📈 economics

Interventional Score Geometry for Causal Inference

Este artigo propõe uma estrutura geométrica para inferência causal que estende a geometria de escores observacionais para configurações intervencionais ao definir a influência causal através da variação de campos de escores intervencionais marginais, estabelecendo assim um dicionário geométrico para ensaios randomizados e variáveis instrumentais, ao mesmo tempo em que esclarece as limitações da identificação baseada em escores dentro da Escada da Causalidade de Pearl.

Autores originais: Mojtaba Eslami

Publicado 2026-07-27

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Mojtaba Eslami

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

O Mapa vs. O Filme

Imagine que você é um detetive tentando descobrir quem empurrou quem em uma sala lotada. Você tem uma foto de alta resolução da cena. Na foto, a Pessoa A está parada bem ao lado da Pessoa B, e ambas parecem estar inclinadas para frente. Com base nesta única instantâneo, você pode dizer: "A e B estão próximas uma da outra", mas não consegue dizer quem empurrou quem. Talvez A tenha empurrado B, talvez B tenha empurrado A, ou talvez uma terceira pessoa tenha empurrado ambas ao mesmo tempo. No mundo da ciência de dados, este instantâneo é chamado de distribuição observacional. É apenas uma foto do que as coisas tendem a acontecer juntas.

Por décadas, cientistas tentaram usar matemática sofisticada para transformar essa foto estática em um filme, esperando ver a ação se desenrolar e descobrir a causa e o efeito. Eles construíram belos mapas matemáticos chamados geometria da informação, que tratam os dados como uma paisagem com colinas e vales. A ideia era que, se você estudasse a forma da paisagem cuidadosamente o suficiente, o "empurrão" (a causa) se revelaria. Mas há um porém: uma foto de um rio não diz para qual direção a água está fluindo; ela apenas mostra onde a água está. Para saber a direção, você precisa ver o que acontece quando você joga uma pedra. Este artigo trata da percepção de que você não pode descobrir o fluxo apenas encarando a água; você tem que realmente jogar a pedra.

A Grande Ideia do Artigo: Por Que a Foto Não é Suficiente

Este artigo, intitulado Interventional Score Geometry for Causal Inference, argumenta que olhar para os dados isoladamente é como tentar entender um instrumento musical apenas ouvindo o som que ele faz quando ninguém o está tocando. Os autores, liderados por Mojtaba Eslami, mostram que a "forma" dos dados (a geometria observacional) é exatamente a mesma, quer a música tenha sido causada por um violino ou por um violoncelo. Se duas histórias diferentes (modelos causais) criam exatamente o mesmo padrão de dados, elas parecerão idênticas em qualquer mapa construído apenas a partir desses dados.

O artigo prova que você não pode extrair magicamente a "causa" do "efeito" apenas fazendo uma matemática mais complexa sobre os mesmos números antigos. É como tentar descobrir se um rio flui para o norte ou para o sul olhando apenas para uma foto estática da água; a foto é a mesma de qualquer maneira. Para saber a direção, você tem que intervir. Você tem que entrar e mudar algo.

A Intervenção "Dura": Fixando uma Corda

Os autores introduzem uma nova maneira de pensar sobre mudar o mundo, que eles chamam de intervenção dura (hard intervention). Imagine um violão com seis cordas. Se você dedilhar as cordas, elas vibram e fazem um acorde. Esses são os dados observacionais. Agora, imagine que você pega um grampo e segura a corda "Lá" completamente imóvel em uma nota específica. Você não apenas mudou o volume dessa corda; você a removeu do jogo inteiramente. A corda não pode mais vibrar, e as outras cordas podem mudar a forma como soam porque não estão mais interagindo com ela.

Na matemática do artigo, esse "fixar" é chamado de do( $X_k = \xi$ ). Isso significa que você força uma variável (como uma dosagem de medicamento ou uma temperatura) a ser um número específico, $\xi$ , independentemente do que ela queria ser antes. O artigo mostra que, quando você faz isso, a matemática muda completamente. Você não pode mais usar o mapa antigo porque a paisagem foi achatada. O "score" (uma seta matemática que aponta para onde os dados são mais prováveis) agora vive em um espaço de menor dimensão, como um desenho 2D de um objeto 3D.

A Nova Ferramenta: O "Score" da Mudança

O artigo constrói um novo dicionário para entender essas mudanças. Em vez de apenas olhar para a foto estática, eles olham para como o "score" (a direção dos dados) muda conforme você gira o botão de intervenção.

Eles definem influência causal de forma simples: Se você altera a configuração de $X$ e o comportamento de $Y$ muda, então $X$ causa $Y$ . Mas eles vão além. Eles mostram que você pode detectar essa causa observando uma derivada específica (uma taxa de variação) dos novos dados fixados. Se este "score intervencional" for zero, não há um elo causal. Se não for zero, há um elo.

Para provar que isso funciona, eles usam um exemplo simples com duas variáveis, $X$ e $Y$ , que parecem uma curva de sino padrão (uma distribuição Gaussiana). Eles criam duas histórias diferentes:

História A: $X$ causa $Y$ .
História B: $Y$ causa $X$ .

Ambas as histórias produzem exatamente a mesma foto (a mesma distribuição de dados). Se você olhar apenas para a foto, não consegue distingui-las. Mas quando os autores aplicam sua nova matemática de "fixação", os resultados são totalmente diferentes. Na História A, fixar $X$ altera o score de $Y$ . Na História B, fixar $X$ não faz absolutamente nada com o score de $Y$ . A matemática separa com sucesso as duas histórias, mas apenas porque eles forçaram uma mudança. A foto sozinha nunca poderia tê-las distinguido.

O Que Isso Descarta

O artigo é muito claro sobre o que ele não faz. Ele descarta explicitamente a ideia de que você pode simplesmente pegar uma lista de mudanças "permitidas" (como "podemos mudar o preço de um produto") e projetar os dados antigos sobre essa lista para encontrar a resposta. Eles provam que, mesmo que você saiba exatamente quais alavancas pode puxar, os dados antigos não contêm a resposta sobre o que acontece quando você as puxa. Você precisa de informações extras — conhecimento estrutural ou dados experimentais — para preencher essa lacia.

Eles também alertam contra uma confusão comum no campo do aprendizado de máquina. Existem outros métodos chamados modelos "baseados em score" (como os usados para gerar imagens falsas) que tentam aprender a forma dos dados. O artigo diz que esses modelos são ótimos para aprender a foto, mas não podem aprender o filme (a estrutura causal) apenas ficando melhores na foto. Não importa quão perfeito seja o gerador de imagens, ele ainda não consegue dizer o que acontece se você apertar o botão, a menos que você realmente lhe dê dados de quando o botão foi apertado.

A "Métrica Causal": Medindo o Empurrão

Finalmente, os autores criam uma nova maneira de medir o quão sensível um sistema é a um empurrão. Eles chamam isso de métrica causal. Pense nisso como medir o quanto uma mola estica quando você a puxa. Se você puxa um pouco e ela estica muito, a mola é muito sensível. Se ela mal se move, ela é rígida.

O artigo mostra que você pode medir essa sensibilidade usando uma ferramenta estatística padrão chamada informação de Fisher, mas você deve ter cuidado para medi-la na "fatia" correta dos dados (a parte que não foi fixada). Eles mostm que, para casos simples, como deslizar uma distribuição ao longo de uma linha, essa métrica é apenas um número constante que indica o quão "afiada" é a distribuição. Isso ajuda os pesquisadores a saber quanta quantidade de dados precisam coletar para ver um efeito real. Se a métrica for pequena, você precisará de uma quantidade enorme de dados para ver a mudança. Se for grande, um pequeno experimento mostrará o resultado claramente.

Conclusão

Este artigo não nos dá uma varinha mágica para encontrar causas em qualquer conjunto de dados. Em vez disso, ele nos dá um vocabulário preciso e um conjunto de regras para entender o que podemos e o que não podemos saber. Ele confirma que a causalidade vive nos cenários de "e se" (as intervenções), não nos cenários de "o que é" (as observações).

Os autores são cuidadosos ao dizer que não resolveram tudo. Eles não descobriram como prever o que teria aconteído com uma pessoa específica se ela tivesse seguido um caminho diferente (o degrau "contrafactual" da escada). Eles apenas construíram uma ponte sólida entre o "o que é" e o "o que acontece se mudarmos". Eles mostraram que, para entender o fluxo do rio, você deve parar de encarar a água e começar a jogar pedras.

Resumo Técnico: Geometria de Score Intervencional para Inferência Causal

Problema
O artigo aborda uma limitação fundamental na inferência causal: a incapacidade de identificar a direção causal ou os efeitos causais apenas a partir da densidade observacional conjunta $p(x)$ das variáveis observadas $X$ . O autor argumenta que a "geometria observacional" — construída a partir do suporte $M$ , uma métrica de fundo $g$ e o campo de score $\psi(x) = \nabla_x \log p(x)$ — é inteiramente determinada por $p(x)$ . Consequentemente, quaisquer dois modelos estruturais causais (SCMs) distintos que gerem a mesma distribuição de forma reduzida $p(x)$ induzem geometrias observacionais idênticas. Isso reflete o clássico problema de não-identificação onde estruturas causais distintas (ex: $X \to Y$ vs. $Y \to X$ ) podem ser observacionalmente equivalentes. O artigo postula que a assimetria causal não pode ser derivada de $p(x)$ isoladamente, mas deve ser fornecida via uma intervenção explícita.

Metodologia e Estrutura
O artigo desenvolve um arcabouço geométrico que distingue entre estados observacionais e intervencionais, alinhando-se à "Escada da Causalidade" de Pearl.

Definição de Score Intervencional:
A inovação técnica central é a definição de um score intervencional. Uma intervenção rígida (hard intervention) $do(X_k = \xi)$ fixa uma coordenada $X_k$ em um valor $\xi$ , colapsando a densidade conjunta sobre uma subvariedade de $(d-1)$ dimensões $\{x_k = \xi\}$ . Como a distribuição resultante não possui densidade em relação ao volume $d$ -dimensional original, um gradiente ingênuo torna-se mal definido.
- Definição 1: O score intervencional $\psi^{(k, \xi)}_{-k}$ é definido estritamente nas coordenadas restantes não intervencionadas $X_{-k}$ . É o gradiente do log-densidade da distribuição marginal intervencional $p^{(k, \xi)}_{-k}(x_{-k})$ .
Influência Causal e Diagnósticos:
- Definição 2 (Distribucional): A influência causal $X_k \leadsto X_j$ é definida como a variação da lei marginal de $X_j$ sob $do(X_k = \xi)$ conforme $\xi$ muda.
- Definição 3 (Influência Detectável pelo Score): Uma condição suficiente para a influência causal é o não-vazamento da derivada mista da log-densidade marginal: $S_{k \to j}(\xi, x_j) = \frac{\partial}{\partial \xi} \frac{\partial}{\partial x_j} \log p^{(k, \xi)}_j(x_j) \neq 0$ .
- Proposição 2: Em um suporte conexo e estritamente positivo fixo, este diagnóstico de score também é necessário. Se a derivada do score for zero em todos os pontos, a distribuição marginal não muda com a intervenção.
O Conjunto Admissível e o Campo de Resposta:
O artigo rejeita a noção de que um "conjunto admissível" de direções de intervenção $A(x)$ (o conjunto de coordenadas manipuláveis) é suficiente para recuperar efeitos causais a partir de dados observacionais.
- Proposição 3: Dois modelos podem compartilhar o mesmo score observacional $\psi$ e o mesmo conjunto admissível $A(x)$ , mas possuir respostas causais diferentes. Portanto, projetar $\psi$ sobre $A(x)$ não pode gerar um campo causal.
- Definição 4 (Campo de Resposta Intervencional): O conteúdo causal reside em um campo de resposta $S(v)$ , que descreve a sensibilidade do score intervencional a uma família específica de intervenção estrutural. Este campo deve ser fornecido por conhecimento estrutural externo ou desenho experimental; não pode ser inferido de $p(x)$ e $A(x)$ isoladamente.
Métrica Causal:
Para medir a "distância" ou o conteúdo de informação das intervenções, o artigo define uma Métrica Causal (Definição 5). Diferente de construções ingênuas que tentam comparar sensibilidades entre diferentes alvos (que vivem em espaços de coordenadas diferentes), esta métrica é construída como a métrica de informação de Fisher sobre uma família de intervenções compartilhando um alvo comum $k$ . Isso garante que as densidades vivam em um espaço comum $X_{-k}$ .

Principais Resultados e Ilustrações

Exemplo Gaussiano Bivariado: O artigo fornece um exemplo totalmente trabalhado com dois modelos (A e B) que são observacionalmente equivalentes (densidade Gaussiana conjunta e campo de score idênticos).
- Modelo A: $Y = \beta X + \epsilon_Y$ . Uma intervenção em $X$ desloca a média de $Y$ . A sensibilidade do score intervencional $S_{X \to Y} = \beta/\sigma^2 \neq 0$ .
- Modelo B: $X = \gamma Y + \epsilon_X$ . Uma intervenção em $X$ não afeta $Y$ . A sensibilidade do score intervencional $S_{X \to Y} = 0$ .
- Isso demonstra que, embora a geometria observacional estática seja idêntica, as derivadas do score intervencional divergem, identificando corretamente a direção causal apenas quando suposições estruturais são fornecidas.
Reinterpretação de Desenhos Clássicos:
- Ensaios Controlados Aleatorizados (RCTs): A randomização garante que o tratamento $T$ seja independente das covariáveis $Z$ . Geometricamente, isso se manifesta como uma separação de bloco no campo de score conjunto $\psi_{T,Z}$ , onde o componente da covariável é invariante a mudanças em $T$ . O artigo esclarece que a randomização garante uma "linha de partida justa" (independência de atribuição), mas não achata geometricamente a relação tratamento-desfecho.
- Variáveis Instrumentais (IV): O estimando de IV é redefinido como uma razão de derivadas direcionais de funções de média condicional ( $D_{v_Z} m_Y / D_{v_Z} m_T$ ), em vez de uma razão de variáveis brutas.
- Modelos Generativos Baseados em Score: O artigo alerta explicitamente que treinar modelos generativos para estimar o score observacional $\nabla \log p(x)$ não produz estrutura causal. Sem dados intervencionais para estimar o campo de resposta, o modelo permanece no "degrau associacional" da causalidade.

Significância e Alegações
O artigo alega fornecer um "dicionário geométrico corrigido" para a inferência causal que separa estritamente o que pode ser aprendido de dados observacionais daquilo que requer entrada estrutural ou experimental.

Modéstia das Alegações: O autor afirma explicitamente que o arcabouço não fabrica poder de identificação além das suposições existentes. Ele não oferece novos resultados assintóticos para meta-learners ou double machine learning, nem resolve o problema de identificação onde suposições estruturais estão ausentes.
Escopo: O arcabouço é deliberadamente estreito, focando no "degrau intervencional" da Escada de Pearl. Ele deixa o "degrau contrafactual" (estrutura cross-world ao nível da unidade) para trabalhos futuros.
Clareza Terminológica: O artigo distingue seu uso de "score" (gradiente da log-densidade) do "score" usado em eficiência semiparamétrica e double machine learning (equações de estimativa), evitando a confusão entre objetos matemáticos distintos.

Em resumo, o artigo argumenta que a inferência causal exige a transição de uma geometria estática de $p(x)$ para uma geometria dinâmica de famílias intervencionais. A informação "causal" não está escondida na curvatura do manufóide observacional, mas sim codificada na deformação do campo de score sob intervenções explícitas e estruturalmente definidas.