Cette page a été traduite automatiquement de l'anglais. Consultez l'original en anglais.
Chercheurs, modéliseurs et ingénieurs intéressés par les systèmes multi-agents, le comportement collectif et l'Inférence Active.
Modélisation multi-agents du comportement collectif par l'inférence active, avec des liens vers la recherche sur les colonies de fourmis.
Diriger: Daniel Friedman
Ce projet est archivé. Il n'est plus actif et toute participation ci-dessous décrit son fonctionnement précédent.
Les « Active Inferants » sont un projet de modélisation multi-agents appliquant l'Inférence Active au comportement collectif, inspiré de la dynamique des colonies d'fourmis. Il a produit un dépôt GitHub, une publication de 2021 et du code développé dans le cadre du projet Active Blockference, avec plusieurs réalisations dans différents contextes de modélisation.
Les « Active Inferants » développent des modèles multi-agents en utilisant l'Inférence Active pour simuler et comprendre le comportement collectif. Le projet s'inspire de la biologie des insectes sociaux, notamment de la recherche de nourriture et de l'organisation des colonies d'fourmis, et applique la modélisation générative pour comprendre comment les comportements locaux des agents produisent une intelligence collective sans coordination centrale.
Le document de base du projet est Friedman, Tschantz, Ramstead, Friston et Constant (2021), «Un cadre Active Inference pour le comportement des colonies de fourmis», publié dans Frontiers in Behavioral Neuroscience — l'un des premiers documents Active Inference pour modéliser la communication stigmatique (par voie de phéromones). Le projet maintient également un référentiel GitHub avec plusieurs réalisations de code et est développé en partie grâce au projet Active Blockference.
Les contributeurs ayant des formations en biologie computationnelle, systèmes multi-agents, Active Inference ou écologie comportementale sont les bienvenus. Les contributions techniques (code, modèles) et le travail conceptuel (théorie, documentation) sont tous deux appréciés.
Ressources associées
Audience: Newcomer
Primary public community channel for conversation, coordination, and newcomer orientation.
Audience: Developer
Project repository for multiagent Active Inference modeling work.
Répositoires
Audience: Developer
Python models and materials for ant-inspired multiagent Active Inference.
Audience: Developer
Public ants repository in the ActiveInferenceInstitute GitHub namespace.