🤖 AI

Relational Structural Causal Models

Este artigo introduz modelos causais estruturais relacionais e modelos causais neurais relacionais para permitir que sistemas de IA aprendam representações causais que suportem o raciocínio sobre intervenções e contrafatuais para combinações não vistas de objetos, mesmo na presença de confusão não observada.

Autores originais: Adiba Ejaz, Elias Bareinboim

Publicado 2026-06-16

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Adiba Ejaz, Elias Bareinboim

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um robô a dirigir um carro. Você mostra a ele milhares de vídeos de trânsito. Mas aqui está o detalhe: em cada vídeo que você mostra, há sempre exatamente dois carros e um pedestre.

Agora, você coloca o robô em uma estrada real onde há três carros e dois pedestres. O robô entra em pânico. Ele nunca viu essa combinação específica antes. Ele não sabe se o terceiro carro deve parar ou seguir em frente.

Este é o problema que o artigo aborda. Ele pergunta: Como podemos construir uma IA que entenda as regras de como as coisas interagem, para que ela possa lidar com novas combinações de objetos não vistos sem precisar ser retreinada?

Os autores chamam a solução deles de Modelos Causais Estruturais Relacionais (RSCMs). Aqui está uma análise do que eles fizeram, usando analogias simples.

1. O Problema: A "Receita" vs. Os "Ingredientes"

A maioria dos modelos de IA atuais é como um chef que memorizou uma receita de salada com exatamente três tomates e dois pepinos. Se você der a eles uma salada com quatro tomates e um pepino, eles ficam confusos. Eles não entendem a lógica da salada; eles apenas memorizaram a lista específica de ingredientes.

No mundo real (como no trânsito, na biologia ou em redes sociais), o número de objetos muda constantemente.

Trânsito: Às vezes há 2 carros, às vezes 10. Às vezes um pedestre está na frente do Carro A, às vezes do Carro B.
O Objetivo: Precisamos de uma IA que aprenda a "receita" (as regras causais), não apenas os ingredientes específicos. Ela precisa saber: "Se um sinal vermelho controla um carro, o carro para", independentemente de haver um carro ou cem.

2. A Solução: O "Livro de Regras Universal"

Os autores criaram um novo tipo de modelo chamado Modelo Causal Estrutural Relacional (RSCM).

Pense em um RSCM não como uma lista de fatos específicos, mas como um Livro de Regras Universal.

Em vez de dizer "O Carro 1 para quando o Sinal 1 está vermelho", o livro de regras diz: "Qualquer carro para se qualquer sinal que o controla estiver vermelho".
Ele também lida com relacionamentos: "Um carro para se qualver pedestre em seu caminho estiver atravessando".

Isso permite que a IA pegue o mesmo livro de regras e o aplule a uma cena com 2 carros ou a uma cena com 50 carros. Ela não precisa ver todas as combinações possíveis para saber o que fazer.

3. A Grande Descoberta: Você Não Pode Apenas "Adivinhar"

O artigo faz uma descoberta muito importante e um tanto assustadora. Eles provaram matematicamente que você não pode simplesmente olhar para dados de um conjunto de cenas e descobrir automaticamente o que acontece em uma cena totalmente nova.

A Analogia:
Imagine que você tem uma máquina que faz sanduíches.

Cena A: Você sempre vê a máquina fazer sanduíches com apenas uma fatia de queijo.
Cena B: Você quer saber o que acontece se colocar duas fatias de queijo.

Os autores provaram que, sem conhecer o mecanismo interno (o "grafo causal"), você não pode adivinhar o resultado da Cena B apenas observando a Cena A.

Talvez a máquina adicione o queijo de forma linear (2 fatias = dobro do sabor).
Talvez a máquina tenha um limite (2 fatias = ela trava).
Talvez a máquina ignore a segunda fatia completamente.

Se você apenas observar a máquina fazendo sanduíches de fatia única, você não tem como saber qual dessas três regras é a verdadeira. Você precisa conhecer a estrutura da máquina (o grafo causal) para fazer essa previsão.

4. A Correção: Desenhando o Mapa

Para resolver esse problema de "adivinhação", os autores dizem que precisamos fornecer à IA um Mapa de Relacionamentos (um Grafo Causal Relacional).

Este mapa diz à IA:

"Sinais controlam Pedestres."
"Pedestres no caminho de um carro afetam o Carro."
"Sinais não afetam diretamente os Carros, a menos que os controlem."

Uma vez que a IA tem este mapa, ela pode usar uma ferramenta matemática especial (chamada de "critérios de identificação") para descobrir se consegue responder a uma pergunta sobre uma nova cena.

Se o mapa diz "Sim": A IA pode prever com confiança o resultado da nova cena usando dados das cenas antigas.
Se o mapa diz "Não": A IA sabe que não tem informações suficientes e não deve adivinhar.

5. O Motor "Neural"

Finalmente, os autores construíram um programa de computador (uma Rede Neural) que utiliza este Livro de Regras e este Mapa. Eles o chamam de Modelo Causal Neural Relacional.

Eles testaram isso em cenas de trânsito simuladas.

Eles treinaram a IA em cenas com números específicos de carros e pedestres.
Eles pediram para ela prever o que aconteceria em cenas com números diferentes de carros e pedestres.

O Resultado:
O novo modelo foi muito melhor em prever as cenas não vistas do que os modelos de IA padrão. Mesmo quando os modelos padrão foram treinados diretamente nas cenas "não vistas", o novo modelo (treinado em cenas diferentes, mas usando as regras corretas) frequentemente teve um desempenho tão bom quanto ou até melhor.

Resumo

O Problema: A IA tem dificuldade quando o número de objetos ou seu arranjo muda (ex: 2 carros vs. 10 carros).
O Insight: Você não pode aprender as regras para novas combinações apenas olhando para dados antigos; você precisa conhecer a estrutura causal subjacente.
A Ferramenta: Eles criaram um "Livro de Regras" (RSCM) e um "Mapa" (Grafo Causal) que diz como os objetos interagem.
A Prova: Eles mostraram matematicamente quando você pode e quando não pode prever novos cenários, e construíram uma rede neural que usa com sucesso essas regras para generalizar para cenas de tráfego não vistas.

Em suma, eles deram à IA uma maneira de entender a lógica das relações em vez de apenas memorizar listas de objetos, permitindo que ela lide com a complexidade mutável e desordenada do mundo real.

Resumo Técnico: Modelos Causais Estruturais Relacionais

Definição do Problema

Sistemas de inteligência artificial requerem modelos de mundo que sejam tanto causais (suportando o raciocínio sobre intervenções e contrafatuais) quanto combinatórios (suportando a generalização para combinações não vistas de objetos). Embora os Modelos Causais Estruturais (SCMs) forneçam um formalismo para o raciocínio causal, eles tipicamente assumem um conjunto fixo de variáveis e um grafo causal fixo. Esta limitação dificulta sua aplicação em domínios onde o número de objetos e suas estruturas relacionais variam dinamicamente, como na condução autónoma, robótica e sistemas biológicos.

Métodos existentes de aprendizagem de máquina relacional destacam-se na generalização combinatória, mas frequentemente falham em fornecer garantias causais, explorando frequentemente correlações instáveis que se quebram sob intervenção. Inversamente, métodos de inferência causal muitas vezes têm dificuldade em generalizar através de diferentes esqueletos relacionais (por exemplo, cenas de trânsito com diferentes números de carros e sinais) porque dependem de pressupostos de variáveis fixas ou assumem que os objetos são independentes e identicamente distribuídos (i.i.d.).

O problema central abordado é: Como se pode aprender formalmente e realizar inferência causal (incluindo consultas intervencionais e contrafatuais) através de combinações variáveis de objetos e relações, particularmente quando os dados estão disponíveis apenas de esqueletos relacionais observados específicos?

Metodologia

Os autores propõem um framework centrado em Modelos Causais Estruturais Relacionais (RSCMs) e Modelos Causais Neurais Relacionais (RNCMs).

1. Modelos Causais Estruturais Relacionais (RSCMs)

O artigo estende os SCMs padrão para ambientes objeto-relacionais. Um RSCM é definido por uma tupla $\langle S, V, U, F, P(U) \rangle$ , onde:

Esquema ( $S$ ): Define tipos de entidades (ex: Carro, Sinal), tipos de relação (ex: Ctrl, Path) e atributos.
Mecanismos ( $F$ ): Ao contrário dos SCMs padrão, onde os mecanismos aceitam entradas de tamanho fixo, o RSCM aceita multiconjuntos de pais relacionais. Por exemplo, o mecanismo de travagem de um carro depende do conjunto de todos os sinais que o controlam e de todos os peões no seu caminho. Estes mecanismos utilizam restrições relacionais (predicados de lógica de primeira ordem) para determinar quais objetos são relevantes e agregadores (ex: $\lor$ , $\land$ , soma, max) para combinar os seus valores.
Instanciação (Grounding): Um RSCM atua como um template. Quando instanciado num esqueleto relacional específico (um conjunto concreto de objetos e relações), produz um SCM fundamentado com um conjunto fixo de variáveis.

2. Resultados de Impossibilidade

Os autores estabelecem primeiro limites teóricos sobre a aprendizagem sem pressupostos adicionais:

Teorema 3.3 (Inferência Observacional Cross-Skeleton): Mesmo as distribuições observacionais para esqueletos alvo não vistos não podem ser identificadas a partir de esqueletos de origem sem pressupostos adicionais. Dois RSCMs podem concordar em todos os esqueletos de origem observados, mas discordar no esqueleto alvo se o alvo contiver configurações relacionais (ex: um carro controlado por dois sinais) não presentes na origem.
Teorema 3.4 (Inferência Causal Within-Skeleton): Mesmo dentro de um único esqueleto, se uma entidade tiver múltiplos atributos, os dados observacionais isoladamente são insuficientes para identificar distribuições intervencionais sem pressupostos sobre a estrutura causal.

3. Identificação Relacional via Critérios Gráficos

Para superar estes resultados de impossibilidade, o artigo introduz Grafos Causais Relacionais (RCGs). Estes grafos codificam pressupostos sobre o processo gerador de dados, incluindo:

Arestas não relacionais: Dependências entre atributos do mesmo objeto.
Nós relacionais: Valores agregados de objetos relacionados (ex: "todos os sinais que controlam o carro $c$ ").
Restrições: Anotações nas arestas especificando as condições relacionais sob as quais as dependências se mantêm.

Utilizando estes grafos, os autores derivam critérios de identificação simbólica:

Identificação Observacional (Teorema 4.3): Uma distribuição condicional num esqueleto alvo é identificável se existir uma instância de origem com uma variável não confundida e um domínio pai que seja um superconjunto do domínio pai do alvo.
Identificação Causal (Proposição 4.4): Se uma consulta for identificável via ctf-calculus (cálculo contrafactual) no grafo fundamentado marginalizado, ela é relacionalmente identificável.
Não-identificabilidade (Proposição 4.5): Se uma consulta dentro de uma instância for não-identificável no sentido padrão (ex: devido a uma estrutura de arco/bow-structure), ela permanece não-identificável no ambiente relacional.

4. Modelos Causais Neurais Relacionais (RNCMs)

Para implementação prática, os autores propõem Modelos Causais Neurais Relacionais com Restrição G (G-RNCMs).

Arquitetura: Uma rede neural é definida para cada tipo de atributo (ex: uma rede para Car.B). Esta rede é reutilizada (partilha de parâmetros) em todas as instâncias desse tipo em qualquer esqueleto.
Entradas: A rede recebe pais não relacionais e pais relacionais agregados (ex: contagens ou histogramas de estados de objetos relacionados).
Algoritmo (RelationalNeuralID): O modelo é treinado para ajustar distribuições de origem (observacionais ou intervencionais) enquanto minimiza ou maximiza a consulta alvo. Se os valores mínimo e máximo da consulta coincidirem, a consulta é identificada; caso contrário, é não-identificável. O Teorema 5.2 prova que os RNCMs são expressivos o suficiente para representar qualquer RSCM consistente com o grafo.

Principais Contribuições

Formalização de RSCMs: Uma definição rigorosa de modelos causais para domínios objeto-relacionais que suporta variações no número de objetos e relações, estendendo o framework SCM.
Teoria de Identificação: Prova da impossibilidade de inferência cross-skeleton sem pressupostos, seguida pelo desenvolvimento de critérios gráficos (Grafos Causais Relacionais) que permitem a identificação através de esqueletos e dentro de esqueletos.
Implementação Neural: A proposta de RNCMs, uma abordagem neural completa e sólida para identificação relacional que aproveita a partilha de parâmetros e a agregação para lidar com a generalização combinatória.
Validação Empírica: Experiências em cenas de trânsito simuladas demonstrando que os RNCMs superam baselines causais não relacionais e baselines relacionais não causais, particularmente ao generalizar para combinações de objetos não vistas.

Resultados Experimentais

Os autores avaliaram a sua abordagem utilizando cenas de trânsito simuladas com números variáveis de sinais, peões e carros.

Precisão de Estimativa: Os RNCMs superaram consistentemente os Modelos Causais Neurais (NCMs) "flat" e os baselines não causais relacionais (REL-MLP) por aproximadamente 100x em cenários identificáveis. Notavelmente, um RNCM treinado num esqueleto de origem (ex: uma via de aceleração/slip lane) superou os baselines treinados diretamente no esqueleto alvo (ex: um cruzamento em T) ao estimar efeitos causais para carros específicos, destacando o valor da estrutura relacional.
Generalização: Os RNCMs generalizaram com sucesso para vizinhanças relacionais menores e correspondentes. O desempenho degradou apenas em cenários não identificáveis (ex: generalizar para um carro controlado por dois sinais quando a origem tinha apenas um), alinhando-se com os resultados de impossibilidade teórica.
Precisão de Identificação: O algoritmo distinguiu com sucesso entre consultas identificáveis e não identificáveis. Para consultas cross-car identificáveis, a diferença entre as estimativas minimizadas e maximizadas colapsou para zero; para consultas within-car não identificáveis, a diferença permaneceu grande.
Escalabilidade: Experiências com até 75 objetos mostraram que a precisão permaneceu estável à medida que o número de objetos aumentava, com apenas um aumento moderado no tempo de execução, demonstrando a escalabilidade da partilha de parâmetros.

Significância e Alegações

O artigo afirma fornecer as bases metodológicas para a inferência causal em ambientes objeto-relacionais. Ao unificar a aprendizagem relacional (para generalização combinatória) e a inferência causal (para robustez a intervenções), este trabalho aborda uma lacuna crítica nos modelos de mundo de IA.

Os autores enfatizam que o seu framework não assume que os objetos são i.i.d. ou que as estruturas relacionais são fixas. Em vez disso, modela explicitamente como os mecanismos causais dependem de restrições relacionais. A significância reside em permitir que sistemas de IA raciocinem sobre cenários de "e se" em ambientes dinâmicos (como a condução autónoma) onde o número e a disposição dos objetos mudam, desde que os mecanismos causais subjacentes sejam consistentes através destas variações. O trabalho sugere que a generalização bem-sucedida nestes domínios depende de pressupostos explícitos sobre a estrutura relacional, que podem ser codificados via grafos causais relacionais e aprendidos através de RNCMs.