Resumo Técnico: PROMETHEUS – Automatizando Pesquisa Causal Profunda

Declaração do Problema

Modelos de Linguagem de Grande Escala (LLMs) demonstraram a capacidade de resumir literatura científica, extrair alegações causais locais e recuperar passagens relevantes. No entanto, para pesquisa profunda, essas capacidades são insuficientes. Resumos planos e grafos causais agregados falham em capturar a localidade, a especificidade de regime e os limites probatórios do conhecimento científico. Um pesquisador frequentemente precisa saber não apenas o que é uma alegação, mas onde ela se sustenta (por exemplo, populações específicas, janelas temporais ou protocolos de medição), onde entra em conflito com outras alegações e como o suporte varia em um corpus. Abordagens existentes frequentemente colapsam evidências heterogêneas em um único grafo universal ou uma resposta genérica, obscurecendo o "desvio", a "contradição" e a "subdeterminação" que são sinais críticos na investigação científica.

Metodologia: O Modelo de Mundo Topos

O PROMETHEUS reformula a pesquisa causal como a construção de um Modelo de Mundo Topos: uma família tipo feixe de modelos locais de estado preditivo causal indexados sobre uma cobertura explícita de um substrato de pesquisa.

Arquitetura Central

O sistema opera como um pipeline transformando literatura recuperada, processos judiciais, relatórios e dados de origem em um Atlas Causal navegável:

1. Extração e Normalização (Herdado do DEMOCRITUS):

   • O sistema recupera documentos e extrai eventos causais, episódios e triplos relacionais (sujeito-relação-objeto).
   • Estes são normalizados em linhas estilo cSQL estruturadas contendo causa, efeito, modificadores, polaridade e procedência.
   • Ao contrário de iterações anteriores que tratavam estes como arestas terminais de grafos, o PROMETHEUS trata-os como observações para modelos locais.

2. Contextualização e Construção de Cobertura:

   • Alegações extraídas são atribuídas a contextos locais (por exemplo, espécies específicas, anos fiscais, estágios de uso de produtos ou papéis de agentes).
   • Uma cobertura é construída, onde cada contexto $U$ representa uma região onde as alegações são esperadas para ter semânticas comparáveis.

3. Representação Local de Estado Preditivo (PSR):

   • Para cada contexto $U$, o sistema constrói uma Representação Local de Estado Preditivo Causal.
   • Em vez de um modelo de variável latente, utiliza uma abordagem de predição observável. Um estado é definido por uma tabela $M_U[h, \tau]$ representando a probabilidade preditiva (ou pontuação de suporte) de um teste futuro $\tau$ dada uma história $h$.
   • Histórias são sequências de eventos causais; testes são continuações causais (por exemplo, "estresse térmico $\to$ mudança na sobrevivência larval").
   • Estas tabelas são preenchidas com contagens de suporte, estimativas de incerteza e links de procedência.

4. Organização Teórico-Feixial:

   • Mapas de Restrição: Quando contextos se sobrepõem, mapas de restrição alinham histórias, testes e alegações compartilhados. O sistema calcula discrepâncias (lacunas) entre modelos locais sobrepostos.
   • Diagnósticos de Colagem: O sistema avalia se seções locais podem "colar" em uma seção global coerente.
     • Sobreposições compatíveis: Modelos locais concordam; eles podem ser agregados.
     • Sobreposições tensas/obstruídas: Modelos discordam devido a desvios, limites de regime ou contradições. Estes não são suavizados por média, mas registrados como sinais diagnósticos explícitos (por exemplo, "contradição", "dependência de regime" ou "subdeterminação").
   • Estado Persistente: O atlas resultante é um artefato cumulativo. Novas execuções podem comparar contra estados anteriores para detectar desvios ou reparar tensões de colagem.

5. Contrafactuais Fundamentados:

   • Quando um artigo fornece dados de origem, código ou saídas de simulação, o PROMETHEUS pode vincular uma intervenção simbólica a um substrato científico externo.
   • Ele executa a intervenção (por exemplo, modificando um parâmetro de forçamento em um modelo hidrológico ou substituindo um regime experimental em dados de célula única).
   • O resultado medido é empurrado de volta para o modelo de mundo, reconstruindo o PSR local e a estrutura de feixe em torno da nova observação.

Contribuições Principais

O artigo descreve seis contribuições específicas:

1. Pipeline PROMETHEUS: Um pipeline de linguagem para Modelo de Mundo Topos para pesquisa causal profunda a partir de texto.
2. Extensão do DEMOCRITUS: Avanço de tabelas/grafos causais estáticos para modelos locais de estado preditivo causal com coberturas, restrições e diagnósticos de colagem.
3. Formalização: Uma formalização finita teórico-feixial de eventos causais, episódios, contextos e tensões de colagem adequada para implementação.
4. Interface Atlas de Alegações: Um objeto voltado ao usuário organizando um corpus por espinha causal, regiões locais, suporte, desvio e investigações detalhadas de procedência.
5. Programa de Avaliação: Uma proposta para avaliar instrumentos causais baseados em cobertura, visibilidade de desvio, agregação de suporte, qualidade de procedência, tempo de navegação de especialistas e consistência de reexecução, e não apenas na precisão da extração.
6. Demonstrações de Contrafactuais Fundamentados: Quatro estudos de caso mostrando o sistema avaliando intervenções contra substratos externos (tabelas de origem, código e dados) e reconstruindo o modelo de mundo.

Resultados e Estudos de Caso

O artigo apresenta três estudos de caso de atlas de literatura e quatro estudos de caso de contrafactuais fundamentados:

Estudos de Caso de Atlas de Literatura

1. Impactos da Temperatura Oceânica: Analisou 11 estudos sobre populações de peixes. O atlas revelou uma espinha causal central (aquecimento $\to$ estresse térmico $\to$ sobrevivência), mas identificou regimes locais distintos (por exemplo, sobrevivência larval vs. produção pesqueira econômica) e regiões de "desvio" (por exemplo, alegações de saúde humana não relacionadas à consulta central). Expôs tensões de regime onde alegações sobre recrutamento larval entraram em conflito em diferentes contextos ecológicos.
2. Evidência de Perda de Peso com GLP-1: Analisou 11 estudos sobre drogas GLP-1. O sistema separou alegações de eficácia de sinais de segurança (por exemplo, perda de cabelo), questões de acesso e alegações de mecanismo. Destacou que, enquanto a eficácia e alguns benefícios cardiorenais "colaram" através de regimes, os riscos gastrointestinais e alegações sobre vias de recompensa permaneceram obstruídos ou sensíveis ao regime.
3. Resveratrol/Vinho Tinto: Analisou 13 estudos sobre benefícios à saúde. O atlas distinguiu entre alegações apoiadas por dados de linhagem celular, química do vinho, restrições de biodisponibilidade e epidemiologia humana. Identificou que "benefícios à saúde" não são uma única alegação global, mas uma coleção de mecanismos locais com transportabilidade variável.

Estudos de Caso de Contrafactuais Fundamentados

1. Microplásticos (Nature Climate Change): Utilizou tabelas de origem para intervir no forçamento óptico. Substituir a óptica de partículas "coloridas" por valores "brancos/puros" nos dados de origem reduziu o forçamento radiativo estimado em ~90%. O sistema reconstruiu o modelo de feixe com essas novas observações.
2. Hidrologia do Vale do Indo: Utilizou dados de descarga derivados do VIC e código para simular um contrafactual de "restauração de seca". O sistema mediu uma recuperação nos índices de descarga e atualizou a explicação causal da metamorfose Harappa para refletir o vínculo enfraquecido entre seca e dispersão sob o contrafactual.
3. Sinalização Proteica de Sachs: Utilizou dados de perturbação de célula única para substituir regimes experimentais. O sistema mediu deslocamentos de marcadores (por exemplo, PKA/Akt/Erk) e atualizou o atlas causal com observações fundamentadas em dados, tratando estruturas tipo DAG como cartas locais dentro de um feixe maior.
4. Ratos Cantores (MAPseq): Utilizou matrizes de projeção para atenuar projeções do córtex motor em ratos cantores para níveis de ratos de laboratório. O sistema mediu uma redução de ~72% no suporte de projeção e atualizou a ponte causal entre expansão do córtex motor e repertório vocal.

Significado e Alegações

O artigo posiciona o PROMETHEUS não como uma ferramenta para gerar uma única "melhor resposta" ou um grafo causal universal, mas como um instrumento de pesquisa para navegar na geometria da evidência.

• Transparência Epistêmica: O sistema expõe explicitamente onde as alegações concordam, onde desviam e onde falham em montar-se em uma visão global coerente. Trata a "colagem falhada" como um sinal de pesquisa valioso, e não como ruído.
• Localidade e Transportabilidade: Fornece um mecanismo formal para determinar quais alegações são transportáveis para novos contextos e quais requerem ressalvas específicas ou estão vinculadas a regimes.
• Revisão Fundamentada: Ao integrar substratos científicos externos (código, dados, modelos), o PROMETHEUS avança além do raciocínio simbólico para intervenções medidas, permitindo que o modelo de mundo seja revisado por resultados experimentais ou de simulação reais.
• Direção Futura: Os autores propõem "Construção de Topos Buscadora de Substrato", onde sistemas futuros buscam ativamente e integram artefatos de pesquisa heterogêneos (tabelas, código, simulações) para construir, testar e revisar modelos de mundo causais, automatizando uma prática científica mais ampla de montar explicações coerentes a partir de evidências fragmentadas.

O artigo conclui que o valor do sistema reside em sua capacidade de preservar localidade, suporte, desvio, contradição e procedência, permitindo que pesquisadores inspecionem os limites do conhecimento atual e identifiquem onde novos dados ou intervenções são necessários.