📊 statistics

FoundCause: Causal Discovery with Latent Confounders from Observational Data

O FoundCause é um novo modelo de descoberta causal amortizada que utiliza uma arquitetura transformer com vieses indutivos especializados para inferir diretamente grafos causais, incluindo confundidores latentes, a partir de dados observacionais em uma única passagem direta, superando tanto os métodos clássicos quanto os métodos amortizados existentes em diversos conjuntos de dados do mundo real.

Autores originais: Patrick Blöbaum, Krishnakumar Balasubramanian, Shiva Prasad Kasiviswanathan

Publicado 2026-06-17

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Patrick Blöbaum, Krishnakumar Balasubramanian, Shiva Prasad Kasiviswanathan

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 é um detetive tentando descobrir quem causou o quê em uma cena de crime complexa, mas você só tem um monte de fotos de vigilância borradas (dados observacionais). Você não pode voltar e refazer o crime (intervenções) e suspeita que existam mestres invisíveis (confundidores latentes) puxando as cordas nos bastidores que você não consegue ver.

Este é o desafio da Descoberta Causal. O artigo apresenta uma nova ferramenta de detetive chamada FoundCause.

Veja como o FoundCause funciona, explicado através de analogias do cotidiano:

1. A "Montagem de Treinamento" (Inferência Amortizada)

A maioria dos detetives da velha guarda (algoritmos tradicionais) tenta resolver cada novo caso do zero. Eles passam horas analisando as fotos específicas, executando testes matemáticos complexos e procurando padrões. Isso é lento e muitas vezes falha se o caso for bagunçado.

O FoundCause é diferente. É como um detetive que assistiu a milhares de filmes de treinamento (dados sintéticos) antes mesmo de ver um caso real.

A Analogia: Em vez de resolver um quebra-cabeça peça por peça para cada novo quebra-cabeça, o FoundCause já praticou em milhões de quebra-cabeças falsos. Ele aprendeu as regras gerais de como causas e efeitos se parecem.
O Resultado: Quando você fornece um conjunto de dados real, ele não precisa "pensar" ou calcular por horas. Ele apenas olha para os dados e desenha instantaneamente (em uma única passagem direta) o mapa de quem causou o quê. É como reconhecer um rosto em uma multidão instantaneamente porque você já viu aquele tipo de rosto um milhão de vezes antes.

2. A "Visão de Dois Canais" (Lidando com Dados Ausentes)

Dados do mundo real são frequentemente bagunçados. Algumas câmeras de vigilância estão quebradas, ou algumas testemunhas não apareceram (dados ausentes).

A Analogia: Métodos tradicionais costumam tentar "adivinhar" as peças que faltam preenchendo os espaços vazios com médias (como adivinhar que uma peça de quebra-cabeça que falta é azul porque o céu é azul). Isso frequentemente leva a conclusões erradas.
O Truque do FoundCause: Ele possui um canal de "máscara" especial. Ele não olha apenas para os números; ele olha para onde os números estão faltando. Ele trata a própria "ausência" como uma pista. É como um detetive que sabe que a ausência de uma testemunha em uma sala específica é tão importante quanto a testemunha que estava lá.

3. O "Mestre de Marionetes Invisível" (Confundidores Latentes)

Às vezes, duas coisas acontecem juntas não porque uma causou a outra, mas porque uma terceira coisa invisível causou ambas.

A Analogia: Imagine que você vê que as "Vendas de Sorvete" e os "Ataques de Tubarão" aumentam juntos. Um detetive ruim poderia dizer: "O sorvete causa ataques de tubarão". Um detetive inteligente sabe que há um fator oculto: O Calor do Verão.
O Truque do FoundCause: Ele possui um módulo especial dedicado a encontrar esses "Calores do Verão" invisíveis. Ele usa "tokens" aprendíveis (como post-its invisíveis) para representar causas comuns ocultas. Ele pergunta explicitamente: "Existe um mestre de marionetes invisível puxando as cordas para essas duas variáveis?" Isso é uma novidade para este tipo de modelo de IA.

4. O "Kit de Ferramentas Especializado" (Vieses Indutivos)

O FoundCause não é apenas um cérebro genérico; ele é construído com ferramentas específicas projetadas para causalidade.

O Sensor de "Assimetria": Causas e efeitos raramente são simétricos. Se você empurra uma bola, ela se move; se a bola se move, ela não necessariamente empurra você. O FoundCause usa medidas estatísticas clássicas de "assimetria" (como verificar se o ruído nos dados parece diferente dependendo de qual lado você olha) para descobrir a direção.
O Refinador de "Triângulo": A causalidade frequentemente ocorre em cadeias (A causa B, B causa C) ou formas de V (A e B causam ambos C). O FoundCause possui uma etapa de "refinamento triangular". Ele observa grupos de três variáveis por vez para ver se elas formam uma cadeia ou um garfo, ajudando a distinguir entre padrões de aparência semelhante que confundem outros métodos.

5. O "Decodificador Fatorado" (Separando o "Se" do "Para Qual Lado")

Ao decidir se duas variáveis estão conectadas, o FoundCause divide a decisão em dois passos:

Existência: "Essas duas variáveis estão conectadas de alguma forma?" (Verificação simétrica).
Direção: "Se elas estão conectadas, quem é o chefe?" (Verificação assimétrica).
Isso é como primeiro perguntar: "Essas duas pessoas conversaram?" e depois perguntar: "Quem começou a conversa?", em vez de tentar responder a ambas as perguntas ao mesmo tempo.

Os Resultados: Por que Isso Importa

O artigo testou o FoundCause contra 15 diferentes conjuntos de dados do mundo real (variando de registros médicos a logs de microsserviços) e o comparou com 11 métodos clássicos e 4 outros métodos de IA.

Velocidade: Ele resolve o problema em menos de 2 segundos, enquanto os métodos clássicos podem levar horas ou até dias.
Precisão: Ele acertou a "direção" das causas com mais frequência do que qualquer outro método (melhorando o F1 score em quase 10%).
Robustez: Ele não travou nem falhou em conjuntos de dados difíceis e bagunçados onde outros métodos desistiram.
Generalização: Mesmo quando testado em conjuntos de dados com mais variáveis do que ele foi treinado (como passar de um quebra-cabeça de 50 variáveis para um de 100 variáveis), ele não desmoronou; ele apenas ficou ligeiramente menos preciso, mas ainda funcionou.

Em resumo: O FoundCause é um "super-detetive" que aprendeu com milhões de casos falsos, sabe como identificar mestres de marionetes invisíveis, consegue lidar com câmeras quebradas e resolve novos mistérios instantaneamente aplicando os padrões que aprendeu, em vez de reinventar a roda para cada novo caso.

Resumo Técnico: FoundCause

Definição do Problema

A descoberta causal a partir de dados observacionais continua sendo um desafio fundamental em aprendizado de máquina e estatística. A dificuldade central reside em recuperar estruturas causais direcionadas e identificar confusão latente (latent confounding) sem o acesso a intervenções controladas. Embora os métodos clássicos (ex: PC baseado em restrições, GES baseado em escore e abordagens de otimização contínua como NOTEARS) sejam bem fundamentados, eles sofrem de limitações significativas: exigem otimização dispendiosa por conjunto de dados, são sensíveis a hiperparâmetros e suposições de distribuição, e frequentemente falham em escalar para regimes de dados heterogêneos ou de alta dimensionalidade. Além disso, a descoberta causal geralmente não é identificável sem suposições fortes (ex: linearidade, ruído aditivo ou fidelidade/faithfulness), que são frequentemente violadas em cenários do mundo real.

Abordagens amortizadas recentes tentaram abordar a escalabilidade treinando modelos em dados sintéticos para mapear conjuntos de dados diretamente para grafos. No entanto, os métodos neurais existentes muitas vezes carecem de uma incorporação explícita de vieses indutivos causais específicos do domínio, como a assimetria nas relações de causa-efeito ou padrões estruturais de ordem superior (cadeias, colididores), e tipicamente falham em modelar explicitamente a confusão latente.

Metodologia: FoundCause

O FoundCause é um modelo de descoberta causal amortizada projetado para mapear conjuntos de dados observacionais diretamente para grafos causais (tanto arestas direcionadas quanto matrizes de confusão latente) em uma única passagem direta (forward pass). O modelo é treinado inteiramente em Modelos Estruturais Causais (SCMs) sintéticos e generaliza para dados do mundo real sem ajuste por conjunto de dados.

Arquitetura

A arquitetura é um design híbrido que combina um transformador invariante à permutação com vieses indutivos estatísticos explícitos:

Representação de Entrada: O modelo aceita uma matriz de dados $X \in \mathbb{R}^{N \times D}$ e uma máscara de observação binária opcional $M$ . Cada entrada é representada como um vetor de dois canais contendo o valor normalizado e o status de observação, garantindo que o modelo lide com dados ausentes nativamente sem imputação.
Codificador Fatorado por Eixo: O codificador central utiliza um transformador com blocos de atenção alternados sobre amostras ( $N$ $N$ ) e variáveis ( $D$ $D$ ).
- Atenção de Variável: Incorpora tokens globais aprendíveis e um viés condicionado estatisticamente. Este viés injeta características estatísticas de pares derivadas de medidas de assimetria clássicas (ex: correlação, assimetria de variância residual, indicadores de estrutura V) diretamente no mecanismo de atenção, guiando o modelo em direção a sinais causais conhecidos.
- Atenção de Amostra: Agrega informações através das amostras para capturar propriedades distributivas.
Pooling (PMA): Um mecanismo de Pooling by Multihead Attention (PMA) agrega embeddings de nível de amostra em representações por variável, combinado com max-pooling para capturar propriedades distributivas de ordem superior, como a multimodalidade.
Decodificador de Arestas Fatorado: A cabeça de predição separa a existência da aresta da direção da aresta:
- Cabeça de Existência: Utiliza características simétricas (soma de embeddings, produto elemento a elemento e escores de confusão) para prever se uma aresta existe.
- Cabeça de Direção: Utiliza características antissimétricas (diferença de embeddings e estatísticas assimétricas com portão/gated) para prever a orientação.
Refinamento Triangular: Inspirado pelo AlphaFold2, um módulo de refinamento realiza $R$ rodadas de atualizações sobre triplas de variáveis $(i, k, j)$ . Isso permite o raciocínio sobre motivos causais de ordem superior (cadeias, forcas, colididores) para resolver classes de equivalência de Markov.
Módulo de Confundidor: Um módulo dedicado utiliza tokens latentes aprendíveis para modelar causas comuns ocultas. Ele computa probabilidades de confusão de pares via uma agregação noisy-OR de carregamentos de tokens de variáveis, produzindo uma matriz de confusão simétrica $\hat{C}$ .

Treinamento e Perda

O modelo é treinado em milhares de SCMs sintéticos gerados via DoWhy e geradores customizados, abrangendo diversas topologias de grafos, mecanismos não lineares e distribuições de ruído. Principais estratégias de treinamento incluem:

Regeneração Contínua: Os dados sintéticos são regenerados a cada época para evitar o overfitting a um corpus fixo.
Aumento Anti-Atalho (Anti-Shortcut Augmentation): Permutações aleatórias de índices de variáveis e mistura de subpopulações são usadas para evitar que o modelo dependa de correlações espúrias (ex: ordem das variáveis).
Função de Perda: O objetivo combina uma entropia cruzada binária balanceada por classe para arestas direcionadas com vários termos auxiliares:
- Calibração de Direção ( $L_{cal}$ ): Limita lacunas extremas de logit entre direções opostas.
- Supervisão de Esqueleto ( $L_{skel}$ ): Fornece supervisão independente de direção para a adjacência.
- Perda de Confundidor ( $L_{conf}$ ): Supervisiona o módulo de confusão latente.
- Esparsidade e Regularização: Penalidades para grafos excessivamente densos e regularização para mecanismos de pooling/gating.

Principais Contribuições

Modelagem Explícita de Confusão Latente: O FoundCause é a primeira abordagem de descoberta causal amortizada que modela explicitamente a confusão latente usando tokens aprendíveis dedicados, produzindo tanto um grafo acíclico direcionado (DAG) quanto uma matriz de confusão simétrica.
Vieses Indutivos Estatísticos: Diferente de arquiteturas neurais genéricas, o FoundCause injeta características estatísticas de pares clássicas (assimetria, estruturas V) diretamente no mecanismo de atenção e no processo de decodificação, unindo princípios de descoberta causal clássica com aprendizado profundo.
Refinamento Triangular: A introdução de um módulo de refinamento baseado em triângulos permite que o modelo raciocine sobre motivos causais de ordem superior, melhorando a resolução de estruturas de equivalência de Markov.
Tratamento Nativo de Dados Ausentes: A arquitetura processa nativamente entradas mascaradas, evitando o viés introduzido por métodos de imputação usados em baselines clássicas.
Generalização Zero-Shot: O modelo demonstra generalização robusta para contagens de variáveis ( $D$ ) e tamanhos de amostra ( $N$ ) além de seu alcance de treinamento ( $D \in [2, 50]$ ), mantendo o desempenho em conjuntos de dados com até $D=100$ .

Resultados Experimentais

O FoundCause foi avaliado em 15 benchmarks do mundo real e semi-realistas (incluindo ASIA, CHILD, SACHS e PETSHOP) e no benchmark de pares causa-efeito de Tübingen.

Desempenho: O FoundCause supera 11 métodos clássicos não amortizados (ex: PC, GES, NOTEARS) e 4 métodos amortizados (ex: ACIVI, CSIvA, SEA).
- Ele alcança uma melhoria de +9,6% no F1 e +1,2% no AUROC sobre os métodos não amortizados mais fortes.
- Reduz a Distância de Hamming Estrutural (SHD/d) em 18,9% em relação ao melhor baseline clássico.
- É o único método a alcançar o topo no ranking de F1, AUROC e SHD/d enquanto completa com sucesso a inferência em todos os 15/15 conjuntos de dados (alguns métodos clássicos sofrem timeout ou falham em grafos densos).
Direção Bivariada: No benchmark de Tübingen, o FoundCause aproxima-se do desempenho de métodos bivariados especializados (SLOPPY, HECI) e supera significativamente os baselines clássicos como ICA-LiNGAM.
Robustez: Sob corrupção de 30% de Dados Ausentes ao Acaso (MAR), o FoundCause retém 92% do seu F1 de dados limpos, enquanto métodos clássicos que dependem de imputação de média degradam significativamente.
Eficiência: A inferência é realizada em menos de 2 segundos em média, em uma única passagem direta, comparado às horas exigidas por métodos baseados em otimização.

Significância e Alegações

O artigo afirma que o FoundCause representa um passo significativo em direção à descoberta causal escalável e prática. Ao combinar inferência amortizada com vieses indutivos estruturados, ele aborda o equilíbrio entre as garantias teóricas dos métodos clássicos e a escalabilidade das abordagens neurais.

Os autores enfatizam que o FoundCause não depende de novas garantias de identificabilidade, mas sim aprende procedimentos de inferência práticos que performam bem em um amplo espectro de processos geradores de dados. A modelagem explícita de confusão latente e a capacidade de lidar com dados ausentes nativamente são destacadas como avanços críticos para a aplicabilidade no mundo real. O trabalho posiciona o FoundCause tanto como uma ferramenta prática para análise causal aplicada quanto como uma fundação para futuros modelos que incorporem nativamente o raciocínio causal. Os autores planejam abrir o código do modelo para apoiar a reprodutibilidade.