Causal Discovery

El descubrimiento causal consiste en inferir a partir de los datos qué variables causan otras y genera un grafo dirigido en el que una flecha de X a Y significa que X influye directamente en Y. El aprendizaje automático estándar aprende asociaciones suficientes para el modelado predictivo. El descubrimiento causal pregunta cuáles de esas asociaciones se mantendrían al intervenir, por ejemplo, al cambiar el ajuste de una máquina o el horario de un semáforo. El resultado es un conjunto de estructuras causales candidatas, a menudo con algunas aristas sin orientar, que luego los expertos de dominio y los experimentos refinan.

Qué hace que una estructura causal sea aprendible#

Los grafos causales suelen ser grafos acíclicos dirigidos (DAGs), la misma estructura que utiliza una red bayesiana, interpretada causalmente: cada flecha representa un efecto directo. Los algoritmos de descubrimiento se basan en tres supuestos estándar. Según la condición de Markov causal, una vez conocidas las causas directas de una variable, esta es independiente de cualquier variable que no sea uno de sus efectos. La fidelidad establece que todas las independencias de los datos proceden de la estructura del grafo, y no de efectos que se anulan entre sí. La suficiencia causal establece que ninguna variable no medida causa dos variables medidas.

Incluso con los tres supuestos, los datos observacionales no siempre permiten determinar la dirección de las aristas. La cadena X → Y → Z, la cadena invertida X ← Y ← Z y la bifurcación X ← Y → Z implican el mismo patrón de independencia: X y Z se vuelven independientes una vez conocido Y, por lo que ningún volumen de datos observacionales permite distinguirlas. El colisionador X → Y ← Z es diferente. X y Z son independientes por sí solos, pero pasan a ser dependientes una vez conocido Y; esta señal determina la dirección de ambas flechas.

Por eso, los algoritmos devuelven una clase de equivalencia de Markov: un grafo parcialmente dirigido cuyas aristas orientadas son seguras y cuyas aristas no orientadas podrían apuntar en cualquier dirección. La misma propiedad explica una fuente clásica de sesgo del conjunto de datos: filtrar por un colisionador o ajustar por él crea una dependencia entre sus causas que no existe en la población completa.

Algoritmos de descubrimiento#

Tres familias abarcan la mayoría de los métodos. Los algoritmos basados en restricciones, como PC —llamado así por Peter Spirtes y Clark Glymour, que lo publicaron en 1991—, parten de un grafo no dirigido completamente conectado, eliminan las aristas entre variables que resultan condicionalmente independientes y luego orientan los colisionadores. FCI amplía este enfoque a situaciones con factores de confusión ocultos. Los algoritmos basados en puntuación, como la búsqueda de equivalencia codiciosa (GES), buscan en los grafos la mejor puntuación, por ejemplo el criterio de información bayesiano; NOTEARS reformula la ausencia de ciclos como una restricción suave para que la búsqueda pueda ejecutarse como una optimización continua con descenso del gradiente. Los métodos funcionales, como LiNGAM, suponen relaciones lineales con ruido no gaussiano, lo que permite identificar la dirección de cada arista, incluso entre solo dos variables.

Las bibliotecas de descubrimiento también aceptan el orden temporal, las restricciones físicas y los conocimientos de expertos como reglas de contexto que prohíben o exigen aristas concretas, lo que reduce la búsqueda y orienta aristas que los datos por sí solos no pueden orientar. La biblioteca de código abierto causal-learn implementa las tres familias. Este ejemplo genera datos a partir de un colisionador conocido y lo recupera con PC:

import numpy as np
from causallearn.search.ConstraintBased.PC import pc

rng = np.random.default_rng(0)
n = 5000

# Verdad de referencia: la lluvia y un evento en el estadio causan congestión
rain = rng.normal(size=n)
event = rng.normal(size=n)
congestion = rain + event + rng.normal(scale=0.5, size=n)

# PC comprueba la independencia condicional para recuperar el grafo solo a partir de los datos
data = np.column_stack([rain, event, congestion])
result = pc(data, alpha=0.05, node_names=["rain", "event", "congestion"], show_progress=False)
print(result.G)

El resultado muestra dos aristas dirigidas: lluvia --> congestión y evento --> congestión. PC orienta ambas porque la lluvia y el evento son independientes, pero pasan a ser dependientes cuando se conoce la congestión. Si la realidad hubiera sido una cadena de lluvia a congestión y de congestión a retrasos, las aristas quedarían sin orientar.

Usos del descubrimiento causal#

La biología aportó uno de los primeros hitos. En 2005, Karen Sachs y sus colegas aprendieron una red de señalización proteica entre 11 proteínas y fosfolípidos a partir de mediciones unicelulares, recuperaron la mayoría de las conexiones conocidas y confirmaron en experimentos de laboratorio posteriores un vínculo predicho recientemente. En climatología, métodos de series temporales como PCMCI, desarrollado por Jakob Runge e implementado en el paquete Tigramite, encuentran vínculos causales entre variables climáticas teniendo en cuenta retardos y autocorrelación, algo ideal para el análisis de series temporales. El ecosistema PyWhy combina herramientas de descubrimiento con DoWhy para el siguiente paso: estimar la magnitud de un efecto una vez fijado el grafo.

La visión artificial puede proporcionar las variables. El recuento de objetos con Ultralytics YOLO26 contabiliza los vehículos y peatones que cruzan una línea o región en vídeos de tráfico, y los recuentos registrados por intervalo de tiempo se pueden combinar con los datos meteorológicos, los calendarios de eventos y los tiempos de los semáforos antes de ejecutar un algoritmo de descubrimiento.

Descubrimiento causal y términos relacionados#

• Aprendizaje de representaciones causales: Aprende las propias variables causales a partir de entradas sin procesar, como píxeles, y también el grafo que las relaciona. El descubrimiento causal parte de variables que ya se han medido.
• IA explicable (XAI): Explica qué entradas influyeron en la predicción de un modelo, sin afirmar que cambiar una entrada cambiaría el resultado en el mundo real.
• Ingeniería de características: Selecciona y crea entradas que mejoran las predicciones, incluidas variables que solo están correlacionadas con el objetivo. Un grafo causal identifica las variables cuyo cambio alteraría el objetivo.