Resumo Técnico: Elicitação de Preferência Causal (CaPE)

Declaração do Problema

A aprendizagem de estruturas causais a partir de dados observacionais é inerentemente difícil devido às classes de equivalência de Markov, superfícies de verossimilhança multimodais e à incapacidade de métodos puramente baseados em dados de resolver grandes porções da estrutura do grafo. Embora especialistas de domínio possuam conhecimento qualitativo sobre mecanismos plausíveis, arestas proibidas ou direções de influência esperadas, os métodos existentes para incorporar esse conhecimento são tipicamente estáticos. Eles codificam o aporte do especialista como restrições rígidas ou priors fixos, ignorando a incerteza do especialista, o viés sistemático e a escassez de tempo do especialista. Inversamente, métodos de descoberta causal ativa que otimizam intervenções experimentais frequentemente falham em modelar julgamentos subjetivos do especialista ou tratá-los como determinísticos.

Este artigo aborda essa lacuna introduzindo a Elicitação de Preferência Causal (CaPE), um framework probabilístico de "especialista no loop" (expert-in-the-loop) para descoberta causal. O objetivo é consultar ativamente um especialista sobre relações de arestas locais (existência e direção) para concentrar uma distribuição posterior sobre Grafos Acíclicos Dirigidos (DAGs) de forma mais eficiente do que abordagens aleatórias ou estáticas, particularmente sob orçamentos de consulta restritos.

Metodologia

1. Visão Geral do Framework

O CaPE opera como um processo de aprendizagem ativa Bayesiana sequencial. Ele assume o acesso a um prior observacional inicial $q_0(W | X)$ derivado de qualquer método de descoberta causal de caixa-preta (ex: MCMC, agregação de bootstrap ou inferência variacional). O aprendiz seleciona iterativamente pares de variáveis $(i, j)$ para consultar um especialista, observa uma resposta categórica ruidosa $Y_{ij} \in \{0, 1, 2\}$ (representando $j \to i$, $i \to j$ ou ausência de aresta) e atualiza o posterior sobre DAGs ponderados.

2. Modelo de Verossimilhança do Especialista

A inovação central é um modelo de especialista logístico hierárquico e flexível $p_\theta(Y_{ij} | W)$ que mapeia um DAG ponderado candidato $W$ para uma resposta categórica de três vias.

• Scores de Direção Local: Para um par $(i, j)$, o modelo calcula um score de direção $s_{i \to j}(W)$ baseado na magnitude do peso da aresta e em recursos estruturais opcionais (ex: suporte de v-estrutura, risco de ciclo).
• Probabilidades Hierárquicas:
  • Existência de Aresta: A probabilidade de uma aresta existir é modelada via uma função logística da magnitude absoluta da evidência entre as duas direções.
  • Direção: Condicional à existência, a probabilidade de uma orientação específica é modelada via uma função logística da diferença nos scores de direção.
• Parâmetros: O modelo inclui hiperparâmetros ($\beta_{edge}, \beta_{dir}$) que controlam a confiabilidade e a decisividade do especialista, permitindo comportamentos de especialistas heterogêneos e incertos.

3. Inferência de Posterior via Aproximação de Partículas

Dada a crescente exponencialidade do espaço de DAGs, a computação exata do posterior é intratável. O CaPE emprega uma abordagem de Monte Carlo Sequencial (SMC):

• Representação: O posterior é aproximado por um conjunto de partículas ponderadas (DAGs candidatos).
• Atualização: Ao receber uma resposta do especialista, os pesos das partículas são atualizados via reponderação de importância usando a verossimilhança do especialista.
• Reamostragem (Resampling): Para evitar a degenerescência de pesos, as partículas são reamostradas quando o Tamanho de Amostra Efetivo (ESS) cai abaixo de um limiar.
• Rejuvenescimento: Para manter a diversidade após a reamostragem, um kernel de Metropolis-Hastings leve é aplicado, propondo pequenas edições de grafo (inversões de arestas, adições, remoções) enquanto impõe estritamente a aciclicidade.

4. Estratégia de Seleção de Consulta

O framework seleciona consultas para maximizar o Ganho de Informação Esperado (EIG) em relação à estrutura latente do DAG.

• Função de Aquisição: O EIG é formulado como a informação mútua entre o DAG $W$ e a resposta do especialista $Y_{ij}$. Isso é equivalente ao objetivo BALD (Bayesian Active Learning by Disagreement).
• Computação: Sob a aproximação de partículas, o EIG é computado eficientemente comparando a entropia da distribuição preditiva marginal (incerteza epistêmica + aleatória) contra a entropia condicional média do posterior (incerteza aleatória).
• Triagem (Screening): Para reduzir o custo computacional, uma etapa de triagem primeiro seleciona os top-$k$ pares com a maior incerteza marginal de existência de aresta antes de calcular o EIG completo para a seleção final.

Principais Contribuições

1. Framework Geral: Um framework modular para descoberta causal com especialista no loop que combina posteriors observacionais arbitrários com feedback sequencial de especialistas, estendendo trabalhos anteriores de descoberta aumentada por especialistas e aprendizagem de estrutura ativa.
2. Modelo de Especialista Probabilístico: Um modelo logístico hierárquico que atribui rótulos categóricos de três vias baseados em scores de direção local, modelando explicitamente o ruído, a incerteza e o viés do especialista, em vez de tratar a entrada do especialista como restrições determinísticas.
3. Atualização Baseada em Partículas: Um esquema de atualização Bayesiana para posteriors de DAG que integra respostas de especialistas via reponderação de importância, reamostragem disparada por ESS e rejuvenescimento por Metropolis-Hastings, garantindo aciclicidade e diversidade.
4. Aquisição Tratável: Uma derivação de um objetivo EIG do tipo BALD operando em distribuições categóricas de baixa dimensão, tornando a aprendizagem ativa de informação eficiente no espaço de DAGs computacionalmente viável.
5. Validação Empírica: Demonstrações em dados sintéticos, na rede de sinalização de proteínas de Sachs e no benchmark de perturbação de genes humanos CausalBench, mostrando uma concentração de posterior acelerada e melhor recuperação estrutural em comparação com baselines aleatórios, estáticos e baseados em incerteza.

Resultados Experimentais

O artigo avalia o CaPE em três configurações:

• DAGs Sintéticos: O CaPE supera significativamente a consulta aleatória (RND), amostragem de incerteza (UNC) e um baseline estático de EIG (STE) na redução da entropia preditiva, Distância de Hamming Estrutural (SHD) e aumento da Probabilidade de Classe Verdadeira Esperada (ETCP).
• Robustez: Experimentos com modelos de especialista mal especificados (confiabilidade heterogênea, viés direcional, abstenção e alto ruído) mostram que o CaPE permanece competitivo, indicando que o método é robusto a desvios realistas e não adversariais do modelo de especialista assumido.
• Sinalização de Proteínas de Sachs: Usando apenas dados observacionais (853 amostras) e uma rede de referência como oráculo, o CaPE reduz o SHD em aproximadamente 14 arestas em relação ao posterior inicial após 40 consultas e melhora o F1 de orientação em mais de 0,38.
• CausalBench (K562): Em um conjunto de dados de perturbação de 50 genes, o CaPE alcança desempenho superior em AUPRC direcionado e precisão Top-K em comparação com os baselines, demonstrando ganhos monotônicos conforme o orçamento de consulta aumenta, enquanto os baselines estáticos saturam rapidamente.
• Prior DAG-GFlowNet: Inicializar o CaPE com um prior observacional forte (treinado via GFlowNet) melhora ainda mais o desempenho, destacando a modularidade do framework.

Significância e Alegações

O artigo afirma que o CaPE fornece uma abordagem fundamentada para transformar intuições qualitativas de especialistas em uma sequência cuidadosamente orçada de perguntas direcionadas. Ele posiciona a elicitação de especialistas como um paradigma complementar ao design de intervenção experimental, particularmente valioso em domos onde as intervenções são caras, eticamente restritas ou já estão fixas.

Os autores enfatem que seu método não pretende resolver a descoberta causal na ausência de suposições, mas sim concentrar a massa do posterior no grafo verdadeiro sob o modelo causal assumido (ex: suficiência causal, condições de Markov e fidelidade). O trabalho demonstra que a interação com o especialista, cuidadosamente orçada, pode acelerar substancialmente a concentração do posterior através de diversos benchmarks sintéticos e reais, mesmo sob formas realistas de má especificação do modelo do especialista. O framework é apresentado como um passo para fechar o loop entre a inferência causal probabilística e o julgamento humano especializado, melhorando a eficiência e a transparência da geração de hipóteses científicas em campos como biologia e medicina.