💻 computer science

Causal-Reasoning World Models: Toward AI’s Subjectivity through Backward Generation

Este artículo propone un cambio de paradigma del razonamiento causal basado en sustantivos a uno basado en verbos en la IA, introduciendo un marco de "distribución de tiempo posible" que permite el modelado de mundo de tipo agente y la deducción contrafáctica a nivel individual, tal como se demuestra a través de trayectorias de pacientes con cáncer de mama, sentando así las bases teóricas para la subjetividad de la IA.

Autores originales: Jia Li, Vipin Kumar, Rui Zhang

Publicado 2026-10-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jia Li, Vipin Kumar, Rui Zhang

Artículo original bajo licencia CC BY 4.0 (https://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

Durante décadas, los sistemas de inteligencia artificial más potentes han sido entrenados para reconocer patrones tratando al mundo como una colección de objetos estáticos. En esta visión, un paciente es un conjunto de rasgos fijos, una enfermedad es una etiqueta específica y un tratamiento es un evento distinto. La computadora aprende a trazar líneas entre estos sustantivos, planteando preguntas como: "Si una persona tiene este síntoma, ¿es probable que tenga esa enfermedad?". Este enfoque ha arrojado resultados impresionantes, pero se topa con un techo difícil de superar. Asume que el mundo está hecho de cosas que pueden ser nombradas y contadas, ignorando el hecho de que la vida es en realidad un flujo de acciones y cambios. El problema es que, al forzar la realidad dentro de una caja de categorías fijas, perdemos aquello mismo que hace que la causa y el efecto funcionen: la sincronización y el proceso del cambio en sí mismos. Sabemos que una causa debe ocurrir antes que un efecto, pero los modelos estándar a menudo luchan por comprender cómo esa sincronización moldea el resultado para un individuo específico, en lugar de hacerlo solo para un gran grupo de personas en promedio.

Un equipo de investigadores de la Universidad de Minnesota propone un cambio radical en la forma en que construimos estos sistemas. En lugar de pedirle a la computadora que memorice las relaciones entre objetos, le están enseñando a pensar en términos de acciones y posibilidades. Lo llaman un paso del modelado basado en "sustantivos" al modelado basado en "verbos". En este nuevo marco, la IA no solo registra que un paciente tomó un fármaco y luego enfermó. En su lugar, construye un mundo virtual donde puede trabajar hacia atrás desde la enfermedad para imaginar todas las diferentes formas en que ese resultado podría haber ocurrido. Se pregunta: "¿Qué pasaría si el fármaco se hubiera tomado en un momento diferente? ¿Qué pasaría si el paciente hubiera tenido una historia distinta?". Al generar estos escenarios alternativos, la IA construye un "modelo de mundo" que existe dentro de la computadora, independiente del mundo físico. Esto le permite razonar sobre la causa y el efecto de una manera que se asemeja más a la intuición humana, donde entendemos que una misma acción puede conducir a resultados diferentes dependiendo de cuándo y cómo ocurra.

Los investigadores probaron esta idea utilizando registros médicos reales de 3,276 pacientes con cáncer de mama. Querían ver si la IA podía descubrir patrones ocultos en cómo estos pacientes transitaban por sus trayectorias de tratamiento. En el análisis tradicional, los investigadores buscarían un camino único y promedio que la mayoría de los pacientes siguiera. Pero el nuevo sistema funcionaba de manera distinta. Comenzaba con el resultado final —un paciente desarrollando una enfermedad cardíaca, una complicación grave del tratamiento contra el cáncer— y trabajaba hacia atrás para generar miles de cronologías posibles que podrían haber conducido a ello. No solo observaba el orden de los eventos; prestaba mucha atención a la sincronización específica de cada paso. El sistema descubrió que podía identificar espontáneamente grupos distintos de pacientes que compartían trayectorias significativas similares a través de su tratamiento, incluso cuando esos caminos no eran obvios al observar los datos de forma global.

Uno de los hallazgos más sorprendentes fue la capacidad del sistema para detectar la importancia de cuándo sucedían las cosas, no solo de qué sucedía. Por ejemplo, la IA identificó momentos específicos en el tratamiento de un paciente donde la sincronización de una terapia se volvía crítica. Observó que, para algunos pacientes, un fármaco determinado administrado en un punto específico de su cronología era un fuerte predictor de problemas cardíacos, mientras que para otros, el mismo fármaco en un momento diferente no significaba nada. El sistema incluso pudo simular un escenario de "¿qué pasaría si...?" para un grupo específico de trece pacientes que compartían una historia compleja de diabetes e hipertensión antes de su tratamiento contra el cáncer. Al ejecutar la simulación hacia atrás, la IA dedujo que, para este grupo específico, retrasar una tercera ronda de terapia dirigida podría haber reducido significamente su riesgo de desarrollar una enfermedad cardíaca. Esto no fue una suposición basada en una regla general, sino una deducción derivada de los patrones de sincronización únicos de ese pequeño grupo.

Este trabajo sugiere que el futuro de la inteligencia artificial en la medicina reside en su capacidad para manejar historias individuales en lugar de promedios poblacionales. Los investigadores enfatizan que su sistema no es todavía un réplica perfecta de la conciencia humana, pero es un primer paso necesario para dotar a la IA de una forma de "subjetividad": la capacidad de ocupar una posición relativa al mundo que estudia, en lugar de simplemente observarlo desde fuera. Al construir estos mundos virtuales donde puede probar millones de posibilidades sin ningún riesgo para los pacientes reales, la IA puede ofrecer hipótesis sobre la causa y el efecto que la estadística tradicional podría pasar por alto. El equipo encontró que este enfoque es particularmente poderoso para enfermedades raras o casos complejos donde los grupos de pacientes son demasiado pequeños para que los métodos estándar encuentren respuestas claras. Si bien el sistema aún requiere de expertos humanos para interpretar y validar sus hallazgos, proporciona una nueva herramienta para plantear preguntas que antes eran imposibles de responder, convirtiendo a la computadora de un registrador pasivo de hechos en un explorador activo de posibilidades.

Resumen Técnico: Modelos de Mundo de Razonamiento Causal: Hacia la Subjetividad de la IA mediante la Generación Inversa

1. Planteamiento del Problema

El artículo identifica una limitación estructural fundamental en la IA contemporánea, particularmente en los Modelos de Lenguaje de Gran Escala (LLMs) y la inferencia causal tradicional: la "Trampa del Sustantivo" (Noun Trap). Los paradigmas actuales están basados en una ontología centrada en el sustantivo, donde los objetos modelables son tratados como entidades estables y bien definidas (tokens, características, eventos). Las relaciones se codifican como mapeos funcionales entre estos sustantivos.

Este enfoque crea dos problemas críticos:

Confusión y Pérdida de Información: La representación de relaciones causales (p. ej., $X \to Y$ ) utilizando observables basados en sustantivos introduce inevitablemente residuos. Para dar cuenta de la brecha entre un sustantivo observado y su verdadero rol causal, es necesario añadir variables de sustantivos adicionales (confusores). Esto conduce a un regreso estructural donde el aumento en el número de variables de sustantivos resulta en una pérdida de información relacional en lugar de una ganancia en la comprensión.
Incapacidad para Modelar Dinámicas Individuales: La estadística tradicional depende del supuesto de Independencia e Identidad en la Distribución (i.i.d.), que opera dentro de un único "mundo observado". Este marco trata el tiempo como un input o un estado estático (supuesto de Markov) en lugar de un resultado dinámico a nivel individual. En consecuencia, no puede capturar el "tiempo posible" de los eventos para individuos específicos, limitando a la IA al razonamiento causal a nivel de población en lugar de a nivel individual.

El artículo argumenta que la interpretabilidad a menudo se confunde con "relaciones nombrables" (sustantivos), lo que limita el razonamiento de la IA a aquello que puede ser preespecificado y nombrado. El verdadero razonamiento causal requiere un cambio hacia un paradigma basado en verbos, donde la IA construye un modelo de mundo para razonar espontáneamente, en lugar de simplemente registrar relaciones predefinidas.

2. Metodología: El Paradigma Basado en Verbos

La solución propuesta es un cambio de paradigma de la modelación basada en sustantivos a una modelación basada en verbos, caracterizada por la Generación Inversa (Backward Generation) y la Emergencia de Posibilidades (Possibility Emergence).

Conceptos Clave:

Emergencia de Posibilidades: A diferencia de la generación dirigida hacia adelante (causa $\to$ efecto), el método propuesto realiza una generación inversa desde un efecto objetivo para constituir un "hiper-mundo". Esto permite a la IA generar múltiples escenarios instanciados (mundos posibles) a partir de un solo efecto, descubriendo factores causales ocultos y distribuciones de tiempo que no fueron preespecificados.
Hiper-mundo: Una colección de múltiples mundos posibles generados bajo la misma condición causal (verbo). Dentro de este hiper-mundo, la IA actúa como un agente para descubrir información relacional significativa.
Distribución de Tiempo Posible: Un concepto nuevo y crítico que va más allá del supuesto i.i.d. En lugar de predecir un único sello de tiempo, el modelo infiere una distribución de "tiempo posible" ( $\tau$ ) a través de múltiples mundos posibles no observables. Este tiempo es una construcción a nivel individual, distinta de los promedios poblacionales.
Proceso de Dos Etapas:
1. Emergencia de Posibilidad (IA como Sujeto): La IA captura información relacional basada en verbos a partir de los datos como representaciones en el espacio latente, generando un hiper-mundo.
2. Deducción Causal (IA como Agente): La IA opera dentro del hiper-mundo constituido para identificar relaciones causales informativas, que luego pueden ser interpretadas en relaciones nombrables (basadas en sustantivos) por los humanos.

Implementación Técnica:

Cómputo de Tiempo: Implementado mediante una arquitectura de parámetros de dos niveles dentro de una red neuronal.
- Parámetros a nivel de población: Congelados tras la primera ejecución de entrenamiento, codificando el patrón dinámico común y estableciendo una línea de tiempo relativa $\tau$ en el espacio latente.
- Parámetros a nivel individual: Actualizados independientemente en ejecuciones de entrenamiento subsecuentes. Esto genera coeficientes distintos para la transformación entre el tiempo observado $t$ y la línea de tiempo fija $\tau$ para cada ejecución, constituyendo efectivamente una distribución de tiempo a nivel individual a través de múltiples mundos posibles.
Sistema Multi-Verbo: El marco trata los eventos como verbos con sus propias distribuciones de tiempo. Permite la inferencia entre verbos (p. ej., $A \to B$ y $A \to C$ ) sin reducir el sistema a una única cadena de Markov, preservando así la información dinámica.

3. Contribuciones Clave

Marco Teórico: El artículo formaliza la "Trampa del Sustantivo" y propone la "Emergencia de Posibilidades" como solución. Distingue entre Emergencia Causal (identificación de brechas), Representación Causal (orientada a verbos pero restringida por sustantivos) y Emergencia de Posibilidades (construcción de un hiper-mundo para el descubrimiento espontáneo).
Nuevo Concepto de Tiempo: Introduce la Distribución de Tiempo Posible como una dimensión computacional que existe a través de mundos posibles, rompiendo las restricciones del supuesto i.i.d. y permitiendo el modelado causal a nivel individual.
Generación Inversa para la Deducción Causal: El artículo demuestra que la generación inversa desde un efecto permite a la IA descubrir espontáneamente condiciones causales (p. ej., umbrales de tiempo específicos) sin preespecificar intervenciones o umbrales, una capacidad ausente en la inferencia causal tradicional dirigida hacia adelante.
Máquina de "¿Qué pasaría si?" (What-If Machine): El hiper-mundo constituido sirve como un terreno experimental virtual donde la IA puede realizar pruebas y errores ilimitados para responder preguntas de "¿Qué pasaría si?" (contrafácticos) antes de intentos en el mundo real.

4. Resultados y Aplicaciones

La metodología se aplicó a datos longitudinales de Registros Médicos Electrónicos (EHR) de 3,276 pacientes con cáncer de mama (Fairview Health System, 2012–2024) para predecir la cardiotoxicidad inducida por enfermedad cardíaca.

Aplicación I: Descubrimiento de Trayectorias Multi-Verbo:
- El modelo descubrió espontáneamente trayectorias significativas de pacientes que involucran eventos clínicos secuenciales (quimioterapia, terapia dirigida, radiación, diuréticos).
- Identificó subpoblaciones basadas en la atención al tiempo ( $\kappa$ , medida por la curtosis de la distribución de tiempo).
- Resultado: El modelo distinguió con éxito subgrupos de pacientes e identificó puntos de inflexión críticos (p. ej., la significancia del pico de medicación diurética en un paso específico de la trayectoria). Logró una alta precisión en la selección de la población ( $C_T/C_M \approx 1$ ), demostrando que el cómputo del tiempo puede filtrar cohortes de manera más efectiva que las reglas de asociación tradicionales.
Aplicación II: Deducción Causal (Análisis de "¿Qué pasaría si?"):
- El modelo generó un escenario contrafáctico para una subpoblación específica (13 pacientes) invirtiendo su etiqueta de resultado (enfermedad cardíaca $\to$ no enfermedad cardíaca) y reejecutando el proceso de emergencia.
- Resultado: La comparación de las distribuciones de tiempo fácticas vs. contrafácticas reveló que retrasar la tercera terapia dirigida ( $Target\_3$ ) desplazaba significativamente la distribución de tiempo para la mitad de la cohorte, sugiriendo una potencial reducción del riesgo de enfermedad cardíaca. Esta deducción se derivó puramente de los datos sin hipótesis preespecificadas.

5. Significado y Reivindicaciones

El artículo posiciona este trabajo como un primer paso necesario hacia la subjetividad de la IA. No pretende haber alcanzado la inteligencia de nivel humano o una subjetividad plenamente realizada, sino la constitución de un "modelo de mundo de razonamiento causal" que permite a la IA operar como un agente.

Reivindicaciones Modestas: Los autores enfatizan que las relaciones causales deducidas (p. ej., retrasar la terapia) son hipótesis generadas dentro de un terreno virtual, que requieren validación humana adicional. No afirman que estas sean recomendaciones clínicas definitivas.
Medicina de Precisión: La capacidad de realizar deducción causal a nivel individual y subtipificación fina (p. ej., identificar 13 pacientes específicos de entre 3,000+) se destaca como particularmente prometedora para la atención de enfermedades raras, donde los subgrupos de pacientes son pequeños y las estadísticas de población son insuficientes.
Eficiencia: El cambio de paradigma permite la reutilización de los mundos constituidos, evitando la complejidad exponencial de volver a derivar reglas de asociación para cada nueva inferencia.
Fundamentación Filosófica: El trabajo se apoya en la filosofía de Zhao Tingyang para argumentar que construir un "mundo" para la IA requiere ocupar la posición de un sujeto respecto a ese mundo, pasando de la mera correlación estadística al razonamiento causal.

En resumen, el artículo propone un marco teórico y computacional donde la IA construye un modelo de mundo basado en verbos y generado inversamente para superar la Trampa del Sustantivo, permitiendo el razonamiento causal a nivel individual y el descubrimiento espontáneo de trayectorias de pacientes y contrafácticos en datos clínicos complejos.