Resumen Técnico: ¿Cuándo son reales los descubrimientos de interacciones neuronales?

Planteamiento del Problema

El artículo aborda una pregunta fundamental en el modelado de series temporales interpretable: cuando un modelo neuronal (específicamente uno diseñado para capturar interacciones) reporta que una variable modula el efecto de otra sobre un objetivo, ¿es este descubrimiento de interacción una propiedad genuina del proceso generador de datos, o es simplemente un artefacto de la flexibilidad del modelo?

Aunque la autorregresión vectorial aditiva neuronal (NAVAR) y los métodos relacionados con la causalidad de Granger pueden descomponer la dinámica en contribuciones de fuentes interpretables, no pueden expresar naturalmente la modificación de efectos (donde la influencia de una variable depende del nivel de otra). Extender estos modelos para incluir puertas multiplicativas (G-NAVAR) permite tales interacciones, pero los autores argumentan que la capacidad de representación no garantiza la identificabilidad. Un modelo flexible puede admitir múltiples descomposiciones de interacción observacionalmente equivalentes que se ajustan a los datos con la misma eficacia, pero que difieren en su interpretación estructural. El problema central es determinar si la estructura de interacción recuperada es unívocamente identificable a partir de datos observacionales, o si es un artefacto de optimización impulsado por la geometría del soporte de entrada.

Metodología

Arquitectura del Modelo: G-NAVAR

Los autores estudian la Autorregresión Vectorial Aditiva Neuronal con Puertas (G-NAVAR). Para una variable objetivo $x_i$, el modelo descompone la media condicional en una suma de productos de aristas:
$$\hat{x}_{i,t} = \beta_i + \sum_j f_{ij}(x^{(K)}_{j,t}) \prod_{k \in M_{ij}} g_{ijk}(x^{(K)}_{k,t})$$
Aquí, $f_{ij}$ es una función base para la fuente $j$, y $g_{ijk}$ son puertas multiplicativas estrictamente positivas impulsadas por moduladores candidatos $k \in M_{ij}$. El producto $F_{ij} = f_{ij} \prod g_{ijk}$ representa la contribución efectiva de la fuente $j$.

Marco Teórico

El artículo establece condiciones de identificabilidad analizando las simetrías de gauge y la geometría del soporte:

1. Normalización y Minimalidad: Para eliminar simetrías triviales (redistribución de escala, permutación de moduladores, inserción de puertas iguales a 1), los autores imponen:
   • Normalización: $E[g_{ijk}] = 1$.
   • Minimalidad: Solo se incluyen los moduladores esenciales (aquellos que cambian de forma no trivial el producto de la arista).
2. Obstrucciones a la Identificabilidad:
   • Fuga inducida por dependencia: Si las entradas son dependientes, el condicionamiento no aisla los efectos de las fuentes; las variaciones de orden inferior pueden filtrarse entre los términos específicos de la arista.
   • Soporte de baja dimensión: Si el soporte conjunto de los moduladores es efectivamente de baja dimensión (por ejemplo, colineal), distintas funciones de puerta pueden coincidir perfectamente en los datos observados mientras difieren en otros puntos, haciendo imposible la recuperación.
3. Teorema de Identificabilidad: Los autores demuestran un teorema de identificabilidad poblacional para G-NAVAR minimal y normalizado bajo condiciones específicas:
   • Separabilidad de Aristas: Las contribuciones de diferentes fuentes deben ser distinguibles. Esto se logra mediante una condición de suma directa para soportes disjuntos o una Descomposición Funcional Jerárquicamente Ortogonal (HOFD) para moduladores compartidos.
   • Riqueza del Soporte: El soporte conjunto del conjunto de moduladores debe ser un conjunto producto abierto, de dimensión completa y con una densidad estrictamente positiva.
   • Fidelidad de Interacción de Puerta: El conjunto de moduladores listado debe corresponder a los componentes de interacción estructural.

Herramientas de Diagnóstico Práctico

La teoría genera dos herramientas operativas para los profesionales:

1. Diagnóstico Pre-ajuste (Rango Efectivo): El rango efectivo ($r_{eff}$) de la matriz de covarianza del bloque de retardo conjunto sirve como un proxy de la riqueza del soporte.
   $$r_{eff}(S) = \frac{(\text{tr } \Sigma_S)^2}{\text{tr}(\Sigma_S^2)}$$
   Un rango efectivo bajo indica un colapso del soporte (degeneración), prediciendo la no-identificabilidad antes de realizar cualquier ajuste del modelo.
2. Verificación de Estabilidad Post-ajuste: Una verificación de estabilidad de dos semillas implica ajustar el modelo dos veces desde semillas aleatorias independientes. Si los rankings de los moduladores recuperados discrepan significamente, es probable que la estructura de interacción no sea recuperable de forma estable, incluso si el soporte parece rico.

Resultados Clave

Experimentos Sintéticos

• Recuperación a Escala: En un entorno sintético con soporte rico, G-NAVAR recupera con éxito los conjuntos de moduladores reales y las formas de las puertas a medida que aumenta el tamaño de la muestra, superando a las líneas base aditivas (que no pueden capturar la estructura multiplicativa) y igualando la precisión predictiva de los modelos MLP de caja negra y los modelos de ANOVA funcional (GA2M).
• Transición de Colapso de Soporte: A medida que aumenta la correlación entre los moduladores (reduciendo el rango efectivo), la recuperación de los conjuntos de moduladores colapsa. El error en la estimación de las puertas aumenta continuamente a medida que $r_{eff}$ disminuye, confirmando que la identificabilidad es una función de la geometría del soporte, no solo del tamaño de la muestra.
• Agnosticismo del Modelo: Bajo un soporte rico, múltiples modelos conscientes de la interacción (G-NAVAR, GA2M) recuperan la estructura, lo que sugiere que la parametrización es menos crítica que la condición de soporte para la recuperación.

Experimentos con Datos Reales

Los autores validan la teoría a través de tres regímenes empíricos distintos:

1. Calidad del Aire en Beijing (Soporte Rico, Recuperable):
   • Contexto: Modelado de las aristas $NO_2 \to O_3$ y $PM_{2.5} \to PM_{10}$.
   • Resultado: Un alto rango efectivo ($r_{eff} > 4$) coincide con la recuperación estable de los moduladores esperados (Temperatura para el ozono, Velocidad del Viento para la dispersión) en todos los sitios. El diagnóstico pre-ajuste predijo correctamente la recuperabilidad.
2. Indicadores de Desarrollo WDI (Soporte Rico, Inestable):
   • Contexto: Modelado del efecto de las rentas de recursos sobre el crecimiento del PIB modulado por la inversión/comercio.
   • Resultado: A pesar de un alto rango efectivo ($r_{eff} \approx 4.47$), la verificación de dos semillas reveló inestabilidad (desacuerdo en los principales moduladores, cambios de signo en las pendientes de las puertas). Esto demuestra que el soporte rico es necesario pero no suficiente; la estructura de interacción misma puede ser débil o no identificable en la distribución de los datos.
3. Volatilidad Realizada (Soporte Colapsado, Irrecuperable):
   • Contexto: Modelado de los desbordamientos de volatilidad entre índices bursátiles globales.
   • Resultado: Un rango efectivo extremadamente bajo ($r_{eff} < 2$) debido a la alta correlación cruzada entre mercados. El diagnóstico pre-ajuste señaló correctamente el régimen como no identificable. La recuperación fue inestable y el modelo no logró superar a las líneas base aditivas.

Significado y Reivindicaciones

El artículo sostiene que el descubrimiento de interacciones es fundamentalmente un problema de identificabilidad gobernado por la geometría del soporte de entrada observado, más que por la arquitectura neuronal específica utilizada.

• Distinción entre Capacidad e Identificabilidad: La capacidad de un modelo para representar interacciones no implica que pueda recuperarlas de forma única de los datos.
• Principios Agnósticos al Modelo: Aunque las pruebas formales se derivan para G-NAVAR, los autores argumentan que los fenómenos de la no-identificabilidad dependiente del soporte y la necesidad de verificaciones de estabilidad se aplican a cualquier método autorregresivo neuronal flexible que intente descubrir interacciones.
• Flujo de Trabajo Práctico: El artículo proporciona un flujo de trabajo concreto de dos pasos para los profesionales:
  1. Calcular el rango efectivo del conjunto de moduladores candidatos antes del ajuste. Si es bajo, la recuperación es imposible independientemente de la complejidad del modelo.
  2. Si el rango es adecuado, realizar una verificación de estabilidad de dos semillas. Si los resultados son inestables, la interacción descubierta es probablemente un artefacto de la optimización y no una propiedad de los datos.
• Limitaciones: Los autores son modestos en sus afirmaciones, señalando que el diagnóstico es necesario pero no suficiente (no puede detectar errores de especificación de orden superior) y que la "estabilidad" de un resultado no garantiza la corrección, sino solo la reproducibilidad.

En resumen, el artículo desplaza el enfoque de "¿podemos ajustar una interacción?" a "¿está la interacción determinada de forma única por los datos?", proporcionando tanto una base teórica como herramientas prácticas para distinguir los descubrimientos reales de los artefactos de optimización.