPLICA, SI Y SOLO SI). El sistema aprende una puerta de subárbol $g_{\theta_v}$ para cada nodo interno. Estas puertas mapean las características de los hijos y las banderas de negación a nivel de arista hacia una representación de características del padre y una probabilidad de satisfacción de la regla.
• Etapa 3 (Entrenamiento por Niveles): El entrenamiento procede de abajo hacia arriba por profundidad. Las puertas de menor profundidad se congelan, y las puertas en la profundidad actual se entrenan utilizando entropía cruzada binaria nodo a nodo. Crucialmente, los objetivos de verdad terreno para los nodos internos se derivan mediante propagación booleana exacta desde las etiquetas duras de los conceptos, proporcionando supervisión intermedia para cada nodo en el gráfico, no solo para la raíz.
• Etapa 4 (Inferencia): Para una nueva imagen, las puertas congeladas propagan las características hacia arriba en el DAG para calcular la probabilidad de satisfacción de la raíz. La puntuación de anomalía se define como $1 - \hat{t}_{root}$.

2. Entrenamiento Negativo Quimera

La innovación central que aborda la escasez de violaciones reales es el Entrenamiento Quimera.

• El Problema: Entrenar con datos normales de la misma imagen a menudo conduce a "aprendizaje de atajos", donde una puerta aprende a reconocer una plantilla visual global de una regla en lugar de componer el operador lógico. Además, los contraejemplos informativos (por ejemplo, $A=1, B=0$ para una implicación $A \Rightarrow B$) pueden estar ausentes de la distribución de entrenamiento.
• La Solución: En lugar de mezclar píxeles crudos (como Mixup), el método construye operandos contrafactuales a nivel de características. Para un nodo binario con hijos $\ell$ y $r$, la entrada de entrenamiento para la muestra $i$ se forma concatenando la característica del hijo izquierdo de la muestra $i$ y la característica del hijo derecho de una muestra diferente $\pi(i)$ (donde $\pi$ es una permutación).
• Generación de Objetivos: La etiqueta objetivo para esta entrada "quimera" se calcula aplicando el operador lógico a las etiquetas de verdad dura de las respectivas muestras ($t_\ell(y_i)$ y $t_r(y_{\pi(i)})$).
• Efecto: Esto obliga a las puertas a comportarse como operadores composicionales, aprendiendo la relación lógica entre características en lugar de memorizar correlaciones visuales. Proporciona contraejemplos lógicos supervisados incluso cuando los resultados específicos de las reglas están ausentes en los datos naturales.

3. Caché Consciente del Linaje

Para escalar a través de muchas reglas, el sistema emplea un mecanismo de caché. Se genera una clave de caché basada en la estructura simbólica del subárbol, las negaciones de arista, la arquitectura de la puerta, la dimensión de la característica y una huella digital del codificador aguas arriba. Esto permite reutilizar de forma segura los subárboles aprendidos a través de diferentes reglas y ejecuciones, siempre que la representación de características y la estructura lógica coincidan.

Contribuciones Clave

1. Puertas de Subárbol: Un mecanismo de aprendizaje local al nodo, de abajo hacia arriba, que compone características condicionadas a conceptos en probabilidades de verdad bajo supervisión booleana dura, permitiendo la reutilización de operadores lógicos aprendidos.
2. Entrenamiento Negativo Quimera: Una estrategia de entrenamiento novedosa que impone la composicionalidad a nivel de operador y previene el aprendizaje de atajos mezclando operandos de subárboles de diferentes muestras. Esto permite que el modelo opere efectivamente en escenarios donde los contrafactuales reales (violaciones) están completamente ausentes de los datos de entrenamiento.
3. Validación Empírica: Demostración de la efectividad del método en benchmarks estructurados de imágenes/video (CLEVRER, OpenImages, VidOR) y datos del mundo real, mostrando mejoras significativas sobre líneas base de eventos independientes y entrenamiento semántico de la misma imagen.

Resultados

Los autores evaluaron el Evaluador Neural contra tres líneas base:

• INDEPPROB: Un evaluador probabilístico de eventos independientes (línea base simbólica).
• SEM (Pérdida Semántica): Una línea base de entrenamiento semántico de la misma imagen sin mezcla quimera.
• Mono-N/Mono-C: Líneas base monolíticas solo de raíz (entrenadas solo con datos normales o con datos quimera).

Hallazgos Clave:

• Mejoras de Rendimiento: El Evaluador Neural superó consistentemente a la línea base de eventos independientes en el AUROC de anomalía a nivel de regla. Se observaron ganancias notables en CLEVRER (+0.083), OpenImages (+0.078) y VidOR (+0.234).
• Necesidad del Entrenamiento Quimera: La línea base SEM (solo entrenamiento de la misma imagen) colapsó en conjuntos de datos complejos, obteniendo un AUROC $\approx 0.5$ (adivinación aleatoria). Esto confirma que los datos normales ordinarios carecen de una cobertura suficiente de configuraciones de verdad violadoras informativas para aprender una señal de anomalía no trivial sin supervisión contrafactual explícita.
• Reglas Composicionales: El método mostró una fuerza particular en reglas relacionales y composicionales (por ejemplo, cadenas de implicaciones en CLEVRER, reglas objeto-relación en VidOR), donde las suposiciones probabilísticas fijas (como la independencia de eventos) fallan.
• Insights de Ablación: Aunque la línea base monolítica entrenada con quimera tuvo un rendimiento similar al modelo modular completo, el enfoque modular proporciona una descomposición más interpretable y reutilizable de la evaluación de reglas sin pérdida significativa de rendimiento.

Significado y Afirmaciones

El artículo afirma que muchas anomalías prácticas se caracterizan mejor como violaciones de restricciones de dominio en lugar de mera rareza en el espacio de píxeles. Al compilar restricciones en DAGs explícitos y entrenar con supervisión basada en quimeras, el detector proporciona no solo una puntuación de anomalía escalar, sino también atribuciones estructuradas a nivel de regla que explican qué restricciones fueron violadas.

Los autores enfatizan que este enfoque permite la detección de violaciones de reglas incluso cuando el conjunto de datos de entrenamiento contiene únicamente muestras consistentes con las reglas. Esta es una característica distintiva en comparación con la clasificación binaria totalmente supervisada, que requiere acceso a muestras anómalas raras. El método cierra la brecha entre el razonamiento simbólico (restricciones explícitas) y la percepción neural (extracción robusta de características), ofreciendo una solución escalable para la detección de anomalías lógicas en escenarios donde las anomalías de verdad terreno no están disponibles.

El artículo se mantiene modesto respecto a sus limitaciones, señalando que el método hereda errores del banco de conceptos hoja, sesgos de las anotaciones del conjunto de datos y posibles correlaciones espurias en las reglas extraídas. Afirma que las puntuaciones de anomalía altas indican inconsistencia semántica con respecto al conjunto de reglas seleccionado, en lugar de un juicio de seguridad de propósito general.