A Statistical Framework for Algorithmic Collective Action with Multiple Collectives

Resumo Técnico: Uma Estrutura Estatística para Ação Coletiva Algorítmica com Múltiplos Coletivos

Declaração do Problema
A Ação Coletiva Algorítmica (ACA) refere-se à coordenação de usuários para editar estrategicamente suas contribuições de dados a fim de orientar o comportamento de modelos de aprendizado de máquina. Embora a literatura existente tenha formalizado rigorosamente a ACA, ela focou quase exclusivamente em cenários envolvendo um único coletivo. No entanto, ações coletivas do mundo real são tipicamente descentralizadas, fragmentadas e compostas por múltiplos grupos distintos (coletivos) que podem diferir em tamanho, estratégia e objetivos acionáveis específicos, mesmo quando compartilham objetivos abrangentes. As estruturas atuais carecem da capacidade teórica para modelar a interação entre esses múltiplos coletivos, potencialmente conflitantes ou sobrepostos, atuando no mesmo sistema. Este artigo aborda essa lacuna propondo uma estrutura estatística abrangente para a ACA envolvendo múltiplos coletivos.

Metodologia e Cenário
Os autores estendem o tratamento estatístico da ACA de trabalhos anteriores (especificamente [11]) para um cenário com $M$ coletivos disjuntos. A estrutura fundamenta-se na teoria da medida e assume um espaço de características finito $\mathcal{X}$ e um espaço de rótulos $\mathcal{Y}$.

• População e Coletivos: A população de usuários é modelada como um espaço de probabilidade. $M$ coletivos são definidos como subconjuntos disjuntos dessa população, cada um com uma massa específica $\alpha_c$. Uma "hipótese de neutralidade" postula que, antes da edição, a distribuição de dados dentro de cada coletivo corresponde à distribuição da população geral.
• Mistura de Dados: A plataforma treina sobre uma mistura de dados não modificados da população de base e dados editados dos coletivos. A distribuição empírica pós-edição é uma soma ponderada da distribuição da população pré-edição e das distribuições transformadas de cada coletivo.
• Modelo Classificador: O modelo implantado é assumido como um classificador subótimo de contaminação-$\epsilon$. Isso significa que o classificador é Bayes-ótimo (ou aproximadamente isso) para uma distribuição que é uma contaminação-$\epsilon$ da distribuição de treinamento empírica. Essa suposição estrutural específica é crucial para derivar os limites de margem $\epsilon/(1-\epsilon)$ usados nas fronteiras.
• Estratégias: O artigo analisa dois modos primários de ação:
  1. Plantio de Sinal: Coletivos visam forçar o classificador a aprender uma associação entre uma característica alterada $g_c(x)$ e um rótulo alvo $y^*_c$. As estratégias incluem rótulo-característica (modificando tanto características quanto rótulos) e apenas característica (modificando características enquanto preservam os rótulos originais, empurrando exemplos não-alvo para um valor de característica "seguro").
  2. Desplantio de Sinal: Coletivos visam quebrar uma associação existente entre uma característica e um rótulo. Isso é analisado usando uma estratégia adaptativa onde um coletivo divide seus dados em um conjunto de estimação (para selecionar um rótulo concorrente para cada característica) e um conjunto de retenção (para executar a edição).
• Métricas de Sucesso: O sucesso é medido por meio de métricas por coletivo (probabilidade de previsão correta no conjunto de características alvo) e métricas globais (agregações como o mínimo ou a média ponderada por massa dos sucessos por coletivo).

Contribuições Principais e Resultados Teóricos
O artigo fornece a primeira estrutura estatística para ACA com múltiplos coletivos, derivando limites inferiores quantitativos para o sucesso de cada coletivo.

1. Limites Inferiores para Plantio de Sinal (Teorema 3.1):
   Os autores derivam um limite inferior para a probabilidade de sucesso por coletivo. O limite revela uma compensação impulsionada por:

   • Força do Sinal: Proporcional à massa do coletivo ($\alpha_c$) e à prevalência da característica plantada.
   • Conflito: Inversamente proporcional à soma ponderada dos "termos de conflito" de outros coletivos ($\sum_{d \neq c} \alpha_d \Delta_{c \to d}$). Este termo mede o quanto outros coletivos associam fortemente as mesmas características plantadas a rótulos concorrentes.
   • Ruído Não-Coletivo: Um termo representando a tendência da população de base em associar a característica a rótulos não-alvo.
   • Computabilidade: Os autores propõem uma hierarquia de aproximações para tornar esses limites computáveis por um único coletivo com apenas conhecimento parcial dos outros. Isso varia de um limite de "pior caso" (assumindo conflito máximo dos outros) a um limite de "melhor caso" (assumindo acesso a estatísticas de conflito agregadas) e um caso "intermediário" dependendo de suposições de homogeneidade estatística.

2. Limites Inferiores para Desplantio de Sinal (Teorema 4.1):
   Um limite inferior similar é derivado para a estratégia adaptativa de desplantio. O limite depende da capacidade do coletivo de selecionar um rótulo concorrente que minimize o "conflito de desplantio" com outros coletivos e a população de base. A prova utiliza uma técnica de divisão de dados (estimação versus retenção) para garantir que a seleção do rótulo seja independente dos dados usados para avaliar o conflito.

3. Consistência:
   A estrutura é provada reduzir-se aos limites de coletivo único estabelecidos em [11] quando $M=1$, validando a generalização.

Resultados Experimentais
A estrutura é ilustrada numericamente usando um conjunto de dados sintético inspirado em intervenções de adaptação climática em cidades inteligentes (registros em nível de bairro com 18 características categóricas e 4 classes de intervenção).

• Dinâmica de Dois Coletivos: Experimentos com $M=2$ demonstram uma fronteira de compensação clara. Deslocar massa em direção a um coletivo aumenta seu limite de sucesso às custas do outro. Reduzir a sobreposição nas características plantadas entre coletivos enfraquece o conflito, permitindo que o coletivo com menos características se beneficie de características "não contestadas", enquanto o outro perde a prevalência do sinal.
• Múltiplos Coletivos ($M=4$): Simulações com quatro coletivos mostram que o sucesso global é altamente sensível ao alinhamento de rótulos. Quando coletivos visam rótulos diferentes (alta entropia de rótulos) e têm tamanhos comparáveis, a interferência destrutiva leva a garantia de sucesso global próximo de zero. Por outro lado, concentrar esforços no mesmo rótulo alvo (baixa entropia de rótulos) reduz substancialmente a interferência e maximiza o sucesso global. A concentração de massa desempenha um papel secundário e mais sutil.

Significado e Alegações
O artigo alega fornecer o primeiro tratamento estatístico rigoroso para Ação Coletiva Algorítmica envolvendo múltiplos coletivos. Seu significado reside em:

• Realismo de Modelagem: Ir além do cenário idealizado de coletivo único para refletir a natureza fragmentada e descentralizada de movimentos do mundo real (por exemplo, justiça climática ou ciberfeminismo).
• Compensações Quantitativas: Quantificar explicitamente como o tamanho dos coletivos e o alinhamento de seus objetivos (especificamente a sobreposição de características e rótulos) determinam a viabilidade da ação coletiva.
• Computabilidade Prática: Oferecer limites que coletivos individuais podem calcular com informações limitadas sobre outros grupos, facilitando o planejamento estratégico em ambientes descentralizados.
• Validação de Caso de Uso: Demonstrar a utilidade da estrutura através de um cenário de adaptação climática, mostrando como os limites derivados expõem compensações críticas entre alocação de massa, sobreposição de características e alinhamento de objetivos.

Os autores reconhecem limitações, incluindo a suposição de coletivos disjuntos e um espaço de características finito, e sugerem trabalhos futuros sobre cenários de objetivos mistos (alguns plantando, outros desplantando) e extensões de teoria dos jogos adversariais.