क्यों डोमेन उपयुक्त है
वेरिएशनल और अपेक्षित मुफ्त ऊर्जा न्यूनीकरण गणितीय रूप से परिभाषित किए गए हैं, लेकिन सक्रिय अनुमान - एक रोबोट आर्म से लेकर एक मनोरोग मॉडल तक, एक नीति सिमुलेशन तक - का हर अनुप्रयोग एक जनरेटिव-मॉडल कार्यान्वयन, एक अनुमान इंजन और एक संख्यात्मक बैकएंड पर निर्भर करता है। विभिन्न टूलचेन ने यहां अलग-अलग प्रतिबद्धताएं जताई हैं: असतत आंशिक रूप से अवलोकन योग्य मार्कोव निर्णय प्रक्रियाएं बनाम निरंतर-अवस्था गतिशीलता, बैच गणना बनाम प्रतिक्रियाशील स्ट्रीमिंग, हाथ से निर्दिष्ट जनरेटिव मॉडल बनाम सीखे गए मॉडल, और विश्वासों और लक्ष्यों के संख्यात्मक बनाम प्रतीकात्मक प्रतिनिधित्व। क्योंकि संस्थान की अन्य डोमेन पृष्ठ प्रत्येक सक्रिय अनुमान को एक क्षेत्र में लागू करते हैं, यह पृष्ठ उस साझा कम्प्यूटेशनल परत का वर्णन करता है जिसके नीचे वे सभी हैं - एक मॉडलर द्वारा एक कामकाजी सिमुलेशन तक पहुंचने के लिए उठाया जाने वाला टूलचेन।
चार उपकरण श्रृंखलाएँ, चार दृष्टिकोण।
PyMDP एक पायथन पैकेज है जो सक्रिय अनुमान एजेंटों को अलग- состояния मार्कोव निर्णय प्रक्रिया वातावरण में अनुकरण करने के लिए है, जिससे मॉडलरों को POMDP-शैली का जनरेटिव मॉडल, छिपे हुए राज्यों पर वैरियेशनल अनुमान और अपेक्षित-मुक्त-ऊर्जा-आधारित नीति चयन मिलता है एक व्यापक रूप से उपयोग किए जाने वाले संदर्भ कार्यान्वयन में। RxInfer.jl, जो BIASlab में एम्स्टर्डम में विकसित किया गया था, एक अलग रास्ता अपनाता है: यह फॉरनी फैक्टर ग्राफ पर प्रतिक्रियाशील संदेश पासिंग करता है बल्कि बेयस ग्राफ या स्पष्ट POMDPs के साथ सीधे काम नहीं करता है, इसलिए अनुमान इवेंट-आधारित होता है न कि एक निश्चित घड़ी पर चलाया जाता है, स्ट्रीमिंग डेटा और बड़ी संख्या में मापदंडों वाले मॉडल को स्केल करने के लिए रिपोर्ट किए गए लाभों के साथ। SPM (सांख्यिकीय पैरामीट्रिक मैपिंग), जो देर से 1980 के दशक में एमआरसी साइक्लोट्रॉन यूनिट में कार्ल फ्रिस्टन द्वारा निर्मित एक MATLAB प्लेटफॉर्म है, सक्रिय अनुमान से पहले आता है - इसकी सामान्य रैखिक मॉडल और गाऊसी क्षेत्र सिद्धांत मशीनरी विकसित हुई और साथ ही, और मुक्त ऊर्जा औपचारिकता को पोषित करने में मदद की, और यह आज दोनों एक ऐतिहासिक आधारशिला के रूप में और एक कामकाजी विश्लेषण उपकरण के रूप में उपयोग किया जाता है। Symbolic Cognitive Robotics, जो जीन-फ्रांस्वा क्लूटियर की कर्म_सिस्टम परियोजना के आसपास बनाया गया है, सक्रिय अनुमान के साथ प्रतीकात्मक तर्क को जोड़ता है ताकि जनरेटिव मॉडल, विश्वासों और लक्ष्यों का प्रतिनिधित्व प्रतीकात्मक संरचनाओं के रूप में न केवल संख्यात्मक रूप से किया जा सके बल्कि अपेक्षित मुक्त ऊर्जा न्यूनीकरण द्वारा कार्यों का चयन भी किया जा सके।
इंस्टिट्यूट से जुड़े विकास और सीखना
RxInfer.jl लर्निंग ग्रुप एक सक्रिय इंस्टीट्यूट प्रोजेक्ट है जो RxInfer.jl के डेवलपर्स के साथ सीधे ओपन-सोर्स डेवलपमेंट में सहयोग करता है, जिसमें कोड एडिटर के अंदर अंतर्निहित फैक्टर ग्राफ्स के लिए विज़ुअलाइज़ेशन तकनीकों पर भी काम किया जाता है; समूह ने नियमित सिंक्रोनस सत्र चलाए हैं और विभिन्न जूलिया और बेयेशियन मॉडलिंग पृष्ठभूमि वाले योगदानकर्ताओं को लागू परियोजनाओं पर काम करने के लिए आकर्षित किया है; जेफ्रे नोएल क्लूटियर, इंस्टीट्यूट से संबद्ध एक रिसर्च फेलो का सिम्बोलिक कॉग्निटिव रोबोटिक्स का काम है, जिन्होंने रोबोटिक प्लानिंग और सिम्बोलिक प्रॉब्लम-सॉल्विंग सेटिंग्स में कर्म_सिस्टम दृष्टिकोण का प्रदर्शन किया है; रोबोटिक्स भी इंस्टीट्यूट के दूसरे एप्लाइड एक्टिव इंफरेंस सिम्posium का एक समर्पित फोकस था; PyMDP, जो इंस्टीट्यूट के बाहर बनाए रखा गया है, ने इंस्टीट्यूट की अपनी मॉडलस्ट्रीम लर्निंग सत्रों में इसकाफ़ीज़ रहा है, जो व्यापक समुदाय में साझा संदर्भ कार्यान्वयन के रूप में इसकी भूमिका को दर्शाता है न कि एक ही प्रयोगशाला उपकरण।
खुले प्रश्न
उपरोक्त टूलचेन एक सामान्य जनरेटिव मॉडल फॉर्मेट, अनुमान एल्गोरिथ्म या संख्यात्मक बैकएंड साझा नहीं करते हैं, इसलिए एक में बनाया गया मॉडल दूसरे में बिना महत्वपूर्ण पुनर्लेखन के पोर्टेबल नहीं है, और सटीकता, गति या स्केलिंग व्यवहार की तुलना करने के लिए कोई मानकीकृत बेंचमार्क सूट अभी तक मौजूद नहीं है। असतत/निरंतर/प्रतीकात्मक विभाजन का मतलब है कि चिकित्सकों को जल्दी से एक परिदृश्य - POMDP-शैली के असतत अवस्थाओं, निरंतर संदेश पासिंग या प्रतीकात्मक प्रतिनिधित्व में प्रतिबद्ध होना चाहिए, और एक मॉडल के भीतर उन्हें संयोजित करने के लिए सीमित उपकरण उपलब्ध हैं। दस्तावेज़ और पैकेजिंग परिपक्वता में काफी भिन्न होती है: कुछ उपकरणों में ट्यूटोरियल और संरचित सीखने वाले समूह हैं, जबकि अन्य अनुसंधान कोड की तुलना में वितरित सॉफ़्टवेयर के करीब बने हुए हैं। सक्रिय अनुमान के अन्य अनुप्रयोग क्षेत्रों की तरह, अपनाने और प्रदर्शन लाभ के दावे सिद्ध अवधारणाओं और सक्रिय समुदाय विकास पर अधिक निर्भर करते हैं, स्थापित विकल्पों के खिलाफ व्यवस्थित, स्वतंत्र तुलना पर नहीं।
संदर्भ आधार
Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. 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. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). Active Inference: The Free Energy Principle in Mind, Brain, and Behavior. MIT Press. Lancelot Da Costa, Thomas Parr, Noor Sajid, Sebastijan Veselic, Victorita Neacsu, Karl J. Friston (2020). Active inference on discrete state-spaces: A synthesis. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2020.102447.