¿Por qué el dominio encaja?
La música se desarrolla en secuencias con estructura a múltiples escalas de tiempo, desde milisegundos hasta minutos, obligando a los oyentes a formar y revisar continuamente sus predicciones sobre el compás, el tempo, la tonalidad y la función armónica. El ritmo, la melodía, la armonía, el timbre y las señales espaciales instalan regularidades probabilísticas aprendibles, y el placer o "groove" asociado con la música parece estar ligado a violaciones y confirmaciones precisamente calibradas de estas expectativas, mediado por el ajuste de ponderación en circuitos cortico-striatales. El compromiso motor como golpear o bailar puede afinar las predicciones temporales y reducir la incertidumbre sensorial, según se muestra en estudios EEG de ritmos sincopados enmarcados explícitamente dentro del marco de la inferencia activa. Este estrecho acoplamiento entre la percepción, la acción y el afecto es exactamente lo que está construido para modelar el tratamiento unificado de percepción y control por la inferencia activa.
Estado de la literatura
La línea de trabajo más desarrollada es la del profesor Peter Vuust y sus colegas sobre el modelo predictivo de complejidad rítmica y groove, basado en el Centre for Music in the Brain de la Universidad de Aarhus, que trata la sincopación como una violación de un modelo interno de ritmo. Basándose en ello, el estudio “Active Inference en la Percepción Musical: Compromiso Motor con Sincopados Ritmos” encontró que marcar el ritmo a una melodía aumentó la coherencia inter-trial de la fase EEG y un índice neuronal de error de predicción ponderado por precisión, ofreciendo un apoyo empírico directo para la inferencia activa en la música. Otros hilos incluyen el modelo “intuitivo de física” generativo de Nguyen y sus colegas sobre la expectativa melódica (utilizando inferencia de Monte Carlo secuencial sobre priors clave y fuerza musical), un modelo de sintaxis jerárquica que relaciona las dependencias armónicas con la potencia EEG en theta, el estudio PNAS de Gold y sus colegas sobre predictibilidad y exposición que moldean la preferencia musical, una revisión bayesiana de música y envejecimiento, la cuenta de inferencia activa de Powers y sus colegas sobre alucinaciones auditivas, y un estudio de resonancia magnética funcional que muestra que la localización activa del sonido agudiza el ajuste en la corteza auditiva primaria. El informe señala que la mayor parte de este trabajo está enmarcado en términos de codificación predictiva o bayesiana más que como agentes activos de inferencia totalmente especificados con selección explícita de políticas.
Problemas abiertos
El informe no identifica ninguna arquitectura de inferencia activa completamente especificada que integre modelos generativos musicales, estados motores y preferencias afectivas en la selección explícita de políticas basadas en la energía libre sin expectativas — los estudios actuales (incluyendo el trabajo de EEG con ritmo sincopado y AIDA) abordan fragmentos de esto, no todo el agente. Pide conectar las mediciones neuronales de un solo ensayo con el aprendizaje a largo plazo, la habituación y el cambio de preferencias durante días a años, y modelos de inferencia activa multiagente para la improvisación y el comportamiento musical colectivo/ensamble, que permanecen en gran medida teóricos (basándose en la cuenta de Goldman sobre la improvisación como una forma de conocimiento). Clínicamente, el informe dice que la inferencia activa ofrece un mecanismo plausible para las alucinaciones auditivas, los tinnitus, la hiperacusia y las intervenciones basadas en música en el envejecimiento y el entrenamiento del gateo de Parkinson, pero señala que faltan ensayos controlados que prueben las intervenciones informadas por la inferencia activa. Por otro lado, destaca el desafío técnico sin resolver de escalar modelos generativos desde representaciones simbólicas (MIDI, etiquetas de acordes) hasta audio de alta dimensión bruto y lograr la inferencia y la selección de políticas en tiempo real.
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. 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.