📈 economics

Interventional Score Geometry for Causal Inference

Este artículo propone un marco geométrico para la inferencia causal que extiende la geometría de la puntuación observacional a entornos intervencionales mediante la definición de la influencia causal a través de la variación de los campos de puntuación intervencional marginal, estableciendo así un diccionario geométrico para ensayos aleatorizados y variables instrumentales al tiempo que clarifica las limitaciones de la identificación basada en puntuaciones dentro de la Escala de Causalidad de Pearl.

Autores originales: Mojtaba Eslami

Publicado 2026-07-27

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mojtaba Eslami

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El Mapa vs. La Película

Imagina que eres un detective tratando de averiguar quién empujó a quién en una habitación llena de gente. Tienes una foto de alta resolución de la escena. En la foto, la Persona A está parada justo al lado de la Persona B, y ambos parecen estar inclinados hacia adelante. Basándote en esta única instantánea, puedes decir: "A y B están cerca el uno del otro", pero no puedes saber quién empujó a quién. Tal vez A empujó a B, tal vez B empujó a A, o tal vez una tercera persona empujó a ambos al mismo tiempo. En el mundo de la ciencia de datos, esta instantánea se llama una distribución observacional. Es solo una imagen de lo que las cosas tienden a hacer juntas.

Durante décadas, los científicos han intentado usar matemáticas sofisticadas para convertir esa foto estática en una película, con la esperanza de ver la acción desarrollarse y descubrir la causa y el efecto. Construyeron hermosos mapas matemáticos llamados geometría de la información, que tratan los datos como un paisaje de colinas y valles. La idea era que, si estudiabas la forma del paisaje con suficiente cuidado, el "empujón" (la causa) se revelaría por sí mismo. Pero hay un inconveniente: una foto de un río no te dice hacia qué dirección fluye el agua; solo muestra dónde está el agua. Para conocer la dirección, necesitas ver qué sucede cuando lanzas una piedra. Este artículo trata sobre darse cuenta de que no puedes averiguar el flujo simplemente mirando el agua; tienes que lanzar la piedra.

La Gran Idea del Artículo: Por qué la Foto no es Suficiente

Este artículo, titulado Interventional Score Geometry for Causal Inference, argumenta que mirar los datos por sí solos es como intentar entender un instrumento musical escuchando únicamente el sonido que produce cuando nadie lo está tocando. Los autores, liderados por Mojtaba Eslami, demuestran que la "forma" de los datos (la geometría observacional) es exactamente la misma ya sea que la música fuera causada por un violín o un violonchelo. Si dos historias diferentes (modelos causales) crean exactamente el mismo patrón de datos, se verán idénticas en cualquier mapa construido solo a partir de esos datos.

El artículo demuestra que no puedes extraer mágicamente la "causa" del "efecto" simplemente aplicando matemáticas más complejas a los mismos números de siempre. Es como intentar averiguar si un río fluye hacia el norte o hacia el sur mirando únicamente una foto fija del agua; la foto es la misma en ambos casos. Para conocer la dirección, tienes que intervenir. Tienes que meter la mano y cambiar algo.

La Intervención "Dura": Sujetar una Cuerda

Los autores introducen una nueva forma de pensar en el cambio del mundo, que llaman una intervención dura (hard intervention). Imagina una guitarra con seis cuerdas. Si pulsas las cuerdas, estas vibran y crean un acorde. Esos son los datos observacionales. Ahora, imagina que tomas una abrazadera y sujetas la cuerda "La" completamente quieta en una nota específica. No solo has cambiado el volumen de esa cuerda; la has eliminado del juego por completo. La cuerda ya no puede vibrar, y las otras cuerdas podrían cambiar su sonido porque ya no interactúan con ella.

En la matemática del artículo, este "sujetar" se llama do( $X_k = \xi$ ). Significa que fuerzas a una variable (como una dosis de un fármaco o una temperatura) a ser un número específico, $\xi$ , independientemente de lo que quisiera ser antes. El artículo muestra que cuando haces esto, la matemática cambia por completo. Ya no puedes usar el mapa antiguo porque el paisaje se ha aplanado. El "score" (una flecha matemática que apunta hacia donde los datos son más probables) ahora vive en un espacio de menor dimensión, como un dibujo en 2D de un objeto en 3D.

La Nueva Herramienta: El "Score" del Cambio

El artículo construye un nuevo diccionario para entender estos cambios. En lugar de solo mirar la foto estática, observan cómo cambia el "score" (la dirección de los datos) a medida que giras la perilla de la intervención.

Definen la influencia causal de forma sencilla: si cambias la configuración de $X$ y el comportamiento de $Y$ cambia, entonces $X$ causa a $Y$ . Pero van más allá. Muestran que puedes detectar esta causa observando una derivada específica (una tasa de cambio) de los nuevos datos sujetos. Si este "score intervencional" es cero, no hay un vínculo causal. Si no es cero, hay un vínculo.

Para demostrar que esto funciona, utilizan un ejemplo simple con dos variables, $X$ e $Y$ , que parecen una curva de campana estándar (una distribución gaussiana). Crean dos historias diferentes:

Historia A: $X$ causa a $Y$ .
Historia B: $Y$ causa a $X$ .

Ambas historias producen exactamente la misma foto (la misma distribución de datos). Si solo miras la foto, no puedes distinguirlas. Pero cuando los autores aplican su nueva matemática de "sujeción", los resultados son totalmente distintos. En la Historia A, sujetar $X$ cambia el score de $Y$ . En la Historia B, sujetar $X$ no hace absolutamente nada al score de $Y$ . La matemática separa con éxito las dos historias, pero solo porque forzaron un cambio. La foto por sí sola nunca podría haberlas distinguido.

Lo que esto Descarta

El artículo es muy claro sobre lo que no hace. Descarta explícitamente la idea de que puedes simplemente tomar una lista de cambios "permitidos" (como "podemos cambiar el precio de un producto") y proyectar los datos antiguos sobre esa lista para encontrar la respuesta. Demuestran que incluso si sabes exactamente qué palancas puedes mover, los datos antiguos no contienen la respuesta a lo que sucede cuando las mueves. Necesitas información adicional —conocimiento estructural o datos experimentales— para llenar ese vacío.

También advierten contra una confusión común en el campo del aprendizaje automático (machine learning). Existen otros métodos llamados modelos "basados en el score" (como los usados para generar imágenes falsas) que intentan aprender la forma de los datos. El artículo dice que estos modelos son excelentes aprendiendo la foto, pero no pueden aprender la película (la estructura causal) simplemente volviéndose mejores en la foto. No importa qué tan perfecto sea el generador de imágenes, sigue sin poder decirte qué sucede si presionas el botón, a menos que realmente le des datos de cuando el botón fue presionado.

La "Métrica Causal": Midiendo el Empujón

Finalmente, los autores crean una nueva forma de medir qué tan sensible es un sistema a un empujón. Lo llaman una métrica causal. Piensa en ello como medir cuánto se estira un resorte cuando tiras de él. Si tiras un poco y se estira mucho, el resorte es muy sensible. Si apenas se mueve, es rígido.

El artículo muestra que puedes medir esta sensibilidad utilizando una herramienta estadística estándar llamada información de Fisher, pero debes tener cuidado de medirla en la "rebanada" correcta de los datos (la parte que no fue sujetada). Muestran que para casos simples, como deslizar una distribución a lo largo de una línea, esta mét la es simplemente un número constante que indica qué tan "afilados" son los datos. Esto ayuda a los investigadores a saber cuántos datos necesitan recolectar para ver un efecto real. Si la métrica es pequeña, necesitas una cantidad enorme de datos para ver el cambio. Si es grande, un experimento pequeño mostrará el resultado claramente.

La Conclusión

Este artículo no nos entrega una varita mágica para encontrar causas en cualquier conjunto de datos. En cambio, nos brinda un vocabulario preciso y un conjunto de reglas para entender lo que podemos y lo que no podemos saber. Confirma que la causalidad vive en los escenarios de "qué pasaría si" (las intervenciones), no en los escenarios de "qué es" (las observaciones).

Los autores son cuidadosos al decir que no han resuelto todo. No han descubierto cómo predecir qué le habría pasado a una persona específica si hubiera tomado un camino diferente (el peldaño de los "contrafácticos"). Solo han construido un puente sólido entre el "qué es" y el "qué sucede si lo cambiamos". Han demostrado que para entender el flujo del río, tienes que dejar de mirar fijamente el agua y empezar a lanzar piedras.

Resumen Técnico: Geometría del Score Intervencionista para la Inferencia Causal

Planteamiento del Problema
El artículo aborda una limitación fundamental en la inferencia causal: la incapacidad de identificar la dirección causal o los efectos causales basándose únicamente en la densidad observacional conjunta $p(x)$ de las variables observadas $X$ . El autor sostiene que la "geometría observacional" —construida a partir del soporte $M$ , una métrica de fondo $g$ y el campo de score $\psi(x) = \nabla_x \log p(x)$ — está determinada enteramente por $p(x)$ . En consecuencia, cualquier par de modelos estructurales causales (SCM) distintos que generen la misma distribución de forma reducida $p(x)$ inducen geometrías observacionales idénticas. Esto refleja el clásico problema de no identificación donde estructuras causales distintas (por ejemplo, $X \to Y$ frente a $Y \to X$ ) pueden ser observacionalmente equivalentes. El artículo postula que la asimetría causal no puede derivarse de $p(x)$ por sí sola, sino que debe suministrarse mediante una intervención explícita.

Metodología y Marco de Trabajo
El artículo desarrolla un marco geométrico que distingue entre estados observacionales e intervencionistas, alineándose con la "Escalera de la Causalidad" de Pearl.

Definición del Score Intervencionista:
La innovación técnica central es la definición de un score intervencionista. Una intervención fuerte $do(X_k = \xi)$ fija una coordenada $X_k$ a un valor $\xi$ , colapsando la densidad conjunta sobre una subvariedad de $(d-1)$ dimensiones $\{x_k = \xi\}$ . Debido a que la distribución resultante no tiene densidad con respecto al volumen $d$ -dimensional original, un gradiente ingenuo está mal definido.
- Definición 1: El score intervencionista $\psi^{(k, \xi)}_{-k}$ se define estrictamente sobre las coordenadas restantes no intervenidas $X_{-k}$ . Es el gradiente de la densidad logarítmica de la distribución marginal intervencionista $p^{(k, \xi)}_{-k}(x_{-k})$ .
Influencia Causal y Diagnósticos:
- Definición 2 (Distribucional): La influencia causal $X_k \leadsto X_j$ se define como la variación de la ley marginal de $X_j$ bajo $do(X_k = \xi)$ a medida que $\xi$ cambia.
- Definición 3 (Influencia Detectable por el Score): Una condición suficiente para la influencia causal es el no anulación de la derivada mixta de la densidad log-marginal: $S_{k \to j}(\xi, x_j) = \frac{\partial}{\partial \xi} \frac{\partial}{\partial x_j} \log p^{(k, \xi)}_j(x_j) \neq 0$ .
- Proposición 2: En un soporte fijo, conexo y estrictamente positivo, este diagnóstico de score es también necesario. Si la derivada del score es cero en todas partes, la distribución marginal no cambia con la intervención.
El Conjunto Admisible y el Campo de Respuesta:
El artículo rechaza la noción de que un "conjunto admisible" de direcciones de intervención $A(x)$ (el conjunto de coordenadas manipulables) es suficiente para recuperar efectos causales a partir de datos observacionales.
- Proposición 3: Dos modelos pueden compartir el mismo score observacional $\psi$ y el mismo conjunto admisible $A(x)$ y, sin embargo, poseer diferentes respuestas causales. Por lo tanto, proyectar $\psi$ sobre $A(x)$ no puede producir un campo causal.
- Definición 4 (Campo de Respuesta Intervencionista): El contenido causal se localiza en un campo de respuesta $S(v)$ , que describe la sensibilidad del score intervencionista ante una familia específica de intervenciones estructurales. Este campo debe ser suministrado mediante conocimiento estructural externo o diseño experimental; no puede inferirse de $p(x)$ y $A(x)$ por sí solos.
Métrica Causal:
Para medir la "distancia" o el contenido de información de las intervenciones, el artículo define una Métrica Causal (Definición 5). A diferencia de las construcciones ingenuas que intentan comparar sensibilidades a través de diferentes objetivos (que viven en espacios de coordenadas distintos), esta métrica se construye como la métrica de información de Fisher sobre una familia de intervenciones que comparten un objetivo común $k$ . Esto asegura que las densidades vivan en un espacio común $X_{-k}$ .

Resultados Clave e Ilustraciones

Ejemplo Gaussiano Bivariado: El artículo presenta un ejemplo totalmente trabajado con dos modelos (A y B) que son observacionalmente equivalentes (densidad gaussiana conjunta y campo de score idénticos).
- Modelo A: $Y = \beta X + \epsilon_Y$ . Una intervención en $X$ desplaza la media de $Y$ . La sensibilidad del score intervencionista $S_{X \to Y} = \beta/\sigma^2 \neq 0$ .
- Modelo B: $X = \gamma Y + \epsilon_X$ . Una intervención en $X$ no afecta a $Y$ . La sensibilidad del score intervencionista $S_{X \to Y} = 0$ .
- Esto demuestra que, mientras la geometría observacional estática es idéntica, las derivadas del score intervencionista divergen, identificando correctamente la dirección causal solo cuando se suministran supuestos estructurales.
Reinterpretación de Diseños Clásicos:
- Ensayos Controlados Aleatorizados (RCTs): La aleatorización asegura que el tratamiento $T$ sea independiente de las covariables $Z$ . Geométricamente, esto se manifiesta como una separación por bloques en el campo de score conjunto $\psi_{T,Z}$ , donde el componente de la covariable es invariante a los cambios en $T$ . El artículo aclara que la aleatorización garantiza una "línea de salida justa" (independencia de la asignación) pero no aplana geométricamente la relación tratamiento-resultado.
- Variables Instrumentales (IV): El estimando de IV se redefine como un ratio de derivadas direccionales de funciones de media condicional ( $D_{v_Z} m_Y / D_{v_Z} m_T$ ), en lugar de un ratio de variables puras.
- Modelos Generativos Basados en Scores: El artículo advierte explícitamente que entrenar modelos generativos para estimar el score observacional $\nabla \log p(x)$ no produce estructura causal. Sin datos intervencionistas para estimar el campo de respuesta, el modelo permanece en el "peldaño asociacional" de la causalidad.

Significado y Reivindicaciones
El artículo afirma proporcionar un "diccionario geométrico corregido" para la inferencia causal que separa estrictamente lo que puede aprenderse de los datos observacionales de lo que requiere entrada estructural o experimental.

Modestia de las Reivindicaciones: El autor establece explícitamente que el marco no fabrica poder de identificación más allá de los supuestos existentes. No ofrece nuevos resultados asintóticos para meta-learners o aprendizaje automático doble, ni resuelve el problema de identificación donde faltan supuestos estructurales.
Alcance: El marco es deliberadamente estrecho, centrándose en el "peldaño intervencionista" de la Escalera de Pearl. Deja el "peldaño contrafáctico" (estructura de nivel de unidad entre mundos) para trabajos futuros.
Claridad Terminológica: El artículo distingue su uso de "score" (gradiente de la log-densidad) del "score" utilizado en eficiencia semiparamétrica y aprendizaje automático doble (ecuaciones de estimación), evitando la confusión de objetos matemáticos distintos.

En resumen, el artículo argumenta que la inferencia causal requiere pasar de una geometría estática de $p(x)$ a una geometría dinámica de familias intervencionistas. La información "causal" no está oculta en la curvatura del manifold observacional, sino que está codificada en la deformación del campo de score bajo intervenciones explícitas y estructuralmente definidas. El contenido causal reside en la deformación del campo de score bajo intervenciones explícitas y estructuralmente definidas.