Resumo Técnico: ConTex – Reformulando a Geração de Contrafatuais para Previsão de Séries Temporais

1. Definição do Problema

Modelos de previsão de séries temporais são cada vez mais críticos em domínios de alto risco, como sistemas de energia, saúde e finanças. No entanto, embora esses modelos forneçam previsões precisas, eles carecem de insights acionáveis sobre como alterar as condições atuais para alcançar um resultado futuro desejado. Os métodos de explicação existentes são predominantemente retrospectivos, identificando fatores que levaram a um resultado observado (por exemplo, via atribuição de características ou mecanismos de atenção). Em contraste, a tomada de decisão requer uma perspectiva voltada para o futuro: determinar modificações mínimas na entrada atual para deslocar uma trajetória prevista em direção a um cenário alvo específico.

Esta tarefa é enquadrada como geração de contrafatuais: encontrar uma entrada $x'$ minimamente modificada tal que a previsão do modelo $f_\theta(x')$ satisfaça uma restrição alvo $Y_{target}$, enquanto preserva a entrada original $x$ tanto quanto possível.

Limitações das Abordagens Existentes:
Os métodos atuais para gerar contrafatuais em séries temporais dependem de otimização por instância. Para cada nova amostra de entrada, um problema de otimização separado é resolvido para encontrar a perturbação mínima. Essa abordagem sofre de:

• Inconsistência: As modificações variam de forma imprevisível entre instâncias semelhantes.
• Alto Custo Computacional: Resolver um problema de otimização por amostra é muito lento para aplicações em tempo real ou interativas.
• Dependência do Alvo: Muitos métodos utilizam trajetórias alvo que dependem da entrada (por exemplo, limites dependentes da entrada), o que obscurece a verdadeira dificuldade de alcançar um cenário futuro predefinido.

2. Metodologia: Arquitetura ConTex

Os autores propõem o ConTex (Counterfactual Time Series Explanations), uma arquitetura agnóstica ao modelo que altera o paradigma da otimização por instância para o aprendizado de intervenção amortizada. Em vez de resolver um problema de otimização para cada amostra, o ConTex aprende uma função de intervenção global que mapeia estados de entrada e condições alvo para intervenções eficazes em uma única passagem direta (forward pass).

Arquitetura Central

O ConTex é uma arquitetura neural decomposta que compreende:

1. Codificador de Contexto Temporal: Extrai características temporais ($h_x$) da sequência de entrada. Os autores avaliam tanto o BiLSTM quanto as Redes Convolucionais Temporais (TCN), constatando que a TCN é superior para produzir modificações esparsas e interpretáveis devido aos seus campos receptivos fixos.
2. Codificador Condicional: Codifica a condição alvo ($c$), que inclui os limites da trajetória desejada, a previsão atual e a inclinação, em um embedding latente.
3. Modulação Linear por Característica (FiLM): As características temporais são moduladas pelo embedding da condição ($\tilde{h}_x = h_x \odot (1 + \gamma) + \beta$), permitindo que o modelo adapte seu comportamento a diferentes trajetórias alvo.
4. Cabeças de Previsão Decompostas: A representação modulada é passada por duas cabeças para prever a intervenção $z$:
   • Máscara de Relevância Temporal ($m$): Uma máscara de probabilidade ($m \in [0, 1]^{T_{in}}$) indicando onde (quais passos de tempo) uma modificação é necessária.
   • Força da Modificação ($s$): Um vetor assinado ($s \in \mathbb{R}^{T_{in}}$) indicando o quão fortemente a entrada deve ser modificada.
   • Intervenção: A intervenção final é computada como $z = m \odot s$, e o contrafatual é $x_{cf} = x + z$.

Objetivo de Treinamento

O modelo é treinado para minimizar uma função de perda composta que equilibra o alinhamento da previsão e a minimização da intervenção:

• Alinhamento da Previsão ($L_{center}, L_{valid}$): Penaliza desvios do ponto médio da trajetória alvo e a frequência de violações de restrições.
• Regularização da Intervenção ($L_{prox}, L_{sparse}$):
  • Proximidade: Utiliza uma perda $L_1$ para penalizar a magnitude das mudanças, incentivando intervenções esparsas.
  • Sparsidade: Incentiva intervenções compactas ao promover ativações de máscara concentradas e ao empurrar a máscara em direção a decisões binárias.

3. Principais Contribuições

1. Mudança de Paradigma: O artigo move a geração de contrafatuais da otimização por instância para a inferência amortizada via uma política de intervenção global, permitindo a geração em uma única passagem.
2. Arquitetura Decomposta: O ConTex parametriza as intervenções em relevância temporal (onde modificar) e força de modificação (como modificar), produzindo contrafatuais esparsos, locais e interpretáveis.
3. Atribuição Condicionada ao Alvo: O método introduz um mecanismo de atribuição voltado para o futuro que identifica quais passos de tempo devem ser modificados para alcançar um resultado desejado, visualizado como um mapa de calor de probabilidade de intervenção.
4. Eficiência e Desempenho: A abordagem atinge o estado da arte em validade e compacidade, reduzindo os custos computacionais em 12–36× em comparação com métodos baseados em instâncias, suportando inferência em tempo real (~0,007 segundos por amostra).

4. Resultados Experimentais

Os autores avaliaram o ConTex em quatro conjuntos de dados de referência (NN5, Electricity, Tourism, M4) e quatro backbones de previsão diversos (PatchTST, N-HiTS, DLinear, TiDE).

• Validade: O ConTex alcançou a melhor razão de validade em 16 de 16 combinações de conjunto de dados e backbone, superando a linha de base baseada em instância (ForecastCF) e frequentemente superando a linha de base baseada em recuperação (BaseNN).
• Compacidade: O ConTex alcançou a melhor compacidade (menos passos de tempo modificados) em 14 de 16 casos.
• Robustez: O método demonstrou desempenho consistente em conjuntos de dados com características variadas (ex: dados suaves vs. ruidosos), adaptando seus padrões de intervenção (localizados vs. distribuídos) com base nas propriedades dos dados.
• Eficiência Computacional:
  • Tempo de Inferência: ~0,007 segundos por amostra (constante através dos níveis de dificuldade).
  • Aceleração: 3,7–4,2 ordens de magnitude mais rápido que a geração baseada em instância (que leva segundos a minutos por amostra).
  • Custo Total: Uma redução computacional total de 12–36× em comparação com a geração por instância ao considerar treinamento e inferência.

5. Significância e Alegações

O artigo afirma que o ConTex substitui efetivamente a prática computacionalmente cara e inconsistente da otimização por instância por uma política de intervenção global e escalável. Ao decompor estruturalmente a intervenção em "onde" e "como", o método fornece insights interpretáveis sobre a relevância das características condicionada ao alvo, oferecendo uma perspectiva voltada para o futuro que os métodos de atribuição post-hoc padrão não possuem.

Os autores observam que, embora o ConTex tenha um desempenho forte, ele depende de regularização implícita (via codificação temporal e objetivos de intervenção mínima) em vez de restrições de plausibilidade explícitas para garantir a coerência temporal. Além disso, embora a arquitetura se generalize entre conjuntos de dados, alguns hiperparâmetros (especificamente os pesos de esparsidade e proximidade) ainda requerem um ajuste limitado específico para cada conjunto de dados. O trabalho posiciona-se como um passo significativo para tornar a previsão de séries temporais baseada em aprendizado profundo acionável para a tomada de decisão em tempo real.