¿Por qué el dominio encaja?
La inferencia activa considera que cualquier sistema que mantiene su integridad minimiza la energía variacional libre en relación con un modelo generativo de su entorno, y la comunicación lingüística se mapea directamente sobre esto: los hablantes seleccionan enunciados esperados para cambiar las creencias de un oyente, mientras que los oyentes analizan el habla para inferir intenciones y significados ocultos, ambos procesos enmarcados como minimización de energía libre. La partición de cuatro vías del estado interno, externo, sensorial y activo del formalismo separa las creencias de un agente de la situación comunicativa, con el habla escuchada como estados sensoriales y la articulación como estados activos. La jerarquía inherente del lenguaje —fonemas en sílabas, palabras en frases, frases en discurso— también se alinea con los modelos generativos anidados de la inferencia activa, donde los niveles superiores codifican causas abstractas lentas (intenciones, temas) y los niveles inferiores codifican detalles sensoriales rápidos (realización acústica).
Estado de la literatura
La contribución fundamental es el trabajo de 2020 sobre modelos generativos, comunicación lingüística y inferencia activa (Friston y colegas), que simula un diálogo entre agentes sintéticos que infieren los estados semánticos ocultos del otro y seleccionan enunciados para minimizar la energía libre esperada, produciendo convenciones léxicas compartidas emergentes. Un relato hermenéutico acompañante (Paulus y Friston) enmarca la comunicación como una interpretación mutua, donde la acción cumple con las predicciones sobre su propio discurso futuro y su efecto en el oyente. Posteriormente, la literatura se ramifica en el control motor del habla y una cuenta de inferencia activa del tartamudeo (la disfluencia como fallo para minimizar la energía libre de forma fluida a través de los niveles motor y lingüístico), un preprint que argumenta que la propia sintaxis del lenguaje natural cumple con el principio de energía libre, un ensayo que reinterpreta el habla interna como un traductor entre estados sensoriales desordenados e etiquetas verbales compactas, y una llamada de Frontiers in Psychology para introducir la inferencia activa en la neuropragmática. Todo esto se ve atravesado por una tensión sin resolver con las teorías de predicción-codificación y los cerebros bayesianos: una crítica de 2023 argumenta que los sistemas neuronales pueden priorizar el descubrimiento de características sobre la predicción exhaustiva, y una revisión crítica separada cuestiona si el cerebro implementa realmente un cálculo bayesiano literal en absoluto.
Proyectos y herramientas clave
Las implementaciones concretas siguen siendo en gran medida prototipos de investigación más que herramientas públicas denominadas: los agentes lingüísticos sintéticos se construyen como modelos gráficos probabilísticos o de espacio de estados con inferencia mediante paso de mensajes o descenso de gradiente (típicamente MATLAB o Python), y los modelos de control del motor del habla están concebidos como redes bayesianas dinámicas sobre estados articulatorios. El modelado causal dinámico (DCM), ya utilizado en la comunidad de Active Inference para modelar la conectividad cerebral, se propone como extensible a experimentos neuropragmáticos junto con las tuberías estándar de neuroimagen (SPM, FSL). En el lado de la IA, tres proyectos distintos de la era 2025 integran Active Inference con LLMs: una arquitectura de revisión que utiliza un controlador de inferencia activa externa para gestionar los prompts y las interacciones de un LLM, un sistema de medicina digital de Nature que selecciona prompts según la energía libre esperada para mejorar la fiabilidad de la respuesta, y un preprint de arXiv sobre un sistema multi-LLM donde un controlador jerárquico asigna tareas entre LLMs especializados para minimizar la energía libre en relación con los objetivos del usuario. La investigación está asociada de forma vaga con grupos afiliados a Friston (p. ej., University College London) y el LISN Lab, que alberga el ensayo sobre el habla interna.
Problemas abiertos
La evidencia empírica directa de que el procesamiento del lenguaje humano realmente sigue los principios de la inferencia activa sigue siendo limitada: muchas de sus predicciones (buscar información en caso de incertidumbre, actuar según las preferencias) son cualitativamente compartidas con el aprendizaje por refuerzo y otros marcos, por lo que se necesitan pruebas para apuntar a características distintivas como el descomposición epistémico-pragmática de la energía libre esperada. La crítica del cerebro bayesiano advierte específicamente contra leer señales genéricas de error de predicción en neuroimágenes como prueba de un cálculo bayesiano completo en los circuitos del lenguaje, la integración multiescala sigue sin abordarse en la práctica: la mayoría de los modelos cubren una banda estrecha (mapeo palabra-significado o control motor del habla) más allá de abarcar circuitos neuronales a través del discurso hasta el cambio lingüístico — y la traducción clínica (tartamudez, apraxia, trastorno afásico, interrupción de la auto-habla relacionada con la psicosis) solo tiene un ejemplo inicial trabajado (tartamudez) con el resto aún hipotético. Para los sistemas basados en LLM, las preguntas abiertas incluyen cómo formalizar modelos generativos tratables del estado del usuario, cómo definir funcionales de energía libre esperada que capturen el alineamiento y la fiabilidad, y cómo evaluar a los agentes interactivos ya que los benchmarks de NLP estándar no capturan el diálogo impulsado por la inferencia activa.
Eje de Referencia
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.