Pourquoi le domaine correspond
L'inférence active traite la perception comme une inférence sur les causes cachées des données sensorielles, l'action comme un échantillonnage sélectif d'observations qui satisfont aux attentes antérieures et l'apprentissage comme l'adaptation lente des paramètres d'un modèle génératif — un triangle qui correspond directement aux préoccupations neuroscientifiques fondamentales. L'organisation corticale hiérarchique du cerveau, avec des zones supérieures codant les causes plus lentes et plus abstraites et des zones inférieures codant les détails sensoriels rapides, est un substrat naturel pour les modèles génératifs hiérarchiques dont le cadre a besoin. L'inférence active étend également les comptes rendus prédictifs de la perception en modélisant explicitement l'action et la sélection de la politique comme faisant partie du même circuit inférentiel, reliant la perception et le contrôle par un seul objectif — minimisation de l'énergie libre attendue.
État de la littérature
La littérature est ancrée dans un ensemble relativement concentré d'articles fondamentaux et de revues — l'article de 2010 de Nature Reviews Neuroscience de Friston, le travail formalisant l'énergie libre variationnelle pour la perception et l'action, ainsi que les revues expositives ultérieures visant à rendre explicites les hypothèses et la portée du principe aux neuroscientifiques. Les applications basées sur des simulations s'étendent de là vers des modèles temporels profonds de comportement épistémique (par exemple, la lecture), la micromotion oculaire, la mémoire de travail et l'attention, la modulation neuromodulatoire dopaminergique et l'émergence de habitudes à partir de l'optimisation répétée des politiques. Les formulations à état discret, présentées comme des processus de décision de Markov partiellement observables, ont été particulièrement influentes pour modéliser des tâches cognitives telles que la recherche visuelle et la planification ciblée. La majeure partie de ce travail provient d'un groupe central autour de Karl Friston à l'Université College London et au Wellcome Centre for Human Neuroimaging, avec Thomas Parr un collaborateur clé sur la formalisation à état discret, et s'étend de plus en plus à la psychiatrie computationnelle et à la morphogenèse.
Modèles et outils d'application
La plus claire démonstration neurophysiologique est la motilité oculaire : des simulations utilisant le filtrage bayésien pour implémenter la planification comme inférence génèrent des mouvements oculaires saccadés et de suivi doux dont la structure de transmission de messages correspond à la connectivité connue du tronc cérébral et du cervelet, et qui ressemblent aux enregistrements d'unités uniques provenant de noyaux pertinents. La dopamine a été modélisée pour coder la précision (confiance) sur les politiques, avec des niveaux toniques de dopamine dans la simulation façonnant l’exploration par rapport à l’exploitation et l’énergie du mouvement, et les perturbations offertes comme une lentille pour la maladie de Parkinson et la schizophrénie. La mise en œuvre a largement reposé sur l'écosystème SPM basé sur MATLAB et son module d'estimation dynamique maximale (DEM) pour les modèles à état continu, et des bibliothèques Python pour les modèles POMDP à état discret utilisés dans les simulations de tâches cognitives — des outils qui restent du code de recherche plutôt que des logiciels standardisés et largement distribués.
Problèmes non résolus
Le rapport identifie l’adéquation biologique comme non résolue : les modèles de réseau qui approximent la descente de gradient sur l’énergie libre reproduisent des oscillations et des dynamiques d'attracteur, mais les mécanismes bio-physiques exacts dans les tissus nerveux réels, et des mappages tels que les corps pyramidaux superficiels codant les erreurs de prédiction, restent hypothétiques et largement non testés. L’échelle des modèles génératifs au-delà de petits espaces d'état vers des environnements naturels et à haute dimension est un deuxième défi computationnel ouvert. Le troisième est la falsifiabilité empirique : les critiques soutiennent que le principe d’énergie libre est trop large pour être réfuté, et le rapport appelle à des expériences qui discriminent les prédictions de l'inférence active (exploration épistémique, modulation neuromodulatoire pondérée par la précision) des alternatives du renforcement de l'apprentissage et du codage prédictif. La traduction clinique en psychiatrie computationnelle est également décrite comme prometteuse mais à un stade précoce, reposant principalement sur le travail théorique et les simulations plutôt que sur de grands ensembles de données de patients validés.
Squelette de référence
Active Inference Institute