🤖 AI

Foundation Models for Partial Causal Identification

Este artigo propõe uma estrutura de modelo fundamental causal que define um prior canônico sobre modelos causais estruturais para traduzir o problema de limitar efeitos causais parcialmente identificáveis sob confusão não observada em aprender distribuições sobre funções que mapeiam dados e suposições para consultas causais.

Autores originais: Alexis Bellot, Anish Dhir

Publicado 2026-08-24

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Alexis Bellot, Anish Dhir

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

No mundo da ciência de dados, pesquisadores frequentemente enfrentam uma lacuna frustrante entre o que conseguem ver e o que desejam saber. Imagine um médico que possui registros de milhares de pacientes, anotando seus sintomas, tratamentos e resultados, mas que nunca realizou um experimento controlado onde designou tratamentos aleatoriamente. O médico quer saber: se um paciente específico tivesse recebido um medicamento diferente, ele teria se recuperado? Esta é uma questão sobre causa e efeito, mas os dados mostram apenas o que aconteceu, não o que teria acontecido sob circunstâncias diferentes. Geralmente, para responder a tais perguntas com certeza, os cientistas precisam conhecer as regras ocultas exatas que regem como os dados foram criados. Sem conhecer essas regras, a resposta é frequentemente um intervalo de possibilidades em vez de um único número. Essa incerteza é conhecida como identificação parcial, e tem forçado pesquisadores, há muito tempo, a construir soluções personalizadas e únicas para cada novo problema, um processo lento e fragmentado que deixa muitas questões importantes sem resposta.

Uma equipe de pesquisadores desenvolveu agora uma nova abordagem que atua como um resolvedor universal para essas questões complexas. Em vez de elaborar uma fórmula matemática única para cada novo conjunto de dados, eles treinaram um único e poderoso modelo de computador para aprender o panorama de todos os cenários possíveis de causa e efeito. Este modelo, construído sobre uma base de "modelos causais estruturais", que são essencialmente mapas detalhados de como as variáveis influenciam umas às outras, foi ensinado usando uma vasta biblioteca de exemplos sintéticos. Os pesquisadores criaram um tipo específico de ponto de partida matemático, ou prior, que garante que o modelo considere todas as formas concebíveis pelas quais os dados poderiam ter sido gerados, desde que as variáveis sejam discretas, como categorias ou contagens. Ao treinar em milhões desses cenários sintéticos, o modelo aprendeu a olhar para um conjunto de dados do mundo real e fornecer instantaneamente uma distribuição de probabilidade que captura todo o intervalo de respostas plausíveis.

O resultado é um sistema que pode receber um conjunto de dados observacionais e uma pergunta específica sobre uma intervenção hipotética, como "o que aconteceria se mudássemos esta variável", e retornar um limite estreito e matematicamente garantido para a resposta. Em seus experimentos, os pesquisadores testaram este sistema em sistemas simples de duas variáveis onde as respostas corretas já eram conhecidas através de métodos matemáticos tradicionais e lentos. O novo modelo produziu resultados tão precisos quanto os métodos antigos, mas o fez em uma fração do tempo. Enquanto a abordagem tradicional levava mais de mil milissegundos para computar uma única resposta, o novo modelo entregou seu resultado em menos de dez milissegundos, mesmo à medida que a quantidade de dados crescia. Mais importante ainda, a saída do modelo não era apenas um palpite; conforme a quantidade de dados aumentava, o intervalo de respostas que ele fornecia diminuía e convergia precisamente nos limites verdadeiros e matematicamente corretos do que poderia ser conhecido.

Este trabalho representa uma mudança significativa na forma como lidamos com a incerteza no raciocínio causal. Anteriormente, se um pesquisador quisesse saber os limites de um efeito causal em um sistema complexo com confundidores ocultos, ele teria que derivar um novo problema de otimização do zero, uma tarefa que exigia profundo conhecimento especializado e era propensa a erros. O novo método substitui essa derivação personalizada por uma capacidade aprendida. Os pesquisadores demonstraram que, ao treinar em um conjunto "canônico" de possibilidades que cobre todo o espaço de estruturas causais válidas, o modelo aprende a reconhecer os padrões que definem os limites do conhecimento. Ao enfrentar novos dados, ele não apenas prevê um valor único; ele mapeia todo o conjunto de valores que são consistentes com os dados e as leis da causalidade. Isso significa que, para qualquer conjunto de dados observacionais, o modelo pode fornecer um intervalo válido e estreito que contém a resposta verdadeira, transformando efetivamente um enigma matemático difícil e personalizado em uma tarefa de previsão rápida e padronizada.

As implicações desta abordagem estendem-se além da velocidade. Ao fornecer uma ferramenta universal que funciona em diferentes tipos de consultas causais e conjuntos de dados, os pesquisadores criaram um modelo de fundação para a identificação parcial. Isso significa que o mesmo sistema subjacente pode ser aplicado a questões na economia, epidemiologia ou inteligência artificial sem a necessidade de ser reengenheirado para cada campo específico. A capacidade do modelo de aprender a distribuição das respostas possíveis, em vez de apenas uma estimativa de ponto único, respeita a incerteza inerente do mundo real. Ele reconhece que, às vezes, os dados sozinhos não podem nos dizer exatamente o que teria acontecido, mas podem nos dizer exatamente o que é possível. Ao fazer isso, oferece uma maneira robusta e fundamentada de navegar pela névoa dos fatores não observados, dando aos tomadores de decisão um limite claro e matematicamente sólido dentro do qual a verdade deve residir.

Resumo Técnico: Modelos de Fundação para Identificação Causal Parcial

Declaração do Problema

A inferência causal frequentemente enfrenta o desafio da identificabilidade: a consulta causal de interesse (por exemplo, uma probabilidade contrafactual ou um efeito intervencionista) pode não ser unicamente computável a partir de dados observacionais, mesmo no limite de grandes amostras, particularmente na presença de confusão não observada. Nesses casos, o objetivo muda da estimativa pontual para a identificação parcial, onde o objetivo é determinar os limites mais estreitos (o "conjunto identificado") que contêm todos os valores consistentes com os dados observados e as suposições estruturais.

Os métodos existentes para identificação parcial são altamente fragmentados. Historicamente, derivar limites para uma estrutura causal, consulta e tipo de conjunto de dados específicos exige derivações sob medida e execuções de otimização separadas. Embora os recentes Modelos de Fundação Causal (CFMs) tenham aprendido com sucesso distribuições sobre quantidades causais usando Redes Ajustadas a Dados Prévios (PFNs), eles têm operado majoritariamente em regimes de identificação pontual. Quando aplicados a configurações de identificação parcial, as abordagens existentes frequentemente falham em fornecer limites fundamentados porque seus priors não garantem suporte total sobre todos os Modelos Causais Estruturais (SCMs) consistentes com os dados, podendo excluir valores contrafactuais válidos.

Metodologia

O artigo propõe um modelo de fundação universal para identificação parcial que gera uma distribuição posterior sobre uma consulta causal, onde o suporte desta distribuição codifica provadamente o conjunto identificado. A metodologia baseia-se em três pilares:

1. Priors Canônicos com Suporte Total

Para garantir que o modelo considere todos os SCMs compatíveis com os dados, os autores definem um prior canônico ( $\Pi_0$ ) sobre o espaço de SCMs com observáveis discretos.

SCMs Canônicos: Aproveitando o resultado de que qualquer SCM com observáveis discretos pode ser equivalentemente representado por um SCM canônico parametrizado por funções de massa de probabilidade categórica sobre variáveis exógenas (Zhang et al., 2022), os autores definem um espaço de parâmetros que é representação-completo.
Construção do Prior: O prior $\Pi_0$ $Π_{0}$ é definido sobre o espaço conjunto de diagramas causais ( $G$ $G$ ) e parâmetros canônicos ( $\theta$ $θ$ ).
- A estrutura do grafo $G$ é amostrada de um modelo de Erdős-Rényi (probabilidades de aresta de Bernoulli).
- Os parâmetros exógenos $\theta$ são amostrados de distribuições Dirichlet.
Propriedade de Suporte Total: Um resultado teórico fundamental (Proposição 1) prova que este prior canônico possui suporte total sobre o espaço de todos os SCMs ( $\mathcal{M}$ ). Isso garante que nenhum SCM consistente com a distribuição observada receba probabilidade zero a priori, um requisito crítico para derivar limites válidos em identificação parcial.

2. Redes Ajustadas a Dados Prévios (PFNs)

Os autores utilizam uma Rede Ajustada a Dados Prévios para aproximar a distribuição posterior diretamente de dados sintéticos.

Arquitetura: Uma arquitetura baseada em transformer é utilizada, apresentando embeddings de entrada que preservam valores de variáveis, tipos (intervenção vs. observação) e correlações. O modelo utiliza mecanismos de atenção alternados por amostra e por característica.
Regime de Treinamento: O modelo é treinado em lotes sintéticos de pares $(D_n, \Psi)$ $(D_{n}, Ψ)$ .
- $D_n$ : Conjuntos de dados observacionais amostrados de SCMs extraídos do prior canônico $\Pi_0$ .
- $\Psi$ : Consultas contrafactuais de verdade fundamental (ground-truth) computadas a partir do SCM gerador.
Objetivo: A rede aprende a prever uma distribuição discreta (em intervalos sobre $[0, 1]$ ) para a consulta $\Psi$ dado o conjunto de dados $D_n$ , amortizando efetivamente a inferência do suporte da posterior.

3. Lidar com Suposições Estruturais

O framework é extensível para configurações com conhecimento parcial ou total do diagrama causal. Ao treinar a PFN em tuplas $(G, D_n, \Psi)$ , o modelo pode condicionar em estruturas causais específicas ou classes de equivalência, aproveitando o conhecimento qualitativo para estreitar os limites.

Principais Contribuições

Definição de Prior Canônico: A definição de um prior canônico com suporte total sobre SCMs com observáveis discretos. Isso permite a derivação de limites que são garantidos como válidos e assintoticamente estreitos.
Solucionador Universal para Identificação Parcial: O desenvolvimento de um modelo de fundação que, dado um conjunto de dados observacionais, gera uma distribuição posterior cujo suporte captura o conjunto identificado completo. Isso contrasta com métodos anteriores que exigem derivações específicas para cada problema.
Garantias Teóricas:
- Consistência (Teorema 1): À medida que o tamanho do conjunto de dados $n \to \infty$ , a distribuição preditiva da PFN converge fracamente para o prior condicional $\Pi_0(\Psi | P_M)$ , que corresponde à exata posterior Bayesiana sobre o conjunto identificado.
- Cobertura Frequentista (Teorema 2): Os conjuntos de credibilidade Bayesianos derivados da PFN alcançam cobertura frequentista assintótica para o conjunto identificado.
- Universalidade (Corolário 1): O intervalo de credibilidade Bayesiano de 100% induzido pelo modelo converge assintoticamente para o verdadeiro conjunto identificado.

Resultados

Os autores avaliam o Modelo de Fundação Causal (CFM) proposto em sistemas binários de duas variáveis onde os limites analíticos são conhecidos (ex: limites de Manski, limites de Tian & Pearl).

Precisão: As distribuições posteriores preditas concentram-se nos conjuntos identificados derivados analiticamente.
Cobertura: Em experimentos com variados tamanhos de contexto ( $n$ ), o CFM atinge taxas de cobertura próximas a 1.00 (ex: 0.99–1.00), comparável ou superior ao desempenho de um amostrador de Gibbs (Zhang et al., 2022) adaptado para esta tarefa.
Eficiência: O CFM demonstra uma redução significativa no tempo de inferência em comparação com o amostrador de Gibbs. Por exemplo, com $n=400$ , o tempo de inferência do CFM é de ~25ms, enquanto o amostrador de Gibbs leva ~1521ms.
Extensão: Experimentos adicionais em um grafo de variável instrumental de três variáveis confirmam a capacidade do modelo de lidar com estruturas mais complexas, mantendo alta cobertura e larguras de intervalo estreitas.

Significância e Alegações

O artigo afirma estender o paradigma dos modelos de fundação causal para a estimativa de efeitos causais parcialmente identificáveis. Ao traduzir o problema de delimitar contrafactuais em aprender distribuições sobre funções que mapeiam dados para consultas causais, os autores permitem que um único modelo lide com amplas classes de consultas, conjuntos de dados e suposições estruturais sem derivar limites específicos para cada instância.

A significância reside na amortização da identificação parcial. Em vez de resolver um novo problema de otimização para cada novo conjunto de dados e consulta, o método proposto aprende um solucionador universal que fornece limites válidos e estreitos assintoticamente. O uso de um prior canônico com suporte total é apresentado como o mecanismo crucial que distingue esta abordagem de modelos de fundação anteriores, garantindo que os limites resultantes sejam não apenas orientados por dados, mas também teoricamente fundamentados no espaço de todos os mecanismos causais possíveis consistentes com as observações.