Resumo Técnico: Supervisão Fraca Neuro-Simbólica: Teoria e Semântica

Declaração do Problema

O artigo aborda os desafios da Supervisão Fraca, especificamente no cenário de Aprendizado de Rótulos Parciais Multi-Instância (MI-PLL). Em MI-PLL, os dados de treinamento consistem em "sacos" (bags) de instâncias, onde cada saco está associado a um conjunto de rótulos candidatos contendo pelo menos um rótulo verdadeiro e potencialmente falsos positivos. A dificuldade central reside na ambiguidade dos sinais de supervisão e na incerteza dos mapeamentos instância-rótulo.

Embora trabalhos teóricos existentes (ex: Wang et al. [5]; Tsamoura et al. [6]) tenham estabelecido limites de complexidade de amostra e análises de risco específicas por classe para MI-PLL, esses frameworks frequentemente carecem de um mecanismo lógico estruturado para guiar o aprendizado, diagnosticar modos de falha semântica ou garantir confiabilidade em aplicações de alto risco. O artigo identifica uma lacuna no fornecimento de uma semântica formal que integre a Programação Lógica Indutiva (ILP) para estruturar a relação entre saídas neurais ruidosas e rótulos de nível de saco fracos.

Metodologia

1. Estrutura Semântica: CP, TP e OP

Os autores propõem um framework neuro-simbólico fundamentado em três predicados lógicos auxiliares que formalizam o problema de MI-PLL:

• CP (Predicado do Classificador): Representa a predição por instância $f(x_i) = y_i$. Ele mapeia entradas não simbólicas (ex: imagens) para rótulos de instância latentes.
• TP (Predicado de Transição): Representa o operador de agregação $\sigma$ que mapeia um vetor de rótulos de instância para um rótulo de nível de saco ($s = \sigma(y_1, \dots, y_M)$). Isso define o espaço de hipóteses sobre transições de rótulos.
• OP (Predicado Observado): Registra a supervisão fraca observada, ligando um saco de instâncias $x$ ao rótulo observado de nível de saco $s$.

O framework trata a tarefa de aprendizado como a busca por uma hipótese $H = (f, \sigma)$ tal que as predições de CP, quando agregadas via TP, sejam logicamente consistentes com as observações de OP.

2. Tarefas Indutivas

O artigo formaliza dois cenários indutivos distintos dentro desta estrutura semântica:

• Cenário 1 (Inferindo TP): Dado o OP observado e as predições de nível de instância CP (assumidas como disponíveis ou pré-treinadas), o objetivo é inferir o predicado de transição (operador de agregação $\sigma$) que melhor explica a relação entre os rótulos de instância e os rótulos de saco.
• Cenário 2 (Inferindo CP): Dado o OP observado e um predicado de transição TP fixo ( $\sigma$ conhecido), o objetivo é inferir o classificador $f$ (e, portanto, as atribuições de CP) que satisfaça as restrições lógicas impostas pelos rótulos de nível de saco.

3. Implementação e Avaliação

Para testar empiricamente a semântica proposta, os autores utilizam um pipeline diferenciável inspirado no sistema $\alpha$-ILP.

• Arquitetura: Uma Rede Neural Convolucional (CNN) instancia o CP. O TP é extraído de um conjunto discreto de operadores simbólicos ($\Sigma = \{+, \times, \oplus, C\}$).
• Treinamento: O sistema emprega uma função de perda de quatro termos:
  1. $L_{bag}$: Entropia cruzada de nível de saco contra os rótulos fracos observados.
  2. $L_{con}$: Perda de restrição garantindo a consistência do TP.
  3. $L_{cp}$: Confiança do classificador.
  4. $L_{ctp}$: Perda de consistência entre as distribuições de nível de saco derivadas de CP e TP.
• Datasets: Os experimentos utilizam sacos de dígitos MNIST com rótulos de instância ocultos e rótulos fracos de nível de saco gerados via adição ($+$), multiplicação ($\times$) ou XOR ($\oplus$).

Principais Resultados

1. Necessidade de Acoplamento Semântico

Estudos de ablação (Tabela 1) demonstram que a remoção de componentes semânticos leva à falha:

• Sem CP: O modelo aprende um "atalho OP $\leftrightarrow$ TP", alcançando acurácia de saco moderada, mas falhando em recuperar a semântica da instância (InstAcc cai para o nível do acaso, ~0.10).
• Sem TP / Apenas OP: Sem a restrição estrutural do predicado de transição, o modelo colapsa para o desempenho baseline, sendo incapaz de utilizar a supervisão fraca de forma eficaz.
• Modelo Completo: Alcança alta acurácia de saco (~0.96) e satisfação de restrição em todos os operadores, com o gap Bag–Constraint próximo de zero, indicando que o sucesso é suportado estruturalmente e não de forma espúria.

2. Modos de Falha Dependentes do Operador

O framework revela modos de falha invisíveis apenas pela acurácia de nível de saco:

• Bimodalidade do XOR ($\oplus$): Para o operador XOR não-M-ambíguo, a acurácia da instância exibe uma distribuição bimodal acentuada entre sementes aleatórias. Aproximadamente metade das sementes recupera alta acurácia de instância, enquanto as outras colapsam para acurácia próxima de zero, apesar de manterem alta acurácia de saco. Isso se alinha aos modos de falha previstos por Wang et al. [5] para operadores não-M-ambíguos.
• Sensibilidade da Multiplicação ($\times$): Sob um CP aleatório (classificador não treinado), o operador de multiplicação falha em ser identificado devido a um efeito de "atrator de zero", enquanto a adição e o XOR mantêm o ranking do operador.

3. Robustez ao Ruído

O sistema exibe um "platô" na razão de consistência seguido por uma transição abrupta conforme o ruído de OP aumenta.

• Adição e XOR: Mantêm a consistência até 50% de ruído, depois caem bruscamente.
• Multiplicação: Permanece robusto até 70% de ruído. Os autores atribuem isso à distribuição assimétrica de pré-imagem da multiplicação (onde o rótulo 0 absorve muitos pares), uma propriedade estrutural consistente com a análise de risco específica de classe de Tsamoura et al. [6].

Significância e Alegações

O artigo afirma fornecer uma semântica formal para MI-PLL que preenche a lacça entre a teoria do aprendizado estatístico e o raciocínio neuro-simbólico. Suas principais contribuições são:

1. Caracterização Lógica: Define um espaço de hipóteses sobre transições de rótulos usando ILP, formalizando a semântica de classificadores por instância e fornecendo um arcabouço relacional para raciocinar sobre supervisão fraca.
2. Capacidade Diagnóstica: O framework permite o diagnóstico de modos de falha semântica (ex: atalhos de raciocínio, colapso de nível de instância) que a acurácia de nível de saco oculta. As métricas propostas (Bag–Constraint, Bag–Inst) operacionalizam essa capacidade diagnóstica.
3. Alinhamento Teórico: Os resultados empíricos alinham-se e operacionalizam as condições teóricas de Wang et al. [5] (condições de ambiguidade) e Tsamoura et al. [6] (risco específico de classe e assimetria de pré-imagem). Especificamente, o artigo mostra que a suposição "r-bounded" necessária para a aprendibilidade em Wang et al. [5] é satisfatoriamente atendida na prática apenas quando o classificador é pré-treinado (Cenário 2) antes de inferir o operador (Cenário 1).

Os autores mantêm-se modestos quanto ao escopo, observando que a implementação atual depende de um conjunto finito de operadores projetados manualmente e não modifica a arquitetura do classificador subjacente. O trabalho é apresentado como um passo fundamental em direção a um tratamento mais amplo de MI-PLL baseado em ILP, sendo necessário trabalho futuro para abordar supervisão atrasada, descoberta de regras flexíveis e robustez cross-domain.