Warum der Bereich passt
Stadtplanung basiert auf umfangreichen, lauten und unvollständigen Sensierungen (Verkehrszählungen, Energie- und Wasserströme, Flächennutzungsmuster, soziale Indikatoren), die direkt mit den Beobachtungen der aktiven Inferenz übereinstimmen, wie Agenten latente Zustände wie Nachfragemuster, Infrastrukturzustand und soziale Bedürfnisse ableiten. Es geht dabei auch grundlegend um die Politikgestaltung und -steuerung – Bebauungsvorschriften, Investitionen in die Infrastruktur, operative Regeln, Governance-Arrangements –, die die aktive Inferenz als Aktionen behandelt, die zur Minimierung der erwarteten freien Energie in epistemischen (Unsicherheitsreduzierenden) und pragmatischen (Ergebnisrealisierenden) Begriffen ausgewählt werden. Städte sind zudem nicht-stationär (demografische Veränderungen, neue Technologien, politische Änderungen) und mehrskaliig/mehragentenbezogen (Kreuzungen zu Bezirken bis zur gesamten Stadtstrategie), wobei hierarchische, kontinuierlich aktualisierte generative Modelle entwickelt wurden, um diese zu bewältigen.
Zusammenfassung der Literatur
Grundlegende Theorie stammt aus der Arbeit von Friston zu Aufmerksamkeit, Unsicherheit und freier Energie (Erkennungsdynamik und Variationsinferenz) sowie zur Planung/Navigation als aktive Inferenz, plus einem narrativen Ansatz als aktive Inferenz (Frontiers in Psychology), der die Funktion kollektiven Sinnschließens als Gruppen-Inferenz beschreibt. Angewandt existiert von Fachleuten geprüftes Werk in zwei Bereichen: Stadtwasserverwaltung, wo Karpouzoglou und Kollegen (Ecology and Society) staatlich gestützte Wissensinfrastrukturen als Unterstützung für eine auf Gruppe basierende aktive Inferenz in adaptiver Governance analysieren, und die Gestaltungsumgebung, wo BEACON (Frontiers in the Built Environment) eine Active Inference Simulation Ontologie zur Darstellung von tacitem architektonischem Designwissen einbaut. Verkehrskontrollarbeit – ein SUMO-basierter aktiver Inferenzregler und ein arXiv Preprint über adaptive Signalsteuerung in verrauschten, nicht stationären IoT-Umgebungen – sowie Millidges aktive Inferenzbaumsuche in großen POMDPs befinden sich noch im Simulations-/Preprint-Stadium, zusammen mit adjacentem variational Bayesian Reinforcement Learning angewendet auf urbane Infrastruktur und nachhaltige Mobilität.
Schlüsselprojekte und Werkzeuge
Der Bericht nennt fünf konkrete Implementierungen in verschiedenen Reifegradstufen: einen SUMO- (Simulation of Urban MObility) aktiven Inferenz-Verkehrslicht-Controller, der anhand einer regelbasierten Baseline bewertet wurde (Simulationsprototyp), ein arXiv-Vortrag, der dies auf verrauschte, nicht stationäre IoT-Sensorumgebungen erweitert (Vortrag), EcoNet, das Multi-Agenten-aktive Inferenzsystem des Alan Turing Instituts für die städtische Energieoptimierung in Smart Buildings, das auf der Turing Grand Exhibition gezeigt wurde (eingesetzte Demonstrator), BEACONs aktive Inferenz-Simulationsontologie für tacit Wissen im bebauten Umfeld (wissenschaftlich überprüfte Ontologie und Tooling) und GEO-INFER, ein Open-Source-Toolkit des Active Inference Institute mit einer Anleitung zum Aufbau aktiver Inferenzagenten zur Durchführung der Landnutzungsklassifizierung aus Geoinformationsbildern (Toolkit/Implementierung).
Offene Probleme
Der Bericht weist das Skalieren als die dringendste Herausforderung aus: echten Städten haben deutlich größere Zustandsräume und komplexere Dynamiken als die bisher getesteten Simulationen und Demonstratoren, was eine tragfähigere hierarchische Inferenz sowie letztendlich groß angelegte Simulations- und operative Pilotprojekte mit longitudinalen Leistungsdaten erfordert. Außerdem werden ungelöste Arbeiten zur Integration von menschlichem Verhalten und Erzählungen in generative Modelle, zum Unterscheidung zwischen deskriptiven und normativen Verwendungen von aktiver Inferenz (Erklärung des Verhaltens bestehender Institutionen, wie im Wasser-Governance-Papier), sowie zum Aufbau gemeinsamer Benchmarks und Bewertungskriterien über Domänen hinweg sowie zur Beantwortung der ethischen, rechtlichen und politischen Fragen, die sich aus den in Planungsmodellen kodierten Präzedenzzeiten und Zielen ergeben, identifiziert.
Referenz-Grundgerüst
„Active Inference Institute“, „Active Inference“, „Act. Infer. Serve.“, „InstituteOS“, „EduActive“, „ReInference“, „Discord“, „GitHub“, „YouTube“, „AII“.