Resumen Técnico: Modelos Causales Estructurales Relacionales

Planteamiento del Problema

Los sistemas de inteligencia artificial requieren modelos de mundo que sean tanto causales (que permitan el razonamiento sobre intervenciones y contrafácticos) como combinatorios (que permitan la generalización a combinaciones no vistas de objetos). Si bien los Modelos Causales Estructurales (SCM, por sus siglas en inglés) proporcionan un formalismo para el razonamiento causal, típicamente asumen un conjunto fijo de variables y un grafo causal fijo. Esta limitación dificulta su aplicación en dominios donde el número de objetos y sus estructuras relacionales varían dinámicamente, como en la conducción autónoma, la robótica y los sistemas biológicos.

Los métodos existentes de aprendizaje automático relacional sobresalen en la generalización combinatoria, pero a menudo carecen de garantías causales, explotando frecuentemente correlaciones inestables que se rompen bajo intervención. Por el contrario, los métodos de inferencia causal suelen tener dificultades para generalizar a través de diferentes esqueletos relacionales (por ejemplo, escenas de tráfico con diferentes números de coches y señales) porque dependen de supuestos de variables fijas o asumen que los objetos son independientes e idénticamente distribuidos (i.i.d.).

El problema central abordado es: ¿Cómo se puede aprender formalmente y realizar inferencia causal (incluyendo consultas intervencionales y contrafácticas) a través de combinaciones variables de objetos y relaciones, particularmente cuando los datos están disponibles solo de esqueletos relacionales observados específicos?

Metodología

Los autores proponen un marco centrado en Modelos Causales Estructurales Relacionales (RSCM) y Modelos Causales Neurales Relacionales (RNCM).

1. Modelos Causales Estructurales Relacionales (RSCM)

El artículo extiende los SCM estándar a entornos de objetos-relaciones. Un RSCM se define mediante una tupla $\langle S, V, U, F, P(U) \rangle$, donde:

• Esquema ($S$): Define tipos de entidades (ej. Coche, Señal), tipos de relación (ej. Ctrl, Path) y atributos.
• Mecanismos ($F$): A diferencia de los SCM estándar donde los mecanismos toman entradas de tamaño fijo, los mecanismos de un RSCM aceptan multiconjuntos de padres relacionales. Por ejemplo, el mecanismo de frenado de un coche depende del conjunto de todas las señales que lo controlan y de todos los peatones en su trayectoria. Estos mecanismos utilizan restricciones relacionales (predicados de lógica de primer orden) para determinar qué objetos son relevantes y agregadores (ej. $\lor$, $\land$, suma, máximo) para combinar sus valores.
• Instanciación (Grounding): Un RSCM actúa como una plantilla. Cuando se instancia en un esqueleto relacional específico (un conjunto concreto de objetos y relaciones), produce un SCM base con un conjunto fijo de variables.

2. Resultados de Imposibilidad

Los autores establecen primero los límites teóricos de la capacidad de aprendizaje sin supuestos adicionales:

• Teorema 3.3 (Inferencia Observacional entre Esqueletos): Incluso las distribuciones observacionales para esqueletos objetivo no vistos no pueden identificarse a partir de esqueletos de origen sin supuestos adicionales. Dos RSCM pueden coincidir en todos los esqueletos de origen observados pero discrepar en el esqueleto objetivo si este contiene configuraciones relacionales (por ejemplo, un coche controlado por dos señales) no presentes en el origen.
• Teorema 3.4 (Inferencia Causal dentro de un Esqueleto): Incluso dentro de un solo esqueleto, si una entidad tiene múltiples atributos, los datos observacionales por sí solos son insuficientes para identificar las distribuciones intervencionales sin supuestos sobre la estructura causal.

3. Identificación Relacional mediante Criterios Gráficos

Para superar estos resultados de imposibilidad, el artículo introduce los Grafos Causales Relacionales (RCG). Estos grafos codifican supuestos sobre el proceso generador de datos, incluyendo:

• Aristas no relacionales: Dependencias entre los atributos de un mismo objeto.
• Nodos relacionales: Valores agregados de objetos relacionados (ej. "todas las señales que controlan el coche $c$").
• Restricciones: Anotaciones en las aristas que especifican las condiciones relacionales bajo las cuales se mantienen las dependencias.

Utilizando estos grafos, los autores derivan criterios de identificación simbólica:

• Identificación Observacional (Teorema 4.3): Una distribución condicional en un esqueleto objetivo es identificable si existe una instancia de origen con una variable no confundida y un dominio padre que es un superconjunto del dominio padre del objetivo.
• Identificación Causal (Proposición 4.4): Si una consulta es identificable mediante el cálculo ctf (cálculo contrafáctico) en el grafo base marginalizado, es relacionalmente identificable.
• No identificabilidad (Proposición 4.5): Si una consulta dentro de una instancia es no identificable en el sentido estándar (ej. debido a una estructura de arco/bow-structure), sigue siendo no identificable en el entorno relacional.

4. Modelos Causales Neurales Relacionales (RNCM)

Para la implementación práctica, los autores proponen Modelos Causales Neurales Relacionales con Restricciones G (G-RNCMs).

• Arquitectura: Se define una red neuronal para cada tipo de atributo (ej. una red para Car.B). Esta red es reutilizada (compartición de parámetros) en todas las instancias de ese tipo en cualquier esqueleto.
• Entradas: La red toma padres no relacionales y padres relacionales agregados (ej. conteos o histogramas de los estados de los objetos relacionados).
• Algoritmo (RelationalNeuralID): El modelo se entrena para ajustar las distribuciones de origen (observacionales o intervencionales) mientras minimiza o maximiza la consulta objetivo. Si los valores mínimo y máximo de la consulta coinciden, la consulta está identificada; de lo contrario, no es identificable. El Teorema 5.2 demuestra que los RNCM son lo suficientemente expresivos como para representar cualquier RSCM consistente con el grafo.

Contribuciones Clave

1. Formalización de los RSCM: Una definición rigurosa de los modelos causales para dominios de objetos-relaciones que soporta variaciones en el número de objetos y relaciones, extendiendo el marco de los SCM.
2. Teoría de Identificación: Prueba de la imposibilidad de la inferencia entre esqueletos sin supuestos, seguida del desarrollo de criterios gráficos (Grafos Causales Relacionales) que permiten la identificación a través de esqueletos y dentro de ellos.
3. Implementación Neural: La propuesta de los RNCM, un enfoque neural sólido y completo para la identificación relacional que aprovecha la compartición de parámetros y la agregación para manejar la generalización combinatoria.
4. Validación Empírica: Experimentos en escenas de tráfico simuladas que demuestran que los RNCM superan a las líneas base causales no relacionales y a las líneas base relacionales no causales, particularmente al generalizar a combinaciones de objetos no vistas.

Resultados Experimentales

Los autores evaluaron su enfoque utilizando escenas de tráfico simuladas con variaciones en el número de señales, peatones y coches.

• Precisión de Estimación: Los RNCM superaron consistentemente a los Modelos Causales Neurales (NCM) planos y a las líneas base relacionales no causales (REL-MLP) por aproximadamente 100x en entornos identificables. Notablemente, un RNCM entrenado en un esqueleto de origen (ej. un carril de aceleración/slip lane) superó a las líneas base entrenadas directamente en el esqueleto objetivo (ej. una intersección en T) al estimar efectos causales para coches específicos, resaltando el valor de la estructura relacional.
• Generalización: Los RNCM lograron generalizar con éxito a vecindarios relacionales más pequeños y emparejados. El rendimiento se degradó solo en entornos no identificables (ej. generalizar a un coche controlado por dos señales cuando el origen solo tenía una), alineándose con los resultados de imposibilidad teórica.
• Precisión de Identificación: El algoritmo distinguió con éxito entre consultas identificables y no identificables. Para consultas entre coches identificables, la brecha entre las estimaciones mínima y máxima se redujo a cero; para consultas dentro de un mismo coche no identificables, la breza se mantuvo amplia.
• Escalabilidad: Los experimentos con hasta 75 objetos mostraron que la precisión se mantuvo estable a medida que aumentaba el número de objetos, con solo un incremento moderado en el tiempo de ejecución, demostando la escalabilidad de la compartición de parámetros.

Significado y Reivindicaciones

El artículo afirma proporcionar las bases metodológicas para la inferencia causal en entornos de objetos-relaciones. Al unificar el aprendizaje relacional (para la generalización combinatoria) y la inferencia causal (para la robustez ante intervenciones), este trabajo aborda una brecha crítica en los modelos de mundo de la IA.

Los autores enfatizan que su marco no asume que los objetos sean i.i.d. o que las estructuras relacionales sean fijas. En su lugar, modelan explícitamente cómo los mecanismos causales dependen de las restricciones relacionales. El significado reside en permitir que los sistemas de IA razonen sobre escenarios de "¿qué pasaría si..." en entornos dinámicos (como la conducción autónoma) donde el número y la disposición de los objetos cambian, siempre que los mecanismos causales subyacentes sean consistentes a través de estas variaciones. El trabajo sugiere que la generalización exitosa en tales dominios depende de supuestos explícitos sobre la estructura relacional, que pueden codificarse mediante grafos causales relacionales y aprenderse mediante RNCMs.