Active Inference Institute Act. Infer. Serve.
FR

Cette page a été traduite automatiquement de l'anglais. Consultez l'original en anglais.

Chercheurs en inférence active, ingénieurs en IA et robotique agricole et décideurs politiques des systèmes alimentaires explorant des modèles de perception et de prise de décision éclairés dans l'incertitude dans l'agriculture.

L'inférence active et l'agriculture

Des capteurs de ravageurs à budget d'énergie aux «couches de Markov» à l'échelle de la biosphère, l'agriculture teste l'inférence active à chaque échelle de l'exploitation.

Research resourcesActive Inference overview

Sur cette page

L'inférence active et l'agriculture guide

Meilleures prochaines étapes

Piste d'inférence active et agriculture

Commencez par les liens publics les plus signalés pour cette page, puis poursuivez à travers les vues de ressources et de répertoires connexes.

Research resourcesResearchActive Inference overviewRessources filtréesRépertoire globalInférence activeInférence active et écologie

L'agriculture est intrinsèquement une question de perception, d'action et d'adaptation en présence de l'incertitude, couvrant la physiologie des plantes, la gestion des champs, les systèmes alimentaires régionaux et les dynamiques climatiques biosphériques. Ce rapport examine comment le raisonnement actif et le principe d'énergie libre ont commencé à être appliqués dans ce domaine, allant de la détection d'espèces nuisibles par l'IA périphérique à la théorie de la durabilité pour des systèmes alimentaires résilients, tout en distinguant les preuves publiées en revue des affirmations industrielles plus spéculatives.

Pourquoi le domaine correspond

Les agriculteurs et les systèmes agricoles assimilent continuellement des données bruyantes telles que l'humidité du sol, les images et les données météorologiques, et agissent par le biais de l'irrigation, de la fertilisation et du contrôle des ravageurs, un schéma présenté directement par la minimisation variationnelle et de l'énergie libre espérée. La division de l'énergie libre espérée en valeur épistémique (par exemple, la surveillance des ravageurs, le placement des capteurs) et en valeur instrumentale (par exemple, la récolte aux moments optimaux prédits) correspond naturellement aux compromis exploration-exploitation agricoles. Les échelles imbriquées de l'agriculture, allant des décisions d'irrigation à l'heure aux restaurations du sol sur plusieurs années et à l'adaptation au climat décenniel, conviennent également aux modèles génératifs hiérarchiques de l'inférence active, et le rapport étend cela à la partition des fermes en états internes, sensoriels et actifs par des partitions de Markov biosphériques.

État de la littérature

Le rapport révèle un spectre d'engagement avec le terme, allant d'un travail strict basé sur le principe de l'énergie libre dans la théorie de la durabilité (l'article « Durabilité sous Active Inference » dans Systems, 2024 et une ressource pré-imprimée associée) à des utilisations théoriques de l'information en robotique et en réseaux de capteurs. Les exemples d'application comprennent un cadre de détection de ravageurs EnhancedTinyCNN dont le budget énergétique est dominé par les cycles d'inférence, une étude de référence pour la prévision des marges ET0 pour l'irrigation et l'optimisation de la batterie des réseaux de capteurs sans fil via Active Inference et les réseaux bayésiens gaussiens dynamiques. Le rapport précise que les preuves empiriques et réelles des gains de performance restent rares et que gran partie de cette littérature est conceptuelle, trans-domaine ou terminologiquement vague.

Projets et outils clés

L'outillage open source mentionné comprend pymdp pour la construction et la simulation d'agents d'inférence active, ainsi que le GEO-INFER (un framework géospatial à 44 modules de l'Active Inference Institute) et BioFirm (inférence active écologique et services écosystémiques). Le rapport décrit également le projet FarmWorks agent agricole décentralisé et les revendications industrielles de VERSES AI utilisant des agents de style inférence active pour la logistique de la chaîne d'approvisionnement agroalimentaire, ainsi que des prototypes déployés tels que les capteurs de surveillance des ravageurs EnhancedTinyCNN et la surveillance des risques de récolte de canneberges par inférence active profonde.

Problèmes non résolus

Le rapport identifie la spécification et la validation de modèles génératifs par rapport aux données du terrain comme une faille technique centrale, étant donné que la plupart des modèles agronomiques sont mécanistes plutôt que probabilistes et que les preuves proviennent principalement de simulations et de petits prototypes. Les écosystèmes de données sont fragmentés sur des plateformes propriétaires, ce qui soulève des questions de gouvernance concernant la propriété des données et la manière dont les préférences en matière de durabilité sont choisies et encodées. Le rapport souligne également l'importance de l'interprétabilité pour instaurer la confiance chez les agriculteurs, les risques sociaux et éthiques liés à l'incorporation de biais normatifs, et le besoin d'évaluations aléatoires et de qualité clinique avant que le support décisionnel basé sur l'inférence active ne puisse être considéré comme prouvé en pratique.

Squelette de référence

Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. 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. 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. Daniel Ari Friedman, Alec Tschantz, Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant (2021). Active Inferants: An Active Inference Framework for Ant Colony Behavior. Frontiers in Behavioral Neuroscience. DOI: 10.3389/fnbeh.2021.647732.

Surfaces clés

L'inférence active et l'agriculture en un clin d'œil

Détection des ravageurs à la pointe de la technologie

Des dispositifs de détection de parasites à base de CNN embarqués tels qu'EnhancedTinyCNN effectuent des milliers de cycles d'inférence par jour avec des budgets d'énergie serrés, illustrant une détection active en phase avec l'énergie dans le terrain.

Surveillance spatiale

GEO-INFER’s AlphaEarth sous-projet applique une surveillance géospatiale de type «Active Inference» au foncier agricole, afin d'étayer les analyses de sécurité alimentaire de la FAO.

Gestion durable des ressources

Travaux théoriques sur les modèles «Sustainability sous l’Active Inference» considèrent que les systèmes alimentaires résilients sont des modèles génératifs qui maintiennent des états viables face aux chocs environnementaux.

Ressources associées

Liens publics pour cette page

Les liens externes sont résolus à partir du registre partagé, de sorte que les destinations visibles pour les visiteurs restent centralisées et vérifiables.

Pages associées

Poursuivre à travers le site

Nouveaux venus, apprenants, chercheurs, constructeurs et collaborateurs. Inférence active

L'inférence active est le cadre scientifique et pratique central autour duquel l'Institut organise l'éducation, la recherche, les applications et le soutien à l'écosystème.

 Écologistes, biologistes computationnels et chercheurs en inférence active intéressés par les modèles multi-échelles du couplage organisme-environnement, de la construction de niches et de la résilience planétaire. Inférence active et écologie

Les systèmes écologiques — populations, communautés, écosystèmes et la biosphère elle-même — sont composés de sous-systèmes interagissant qui échangent de la matière et de l'énergie à travers des frontières semi-perméables tout en maintenant des états macrostatiques stables dans le temps. Cette structure reflète étroitement l’enveloppe de Markov et la formalisme mécanique bayésien qui sous-tendent le principe d’énergie libre, c’est pourquoi un programme de recherche portant le nom de « écologie variationnelle » a émergé pour modéliser les organismes et leurs niches en tant que systèmes d'inférence couplés. La littérature ici est plus axée sur la théorie et la simulation que sur les données de terrain : cette page passe en revue les fondements conceptuels, les schémas de modélisation utilisés par les chercheurs, les outils disponibles et les lacunes empiriques que le domaine doit encore combler.

 Chercheurs en climatologie, modélisateurs de systèmes terrestres, chercheurs en gouvernance des durabilités et des ressources, et membres de l'InstituteOS évaluant l’Active Inference comme un cadre pour l’intelligence climatique et la gestion planétaire. L'inférence active et la science du climat

La science du climat fonctionne déjà sur le filtrage bayésien, la modélisation générative et la prise de décision dans des conditions d'incertitude profondes — elle appelle rarement cela l'inférence active. Ce rapport étudie le cas d'un traitement de la perception du climat, de la mise à jour des modèles et de la sélection des politiques comme un seul problème de minimisation de l'énergie libre, et examine où cette vision est théorique, où elle est testée par simulation et où elle reste aspirationale.