Active Inference Institute Act. Infer. Serve.
FR

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

Chercheurs, cliniciens et technologues du son et de la musique intéressés par l'application de l'inférence active et du traitement prédictif à la cognition auditive, à la récompense musicale et à l'ingénierie sonore.

L'inférence active et la musique et le son

Musique et sons comme un terrain d'essai à riche contenu temporel pour l’inférence active : prédiction, pondération de la précision et engagement moteur en un seul endroit.

Research resourcesActive Inference overview

Sur cette page

L'inférence active et la musique et le son guide

Meilleures prochaines étapes

Parcours Inférence Active et Musique et Son

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 activeL'inférence active et les linguistiques

La musique et le son s'entrelacent avec la perception, l'action motrice, la prédiction et l'affect dans une manière temporellement structurée et quantifiable, ce qui en fait un domaine inhabituellement tractable pour les recherches sur l'inférence active. Un corps de travaux convergent sur le traitement prédictif de la musique, la perception auditive bayésienne et l'inférence active dans l'audition et la psychopathologie suggèrent que l'écoute est organisée autour d'un actualisation continue de modèles hiérarchiques internes afin de minimiser l'erreur de prédiction et l'énergie libre attendue. Cette page synthétise ce que cette littérature soutient actuellement, les outils et projets concrets qu'elle nomme et les lacunes qu'elle identifie pour le travail futur.

Pourquoi le domaine correspond

La musique se déroule en séquences avec une structure à plusieurs échelles de temps, des millisecondes aux minutes, obligeant les auditeurs à former et à réviser continuellement leurs prédictions concernant le tempo, la tonalité, la fonction harmonique, etc. Le rythme, la mélodie, l'harmonie, le timbre et les indices spatiaux instancient des régularités probabilistes apprivoisables, et le plaisir ou « groove » associé à la musique semble lié à des violations et confirmations précises de ces attentes, médiées par un pesage précis dans les circuits cortico-striataux. L'engagement moteur tel que taper ou danser peut affûter les prédictions temporelles et réduire l'incertitude sensorielle, comme le montrent les études EEG sur des rythmes syncopés encadrés explicitement dans le cadre de l'inférence active. Ce couplage étroit de la perception, de l'action et de l'affect est exactement ce que le modèle unifié de perception et de contrôle de l'inférence active est conçu pour modéliser.

État de la littérature

La ligne de travail la plus développée est celle de Peter Vuust et ses collègues sur le compte rendu de complexité rythmique et de groove par codage prédictif, basé au Centre for Music in the Brain à l'Université d'Aarhus, qui traite la syncopation comme une violation d'un modèle métrique interne. S'appuyant dessus, l'étude « Active Inference in Music Perception: Motor Engagement to Syncopated Rhythm » a montré que le battement de cœur augmenté la cohérence inter-trial de phase EEG et un indice neuronal d'erreur de prédiction pondérée en précision, offrant un soutien empirique direct à l’inférence active dans la perception musicale. D'autres ramifications incluent le modèle « intuitive physics » génératif de Nguyen et ses collègues sur les attentes mélodiques (utilisant l'inférence par Monte Carlo séquentiel sur les a priori clés et de force musicale), un modèle syntaxique hiérarchique reliant les dépendances harmoniques à la puissance EEG des thêta, l’étude PNAS de Gold et ses collègues sur la prédictibilité et l’exposition façonnant les préférences musicales, une revue bayésienne de la musique et du vieillissement, le compte rendu de l’inférence active de Powers et ses collègues sur les hallucinations auditives, et une étude fMRI montrant que la localisation active des sons affine le réglage dans l'aire motrice primaire. Le rapport note que la plupart de ce travail est présenté sous forme de codage prédictif ou de termes bayésiens plutôt que comme des agents d’inférence active pleinement spécifiés avec un choix explicite de politique.

Projets et outils clés

L’exemple d’ingénierie déployé le plus clair est AIDA (Agent de conception basé sur l’inférence active pour le traitement audio), qui interagit avec les utilisateurs pour concevoir de manière itérative des algorithmes de traitement audio personnalisés — égalisation, compression, chaînes d'effets — en maintenant un modèle génératif reliant les paramètres à la qualité sonore perçue et sélectionnant les ajustements de paramètres qui minimisent l’énergie libre attendue à la fois sur les valeurs épistémiques et pragmatiques. Le Centre pour la musique dans le cerveau à l’Université d’Aarhus (le groupe de Vuust) ancre la littérature sur le rythme et le groove. Le rapport fait également référence à des actifs empiriques réutilisables : paradigmes de syncopation/détection du beat avec des mesures de cohérence de phase EEG, les ensembles de données mélodiques de Nguyen et l’ensemble de données EEG dépendant de l’harmonie utilisé pour le modèle de puissance thêta — tous candidats à un ajustement ou une validation de futurs modèles d’inférence active de la musique.

Problèmes non résolus

Le rapport ne met pas en évidence d'architecture d'inférence active entièrement spécifiée qui intègre les modèles génératifs musicaux, les états moteurs et les préférences affectives dans une sélection de politiques sans énergie attendue explicite — les études actuelles (y compris le travail EEG sur le battement syncopé et AIDA) traitent des morceaux de cela, et non l'agent entier. Il appelle à relier les mesures neurales à un seul essai avec l'apprentissage à long terme, la habituation et les changements de préférences sur des jours ou des années, ainsi qu’à des modèles d’inférence active multi-agents pour l’improvisation et le comportement musical collectif/ensemble, qui restent largement théoriques (s’appuyant sur le compte de Goldman de l’improvisation comme un moyen de connaissance). Cliniquement, le rapport indique que l’inférence active offre un mécanisme plausible pour les hallucinations auditives, le tinnitus, l'hyperacousie et les interventions musicales dans le vieillissement et la formation au boitement de Parkinson, mais note qu'il manque des essais contrôlés testant des interventions fondées sur l'inférence active. Du point de vue de l’ingénierie, il met en évidence les défis techniques non résolus liés à l’échelonnement des modèles génératifs à partir de représentations symboliques (MIDI, étiquettes d’accords) vers un audio haute dimensionnel brut et à la réalisation d'une inférence et d'une sélection de politiques en temps réel.

Squelette de référence

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.

Surfaces clés

L'inférence active et la musique et le son en un coup d’œil

L'intégration comme perception active

L’EEG révèle que le battement de tambour sur un rythme syncopé améliore la cohérence de phase et l'erreur de prédiction pondérée par la précision du cerveau, traitant l'envie de bouger au son de la musique comme une inférence active en action.

Agent de conception audio AIDA

Un système d’inférence active déployé qui déduit les préférences audio latentes d’un utilisateur par l’interaction et ajuste les paramètres de traitement pour minimiser l’énergie libre attendue.

Cadre avant les preuves

Le rapport stipule explicitement que la majorité des travaux cités sont fondés sur le codage prédictif ou le modélisme bayésien plutôt que sur des agents d'inférence active pleinement spécifiés, de sorte que les tests empiriques explicites restent comparativement rares.

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.

 Traducteurs computationnels, scientifiques cognitifs et cliniques du langage, et collègues de l'Active Inference Institute travaillant sur la modélisation du dialogue, la psycholinguistique ou des agents LLM basés sur l'inférence active. L'inférence active et les linguistiques

L’utilisation du langage couple perception, action et résolution d’incertitude aussi étroitement que tout domaine où l’inférence active a été appliquée : les locuteurs et les auditeurs mettent continuellement à jour leurs modèles génératifs et agissent pour réduire l’erreur de prédiction au cours d’une conversation. Ce rapport retrace la littérature des modèles génératifs synthétiques fondamentaux du dialogue jusqu’à leurs extensions dans le contrôle moteur de la parole, le blocage de la parole, la parole intérieure, la syntaxe et les architectures de grands modèles de langage, tout en soulevant les critiques empiriques formulées par les approches de codage prédictif et les critiques des cerveaux bayésiens. Ce qui suit synthétise cette littérature pour les chercheurs évaluant où l’inférence active explique réellement les phénomènes linguistiques et où elle reste un échafaudage normatif attendant des preuves.

 Psychologues, psychiatres computationnels et chercheurs cliniques évaluant l’inférence active comme un cadre mécaniste et testable pour la cognition, les émotions et le changement thérapeutique. L'inférence active et la psychologie

L’inférence active et le principe d'énergie libre modélisent les cerveaux comme des systèmes hiérarchiques génératifs qui infèrent les causes cachées des données sensorielles et agissent pour minimiser l'attente de surprise. Au cours des dix dernières années, cette formalisation est passée de la neurosciences théoriques à la psychologie scientifique et aux psychiatries cliniques, produisant une littérature croissante sur l’émotion, l’interoception, le soi, la cognition sociale, la psychothérapie et la psychopathologie. La littérature reste méthodologiquement jeune : la plupart des modèles sont encore au niveau de la simulation et de la théorie, avec relativement peu d'essais à grande échelle et seulement des outils traducionnels naissants.