Esta página fue traducida automáticamente desde el inglés. Ver el original en inglés.

Científicos del clima, modeladores de sistemas terrestres, investigadores en sostenibilidad y gobernanza de recursos, y miembros del Instituto evaluando la inferencia activa como un marco para la inteligencia climática y la gestión planetaria.

Inferencia Activa y Ciencia del Clima

La asimilación de datos del sistema terrestre, la emulación climática generativa y las políticas bajo incertidumbre ya son proto-inferencias activas — solo que aún no están enmarcadas ni unificadas de esa manera.

Mejores acciones siguientes

Ruta de Active Inference y Ciencias del Clima

Comience con los enlaces públicos de mayor señal para esta página, luego continúe a través de las vistas de recursos y directorios relacionados.

La ciencia del clima ya se basa en el filtrado bayesiano, la modelización generativa y la toma de decisiones bajo incertidumbre profunda — simplemente rara vez lo denomina inferencia activa. Este informe examina el caso de tratar la percepción del clima, la actualización de modelos y la selección de políticas como un único problema de minimización de energía libre, y evalúa dónde esa visión es teórica, dónde se ha probado mediante simulaciones y dónde sigue siendo aspiracional.

¿Por qué el dominio encaja?

El principio de energía libre sostiene que cualquier sistema que persiste bajo perturbaciones ambientales actúa para minimizar la energía libre variacional, unificando percepción, acción y aprendizaje en un único proceso. La ciencia del clima presenta exactamente esta estructura: flujos de observación parciales y ruidosos (radiosondas, boyas, satélites, núcleos de hielo), estados latentes inferidos mediante la asimilación de datos y decisiones secuenciales de políticas realizadas bajo incertidumbre profunda y estructural. El análisis termodinámico de Kleidon del sistema Tierra muestra que continuamente genera y disipa energía libre: a través del transporte hidrológico impulsado por el sol, la circulación atmosférica y los ciclos biogeoquímicos, para mantener las condiciones de desequilibrio no equilibrio en las que depende la vida, lo que da al marco una base física así como cognitiva. Ramstead y sus colegas amplían esto aún más, argumentando que la inacción climática es ella misma un síntoma maladaptativo de un sistema cognitivo global cuyas premisas institucionales están mal alineadas con la realidad biofísica.

Estado de la literatura

El trabajo sobre el principio de libre energía fundamental (Friston) proporciona la herramienta matemática, mientras que Kleidon lo fundamenta físicamente en la termodinámica del sistema Tierra. El artículo revisado por pares de Ramstead et al., 'Resurrecting Gaia', es el puente conceptual más directo hacia la gobernanza planetaria, y el capítulo de Keller sobre la teoría bayesiana de la decisión y el cambio climático se considera un precursor proto-de la inferencia activa — maneja los umbrales climáticos y los eventos de baja probabilidad pero de alto impacto, pero carece del término epistémico (buscando información) explícito de la inferencia activa. Las aplicaciones más concretas relacionadas con el clima se encuentran en la sostenibilidad más que en los modelos climáticos centrales: el marco de 'manuales de reglas agenticas' de Lallée et al. permite a los agentes de gobernanza de IA anular las prioridades de reglas fijas para ciudades sostenibles, y los preprints no revisados por pares modelan la gestión sostenible de recursos en sistemas socioecológicos utilizando la energía libre esperada. El blog OpenEarth y el comentario de Denise Holt sobre el protocolo de la Web Espacial de IEEE son visiones no revisadas que señalan la misma dirección.

Proyectos y herramientas clave

Varias herramientas existentes no están enmarcadas como inferencia activa, pero son estructuralmente idénticas al módulo de 'percepción' de la misma: filtrado bayesiano en conjunto para datos atmosféricos, el marco profundo generativo de Purdue para escalamiento estadístico (restauración de imágenes aplicada a campos climáticos), y el emulador causal climático CDSD, que utiliza el filtrado bayesiano para actualizar un modelo generativo de dinámica climática en línea y explorar escenarios contrafácticos. El consorcio de percepción remota de Climate TRACE realiza una percepción activa literal — pulsos lidar y radar inferiendo emisiones y cambio de uso del suelo — que se mapea al término epistémico de energía libre esperada. El trabajo metodológico sobre inferencia activa profunda (gradientes bayesianos variacionales) y planificación basada en la energía libre esperada proporciona la maquinaria computacional para escalar estas ideas a espacios climáticos de alta dimensión. El ecosistema del “Active Inference Institute” funciona como un centro organizador a través de estos esfuerzos más que como una fuente de sistemas climáticos desplegados.

Problemas abiertos

Cuatro brechas destacan. Conectando escalas y modalidades: los procesos climáticos abarcan desde micrómetros hasta la circulación planetaria y de segundos a siglos, y aún no existe un modelo de inferencia activa jerárquica que lo haga mientras integra variables socioecológicas y de gobernanza. Aprendizaje a partir de datos dispersos, sesgados y no estacionarios: las redes observacionales tienen brechas espaciotemporales y la influencia antropogénica significa que los datos históricos solo representan parcialmente las condiciones futuras. Pautas normativas y gobernanza: la inferencia activa en sí misma no resuelve qué resultados climáticos, compromisos de equidad o restricciones de límites planetarios deben codificarse como preferencias — eso sigue siendo una elección ética y política que requiere procesos participativos y auditabilidad. Validación empírica: el informe es explícito sobre que los sistemas de inferencia activa deben ser comparados con incumbentes maduros (filtros Kalman en conjunto, asimilación variacional, modelos de evaluación integrada) en conjuntos de datos reales, no simulaciones de juguete, antes de que el campo pase más allá de la promesa conceptual.

Eje de Referencia

Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Christopher L. Buckley, Chang Sub Kim, Simon McGregor, Anil K. Seth (2017). The free energy principle for action and perception: A mathematical review. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2017.09.004. 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.

Superficies clave

Active Inference y ciencia del clima en resumen

Emulación generativa como percepción

Los simuladores de clima causal (CSD) y el filtrado del conjunto de bayesianos con energía libre ya implementan la actualización de estado y parámetro al estilo de la energía libre, lo que los convierte en un sustrato natural para una capa de 'percepción' de inferencia activa.

Energía libre esperada para la política

Descomponer la elección de políticas en riesgo, ambigüedad y novedad permite que las decisiones sobre el clima formalmente valoren la inversión en monitoreo y investigación junto con la reducción de emisiones, a diferencia del marco tradicional de costo-beneficio.

Mayormente conceptual y no validado

Fuera de dos artículos de gobernanza revisados por pares, la mayor parte del trabajo activo de inferencia relacionado con el clima es preimpreso, simulación o a nivel de blog, y ninguno ha sido comparado con herramientas climáticas operativas.

Recursos relacionados

Enlaces públicos para esta página

Los enlaces externos se resuelven desde el registro compartido, por lo que los destinos orientados al visitante permanecen centralizados y verificables.