¿Por qué el dominio encaja?
El principio de energía libre describe sistemas dinámicos aleatorios ergódicos que mantienen un estado estable no equilibrio minimizando la energía libre variacional, un límite superior de la sorpresa de sus estados sensoriales bajo un modelo generativo. Los sistemas ecológicos satisfacen esta descripción a todas las escalas: organismos, poblaciones y ecosistemas mantienen distribuciones características de estados (abundancias, niveles de recursos, variables climáticas) y exhiben patrones autoorganizados resilientes a la perturbación. Ramstead y sus colegas acuñaron el término "ecología variacional" para capturar esto, tratando a los organismos como máquinas de inferencia que parametrizan modelos generativos de su nicho mientras que la construcción del nicho permite que los ambientes sirvan como los estados externos "co-adaptados" del mismo sistema. Debido a que el anidamiento ecológico (poblaciones dentro de comunidades dentro de ecosistemas dentro de la biosfera) se mapea directamente en una jerarquía de marcas de Markov, la estructura multi-escala del campo en sí es lo que lo hace un ajuste natural más que un estirón metafórico.
Patrones de aplicación en la literatura
Los patrones de modelado concretos se repiten en el corpus: modelos generativos de variables ecológicas (estados de recursos, señales de depredadores, entornos de desarrollo), selección de políticas mediante energía libre esperada que comercia entre valor pragmático contra valor epistémico (incertidumbre reductora) y formulaciones jerárquicas donde las variables lentas (clima, genética) restringen a las rápidas (comportamiento, fenotipo). Constant y colegas formalizaron la construcción del nicho de desarrollo como un flujo gradual constante en el tiempo sobre la energía libre promedio, en la que los organismos modifican variables ambientales como estructuras de nido o entornos de cuidado parental para estabilizar trayectorias de desarrollo preferidas. Bruineberg, Rietveld y Parr extendieron esto a una medida conjunta de agente-entorno de energía libre de "ajuste" y el marco del "ecología cognitiva de la sorpresa" aplica la inferencia activa a las dinámicas depredador-presa, argumentando que los depredadores se benefician al generar sorpresas mientras que las presas minimizan la misma a través de la vigilancia y la elección del hábitat. El artículo de PNAS de Heins y colegas sobre el comportamiento colectivo a partir de la minimización de la sorpresa es el resultado de simulación más desarrollado, mostrando que agentes continuos individualmente minimizando la energía libre reproducen movimientos grupales similares a bandadas y cardúmenes sin reglas de comportamiento codificadas manualmente. A mayor escala, Rubin, Parr, Da Costa y Friston modelaron el ciclo del carbono y las tasas metabólicas de la biosfera como una manta de Markov planetaria, describiendo la resiliencia y la regulación climática del sistema terrestre como si la biosfera estuviera minimizando una funcional de energía libre.
Herramientas e infraestructura institucional
El paquete pymdp de Python implementa el razonamiento activo por procesos de decisión de marcovia discreta y sustenta varios patrones de aplicación ecológica descritos aquí (elección de parches, selección de hábitats discretos, juegos de forrajeo simplificados), mientras que los scripts tutoriales SPM/MATLAB y el código de GitHub publicado por Heins et al. para simulaciones de comportamiento colectivo en tiempo continuo proporcionan puntos de partida adaptables. Albarracín, Hipólito y sus colegas han construido modelos de razonamiento activo de recursos comunes de uso compartido, ofreciendo plantillas para aplicaciones socioecológicas aunque su enfoque actual es el comportamiento humano más que los sistemas ecológicos directamente. Una versión preliminar de "razonamiento activo centrado en el entorno" propone definir marcos de Markov desde la perspectiva del entorno, una dirección relevante para el modelado ecológico pero aún no respaldada por código ampliamente disponible. El Active Inference Institute es el centro institucional citado del informe para este programa de investigación, habiendo dirigido un Laboratorio de Active Inference desde alrededor de 2021 con transmisiones en vivo y discusiones que abarcan el trabajo in silico y robótico así como la biogeografía y la resiliencia de los sistemas terrestres, y mantiene entradas de base de conocimiento sobre dinámicas ecológicas y evolutivas.
Problemas abiertos
El informe es explícito en que las aplicaciones empíricas y basadas en datos siguen siendo escasas en comparación con la literatura teórica y de simulación: casi no existen pruebas publicadas que comparen las predicciones de la inferencia activa frente a modelos ecológicos alternativos (modelos de optimidad, aprendizaje por refuerzo) utilizando datos de comportamiento o ambientales reales. Un segundo problema abierto es escalar de forma consistente desde organismos hasta ecosistemas y la biosfera sin elegir arbitrariamente lo que cuenta como un "estado interno" en cada nivel: el informe señala que no está claro si un ecosistema debe modelarse como un único agente o como una población de agentes interactuantes cuya dinámica solo se asemeja a la inferencia agregadamente. Un tercero es interpretativo: aplicar un lenguaje de "creencias" a plantas, comunidades microbianas o la biosfera corre el riesgo de exagerar las afirmaciones cognitivas, y el informe recomienda tratar la inferencia activa como una conveniencia de modelado más que como un compromiso ontológico para sistemas no cognitivos. Finalmente, el informe destaca lagunas metodológicas concretas (software que escale más allá de pequeños MDPs discretos, técnicas para estimar proxies de energía libre a partir de series temporales ecológicas ruidosas) y preguntas normativas planteadas una vez que los modelos de gobernanza socioecológica comiencen a codificar "estados preferidos" que incorporan juicios de valor sobre el crecimiento versus la biodiversidad.
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.