On the Identifiability of User Adaptation in Co-Adaptive Neural Interfaces

Resumen Técnico: Sobre la Identificabilidad de la Adaptación del Usuario en Interfaces Neurales Co-adaptativas

Planteamiento del Problema
Este artículo aborda una brecha teórica crítica en el análisis de las interfaces neurales co-adaptativas, construyendo específicamente sobre el marco experimental y teórico propuesto recientemente por Madduri et al. [2]. En los sistemas co-adaptativos, un usuario humano y un decodificador de máquina se adaptan conjuntamente dentro de un bucle cerrado. Si bien Madduri et al. demostraron que las tasas de aprendizaje y la regularización del decodificador influyen tanto en el rendimiento del sistema como en el comportamiento observado del usuario, este artículo sostiene que el diseño experimental existente sufre de un problema fundamental de identificabilidad.

El problema central es si la secuencia de "codificadores" (encoders) estimados (modelos de usuario derivados mediante regresión lineal) identifica de manera única el mecanismo latente de adaptación del usuario. Los autores postulan que, si bien la metodología actual recupera con éxito la dinámica conjunta del bucle cerrado, falla en aislar de forma única la política de adaptación del lado del usuario de los efectos de la evolución del decodificador y de las distribuciones de estado.

Metodología y Marco Teórico
El artículo formaliza el sistema co-adaptativo utilizando una estructura empírica compacta:

• Dinámica del Sistema: Sea $x_t$ la variable de la tarea (por ejemplo, el estado del objetivo y del cursor), $u_t$ la salida motora del usuario (EMG), y $y_t$ la salida controlada. El decodificador $D_t$ mapea la salida motora al movimiento ($y_t = D_t u_t$). El usuario implementa una política de control desconocida $U_t$, definida abstractamente como $u_t = U_t(x_t, \xi_t)$, donde $\xi_t$ representa el ruido interno o estados latentes.
• Procedimiento de Estimación: El método empírico estima un "codificador" $\hat{E}_t$ sobre una ventana finita $W_t$ mediante regresión lineal: $\hat{E}_t = \arg \min_E \sum_{s \in W_t} \|u_s - E x_s\|^2$. El decodificador $D_t$ permanece fijo dentro de una ventana, pero se actualiza a través de las ventanas.
• Análisis de Identificabilidad: Los autores definen un mapeo $M$ que toma la secuencia de políticas del usuario $\{U_t\}$, la trayectoria del decodificador $\{D_t\}$ y el esquema de ventanas para obtener la secuencia de codificadores estimados $\{\hat{E}_t\}$. La cuestión central es si $M$ es inyectiva con respecto a $\{U_t\}$.

Resultado Clave: Teorema de No-Identificabilidad
El artículo presenta el Teorema 1, que establece la no-identificabilidad de la adaptación del usuario bajo regresión de bucle cerrado. El teorema establece que, en un entorno general de bucle cerrado donde el decodificador varía en el tiempo y la dinámica del estado depende del decodificador, el mapeo de las políticas del usuario a los codificadores estimados no es inyectivo.

La prueba procede por construcción, demostrando dos sistemas observacionalmente equivalentes:

1. Sistema A (Usuario Fijo): Un usuario con una política invariante en el tiempo $u_t = E^* x_t$. Debido al decodificador variante en el tiempo $D_t$, la distribución de los estados de la tarea $x_t$ evoluciona.
2. Sistema B (Usuario con Variación Temporal): Un usuario con una política perturbada y variante en el tiempo $u_t = (E^* + \Delta_t) x_t$.

Los autores demuestran que se puede construir una secuencia de perturbaciones $\{\Delta_t\}$ de tal manera que los momentos empíricos conjuntos dentro de cada ventana satisfagan condiciones específicas (Ecuación 6). Bajo estas condiciones, el estimador de regresión produce la misma secuencia $\hat{E}_t = E^*$ para ambos sistemas. En consecuencia, secuencias distintas de políticas de usuario (una fija y otra variante) generan secuencias idénticas de estimación de codificadores. Esto demuestra que los cambios en $\hat{E}_t$ no pueden atribuirse únicamente a cambios en la política interna del usuario sin supuestos adicionales o condiciones de excitación.

Discusión e Interpretación
El artículo aclara que los resultados experimentales de Madduri et al. [2] demuestran correctamente que las manipulaciones de la trayectoria del decodificador afectan el comportamiento conjunto del sistema y la secuencia de codificadores estimados. Sin embargo, debido al resultado de no-identificabilidad, estas observaciones no determinan de forma única el objetivo interno del usuario, su dinámica de aprendizaje o sus funciones de costo.

Múltiples modelos de usuario distintos —incluyendo políticas fijas que reaccionan a cambios en la distribución de estados, reglas de adaptación con retardo o estructuras de regularización alternativas— pueden reproducir las mismas firmas empíricas observadas en $\hat{E}_t$. Por lo tanto, el marco identifica propiedades del sistema conjunto de bucle cerrado, pero no identifica de forma única la dinámica de adaptación subyacente del usuario. Las afirmaciones sobre la predicción o el moldeado del comportamiento humano deben interpretarse al nivel del sistema conjunto y no del usuario de forma aislada.

Significado y Extensiones Propuestas
Los autores enfatizan que esta limitación no es intrínseca al marco co-adaptativo en sí, sino que es una consecuencia del diseño experimental actual. El artículo sugiere que identificar la adaptación del usuario requiere una estructura adicional para romper la simetría entre el cambio de la política del usuario y el cambio de la distribución de estado.

Los enfoques propuestos para lograr la identificabilidad incluyen:

• Perturbaciones Exógenas: Introducir ruido independiente (por ejemplo, entradas de prueba aleatorias $\tilde{D}_t = D_t + \delta_t$) para generar una excitación persistente independiente de la dinámica de bucle cerrado, separando así la respuesta del usuario de los efectos de la distribución de estado.
• Formulaciones de Estado Latente: Adoptar un modelo de espacio de estados (por ejemplo, $z_{t+1} = f(z_t, x_t, D_t)$) con restricciones en las funciones de dinámica, permitiendo la identificación bajo condiciones estándar de observabilidad.
• Experimentos de Horizonte Más Largo: Realizar experimentos sin reinicializaciones frecuentes del decodificador para permitir la separación de los componentes transitorios y persistentes de la adaptación.

En conclusión, el artículo sirve como una aclaración necesaria para la interpretación de los estudios de interfaces neurales co-adaptativas, instando a un cambio desde la atribución de las variaciones del codificador únicamente al aprendizaje del usuario hacia una identificación más riguro de la dinámica del sistema conjunto.