Active Inference Institute Act. Infer. Serve.
DE

Diese Seite wurde maschinell aus dem Englischen übersetzt. Sehen Sie sich die englische Originalversion an.

Psychologen, computationale Psychiater und klinische Forscher, die aktive Inferenz als einen mechanistischen, testbaren Rahmen für Kognition, Affekte und therapeutischen Wandel bewerten.

Aktive Inferenz und Psychologie

Psychologie’s Kernprobleme – Wahrnehmung, Affekte, Selbst und Psychopathologie – neu als Inferenz und Kontrolle unter generativen Modellen.

Research resourcesActive Inference overview

Auf dieser Seite

Aktive Inferenz und Psychologie Leitfaden

Nächste beste Schritte

Aktiver Schlusschlussfolgerung und Psychologie Pfad

Beginnen Sie mit den öffentlich zugänglichen Links mit der höchsten Signalstärke für diese Seite und setzen Sie dann fort durch die verwandten Ressourcen- und Verzeichnisansichten.

Research resourcesResearchActive Inference overviewFiltern Sie RessourcenGlobales VerzeichnisAktive InferenzAktive Inferenz und Medizin

Aktive Inferenz und der Free-Energy-Prinzip-Modell betrachten Gehirne als hierarchische generative Systeme, die verborgene Ursachen von sensorischen Daten erschließen und handeln, um erwartete Überraschung zu minimieren. Im Laufe der letzten Dekade ist diese Formalismus vom theoretischen Neurowissenschaften in die psychologische Wissenschaft und Psychiatrie übergegangen und hat eine wachsende Literatur zu Emotionen, Interozeption, Selbsthood, sozialer Kognition, Psychotherapie und psychopathologischen Erzeugnissen hervorgebracht. Die Literatur bleibt methodologisch jung: Die meisten Modelle befinden sich noch auf dem Niveau der Simulation und Theorie mit relativ wenigen großen empirischen Tests und nur anfangenden translationalen Werkzeugen.

Warum der Bereich passt

Psychologie ist fundamental darüber, wie Organismen Unsicherheit bewältigen: Interpretation von mehrdeutigen sensorischen Signalen, Bildung von Überzeugungen, Regulation von Körpern und Emotionen sowie Auswahl von Handlungen in teilweise beobachtbaren Situationen. Aktive Inferenz behandelt diese Funktionen als Instanzen probabilistischer Inferenz unter einem generativen Modell, wobei Wahrnehmung verborgene Zustände ableitet, Lernen die Modellparameter aktualisiert und Aktionen bevorzugte Beobachtungen durch Minimierung der erwarteten freien Energie abtasten. Dies gibt psychologische Konstrukte, die lange qualitativ beschrieben wurden – Schemata, Bewertungen, Verteidigungsmechanismen, Bewältigungsstrategien – eine explizite mathematische Behandlung, beispielsweise das Modellieren ängstlich verzerrter Bedrohungseinschätzungen als Prioritäten, die Gefahr überbewerten und hypervigilantes Verhalten antreiben.

Schlüsselprojekte und Werkzeuge

Das Hauptrechenzentrum basiert auf der Arbeit zur aktiven Inferenz in diskreten Zustandsräumen („Aktive Inferenz in diskreten Zustandsräumen: Eine Synthese“), die Algorithmen für kategorische generative Modelle, Policy-Evaluierung und Glaubensaktualisierung liefert, die den Grundlagen für spätere computerpsychiatrische Anwendungen zugrunde liegen. Der Bericht weist auch MATLAB-Routinen der Gruppe von Karl Friston an der UCL sowie Python-basierte Pakete zur Implementierung der aktiven Inferenz in diskreten Räumen nach, die zur Anpassung von Modellen an Verhaltensaufgabendaten und zur Schätzung individueller Unterschiede in Prioritäten und Präzision verwendet werden. Es existiert spezifischer Code für CBT-Simulationsmodelle mit einstellbaren Patienten-spezifischen Prioritäten und Präferenzen, obwohl das Coherence Therapy-Modell weitgehend theoretisch ist und nicht als implementierte Software existiert; der Bericht weist ausdrücklich darauf hin, dass vollständig eingesetzte klinische Systeme auf aktiver Inferenz noch selten sind.

Offene Probleme

Der Bericht weist eine grundlegende Spannung zwischen dem normativen Anspruch der aktiven Inferenz (Agenten minimieren freie Energie) und der oft suboptimalen, kulturell und situationsbedingt bedingten Variabilität des realen menschlichen Verhaltens auf, die durch das Risiko der Modellidentifizierbarkeit aufgrund hochdimensionaler Priors, Präzisionsterme und Präferenzen verstärkt wird. Die empirische Validierung auf verschiedenen Beschreibungsebenen ist dünn: Die meisten Modelle werden auf einfachen Aufgaben mit geringer ökologischer Gültigkeit getestet, und Ansprüche über Selbst, Identität und Persönlichkeit sind größtenteils konzeptionell und nicht datengestützt. Der Bericht fordert longitudinale, multimodale Studien, die neuronale, physiologische, Verhaltens- und Selbstberichtdaten mit Modellparametern verknüpfen, Vergleiche mit alternativen Frameworks wie dem Verstärkungslernen ermöglichen und kontrollierte Versuche mit aktiven Inferenz-informierten Interventionen vor der klinischen Translation durchführen – einschließlich Berücksichtigung von Interpretierbarkeit, individuellen und kulturellen Unterschieden sowie der ethischen Aspekte der modellbasierten Verhaltensvorhersage.

Referenz-Grundgerüst

Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). Active Inference: The Free Energy Principle in Mind, Brain, and Behavior. MIT Press. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). Active Inference, homeostatic regulation and adaptive behavioural control. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv. Lancelot Da Costa, Thomas Parr, Noor Sajid, Sebastijan Veselic, Victorita Neacsu, Karl J. Friston (2020). Active inference on discrete state-spaces: A synthesis. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2020.102447.

Schlüsselflächen

Aktive Inferenz und Psychologie auf einen Blick

Generatives Modell-Mapping

Psychologische Konstrukte – Emotionen Kategorien, Bewertungen, Selbstkonzepte, Beziehungs Erwartungen – werden als latente Zustände instanziiert, die interozeptive, exozeptive und Verhaltens Beobachtungen erzeugen.

Erwartete freie Energie und Kontrolle

„Die Auswahl von Richtlinien zur Ausgleichung epistemischer (informationssucher) und extrinsischer (zielorientierter) Wertschätzung wird verwendet, um Motivation, Vermeidung, Suchtverhalten und therapeutische Veränderungen als Verschiebungen im erwarteten freien Energielandschaft zu modellieren.

Theorie vor Beweisen

Gemäß dem Bericht befinden sich die meisten psychologischen und psychiatrischen Anwendungen weiterhin auf dem Niveau von Simulationen und Theorien, mit begrenzter groß angelegter empirischer Validierung und wenigen eingesetzten klinischen Werkzeugen.

Verwandte Ressourcen

Öffentliche Links für diese Seite

Externe Links werden aus dem gemeinsamen Register aufgelöst, sodass zielgerichtete Bestimmungen zentralisiert und überprüfbar bleiben.

Verwandte Seiten

Durch die Website navigieren

Neulinge, Lernende, Forscher, Bauende und Kooperationspartner Aktive Inferenz

Aktive Inferenz ist das zentrale wissenschaftliche und praktische Rahmenkonzept, um das sich die Arbeit des Instituts an Bildung, Forschung, Anwendungen und Ökosystemunterstützung orientiert.

 Rechenpsychiater, Systemmedizinern und Digitaltwins-Forscher, medizinische KI-Ingenieure und Institute Fellows, die aktive Inferenz auf klinische und biomedizinische Fragen anwenden. Aktive Inferenz und Medizin

Aktive Inferenz und der Prinzip des freien Energiewerts stellen die Kernaktivitäten der Medizin – Diagnose, Auswahl von Behandlungen und Aufrechterhaltung der physiologischen Stabilität – als Prozesse des Aufbaus und Aktualisierens generativer Modelle unter Unsicherheit dar. Die Literatur ist in mehreren Fachgebieten konzeptionell ausgereift (Psychiatrie, Schmerzmedizin, Neurologie), aber empirisch noch früh: die meisten Modelle sind theoretisch, phänomenologisch oder simulationsbasiert, mit sehr wenigen vollständig implementierten klinischen Systemen. Diese Seite fasst zusammen, warum die Medizin in den Rahmen passt, wo sich die Literatur derzeit befindet, welche konkreten Projekte und Werkzeuge existieren und welche Beweise weiterhin fehlen.

 Forscher, Kliniker und Institut-Fellows, die aktive Inferenz als Modellierungsrahmen für Computation Psychologie, Interozeption, Entscheidungsfindung in der Klinik und medizinische KI-Sicherheit erkunden. Aktive Inferenz und Gesundheitswesen

Die Gesundheitsversorgung befasst sich mit der Regulierung biologischer Zustände, der Reduzierung der Unsicherheit über Krankheitsverläufe und der kontinuierlichen Auswahl von diagnostischen und therapeutischen Maßnahmen unter unvollständigen Beweisen — ein Problemset, das sich direkt auf die Kernkonstrukte der aktiven Inferenz bezieht, nämlich generative Modelle, Vorhersagefehler, erwartete freie Energie und Richtungsselektion. Im Laufe der letzten Dekade hat sich eine Literatur zu Computationeller Psychiatrie, Interozeption und Schmerz, digitalen Zwillingen, medizinischen Robotern und — vor allem kürzlich — der Sicherheit großer Sprachmodelle als klinische Entscheidungshilfsmittel entwickelt. Die meisten dieser Arbeiten sind theoretisch oder simulationsbasiert, aber Überblicke über Computationelle Psychiatrie und interzeptive Psychopathologie haben begonnen, den Bereich zu konsolidieren, und konzeptionelle Routenpläne für „Aktive Inferenz KI“ in der Medizin skizzieren, wie dieses Framework zu digitalen Zwillingen, präzisen Diagnosen und klinischer Entscheidungsunterstützung gelangen könnte.