Causal Representation Learning

A aprendizagem de representação causal (CRL) é uma abordagem de aprendizagem automática que visa converter observações complexas — como imagens, vídeo, áudio ou leituras de sensores — em variáveis de alto nível que reflitam como o sistema subjacente produz relações de causa e efeito. Em vez de aprender características que apenas preveem rótulos, a CRL procura representações correspondentes a fatores significativos, como a posição de um objeto, a iluminação, o estado de uma máquina ou uma ação humana.

O objetivo é fazer com que os modelos raciocinem sobre o que pode acontecer quando um fator muda, em vez de dependerem apenas das correlações observadas durante o treino. Isto combina a aprendizagem de representação através de embeddings convencional com ideias da inferência causal, ajudando os sistemas de IA a generalizar entre ambientes e a apoiar intervenções, perguntas contrafactuais e a tomada de decisões.

Como funciona a aprendizagem de representações causais#

Uma rede neural normalmente mapeia uma entrada de alta dimensionalidade para um espaço latente interno. Conforme explicado na introdução aos embeddings de aprendizagem automática da Google, estes vetores compactos podem preservar relações úteis enquanto reduzem a complexidade da entrada. No entanto, um embedding comum pode misturar propriedades causais com padrões acidentais.

Por exemplo, um classificador de vida selvagem pode associar a neve a lobos porque a maioria das imagens de lobos no seu conjunto de treino tem fundos nevados. Uma representação causal deve separar a identidade do animal das condições do fundo, permitindo que o modelo reconheça lobos em florestas ou pastagens.

A CRL envolve normalmente três objetivos interligados:

• Recuperar variáveis latentes significativas: A representação deve captar os fatores subjacentes que geram as observações, e não apenas atalhos preditivos convenientes.
• Modelar a estrutura causal: As relações entre variáveis podem ser expressas através de um grafo direcionado, seguindo os princípios descritos em estruturas de modelos causais.
• Manter-se estável sob intervenções: Alterar um fator deve produzir uma mudança adequada e localizada na representação. A documentação de intervenções do DoWhy ilustra como as intervenções diferem de simplesmente condicionar os dados observados.

Uma intervenção define ativamente uma variável, como alterar a velocidade de um robô. Uma questão contrafactual, por outro lado, pergunta o que teria acontecido sob uma configuração diferente, como saber se teria ocorrido uma colisão caso o robô se tivesse movido mais devagar.

Conceitos relacionados e principais diferenças#

A CRL sobrepõe-se a várias ideias de aprendizagem automática, mas tem um objetivo distinto.

• Aprendizagem contrastiva aprende representações aproximando exemplos relacionados e separando os não relacionados. Pode apoiar a CRL, mas a semelhança, por si só, não estabelece causalidade.
• Aprendizagem autossupervisionada cria sinais de treino a partir de dados não rotulados. A CRL pode utilizar estes sinais e, ao mesmo tempo, adicionar pressupostos sobre intervenções, ambientes, tempo ou estrutura causal.
• Inferência causal normalmente estima efeitos entre variáveis já definidas, como tratamento, idade e recuperação. A CRL começa por descobrir variáveis causais úteis a partir de entradas percetuais em bruto. Esta distinção é central para a visão geral mais abrangente sobre aprendizagem de representações causais.
• Aprendizagem de representações disentangled tenta atribuir dimensões latentes separadas a fatores independentes. Uma representação disentangled não é necessariamente causal, porque os fatores separados podem continuar a omitir a direção da sua influência ou a resposta a uma intervenção.
• Descoberta causal procura relações entre variáveis. A CRL também aprende as próprias variáveis. As estruturas candidatas devem ser testadas sempre que possível, conforme descrito na refutação de grafos do DoWhy.

Na CRL multi-view, diferentes câmaras ou sensores observam o mesmo sistema a partir de perspetivas diferentes. A observabilidade parcial significa que cada perspetiva revela apenas alguns fatores causais. As configurações multidomínio não emparelhadas são mais difíceis porque as observações de ambientes diferentes não correspondem umas às outras instância a instância.

Aplicações no mundo real#

Robótica autónoma: Um robô de armazém recebe dados de câmaras, profundidade e movimento que contêm informações sobre a posição dos obstáculos, a iluminação, a textura do chão e o seu próprio movimento. Uma representação causal pode separar fatores controláveis, como a direção, de fatores ambientais, como as sombras. O treino com randomização de domínio pode expor o sistema a variações controladas, enquanto a estrutura causal ajuda a determinar que alterações devem afetar as decisões de navegação.

Inspeção na indústria transformadora: Um detetor de defeitos pode associar incorretamente uma linha de produção, um ângulo da câmara ou a cor do material a produtos defeituosos. A CRL pode ajudar a isolar o tipo de defeito, as definições da máquina e a iluminação como fatores separados. Isto reduz a aprendizagem de atalhos quando o equipamento ou as fábricas mudam e facilita a investigação sobre se a temperatura ou a pressão do processo contribuíram para um defeito, em vez de apenas aparecerem juntamente com ele.

Fluxo de trabalho prático e limitações#

O Ultralytics YOLO pode gerar embeddings visuais padrão que os programadores podem inspecionar antes de conceberem um pipeline separado de aprendizagem causal:

from ultralytics import YOLO

# Load a pretrained image classification model
model = YOLO("yolo26n-cls.pt")

# Generate an ordinary visual representation
source = "https://ultralytics.com/images/bus.jpg"
embeddings = model.embed(source)

# Inspect the selected image embedding
embedding = embeddings[0]
print(embedding.shape)

Este fluxo de trabalho documentado do Ultralytics YOLO26 extrai um embedding, mas, por si só, não torna a representação causal. Estabelecer causalidade requer dados adequados, pressupostos, intervenções, vários ambientes ou evidências temporais.

Os profissionais devem variar os fatores de perturbação suspeitos, avaliar o desempenho entre domínios e auditar o viés do conjunto de dados. A Ultralytics Platform pode apoiar a anotação de conjuntos de dados, o treino, a implementação e o controlo de versões de conjuntos de dados de forma controlada. Após a implementação, a monitorização contínua do modelo é essencial, porque uma precisão de validação estável não garante a validade causal. A avaliação também deve seguir as orientações da NIST sobre validade e robustez da IA mais abrangentes e incluir verificações de subgrupos, como as descritas no guia da Google para identificar o viés em conjuntos de dados.