क्यों डोमेन उपयुक्त है
संगीत विभिन्न समय पैमानों पर संरचनाओं के साथ खुलता है, जो मिलीसेकंड से मिनट तक होता है, जिससे श्रोताओं को मीटर, ताल, कुंजी और सामंजस्यपूर्ण कार्य के बारे में पूर्वानुमान लगाने और लगातार संशोधित करने के लिए मजबूर होना पड़ता है। लय, राग, सामंजस्य, timbre, और स्थानिक संकेतों द्वारा सीखे जा सकने वाले संभाव्य नियमितताएं स्थापित की जाती हैं, और संगीत से संबंधित आनंद या "groove" इन अपेक्षाओं के सटीक रूप से कैलिब्रेटेड उल्लंघन और पुष्टि से जुड़ा हुआ प्रतीत होता है, जो cortico-striatal सर्किट में भार-निर्धारण द्वारा मध्यस्थ होता है। मोटर भागीदारी जैसे टैपिंग या नृत्य समयबद्ध पूर्वानुमानों को तेज कर सकते हैं और संवेदी अनिश्चितता को कम कर सकते हैं, जैसा कि सिंकोपेटेड ताल के EEG अध्ययनों में स्पष्ट रूप से सक्रिय अनुमान के भीतर दिखाया गया है। धारणा, क्रिया और भावना का यह घनिष्ठ युग्मन "सक्रिय अनुमान" के एकीकरण द्वारा धारणा और नियंत्रण के एक साथ उपचार को मॉडल करने के लिए बनाया गया है।
साहित्य की स्थिति
सबसे विकसित कार्य लाइन पीटर वुएस्ट और सहयोगियों का लयबद्ध जटिलता और ताल की गति के बारे में भविष्यवाणी करने का खाता है, जो Aarhus विश्वविद्यालय में Centre for Music in the Brain पर आधारित है, जो सिंकॉपेशन को एक आंतरिक मध्यांतर मॉडल का उल्लंघन मानता है। इसे आगे बढ़ाकर, अध्ययन "संगीत धारणा में सक्रिय अनुमान: ताल की गति के लिए मोटर जुड़ाव" पाया कि ताल पर टैप करने से EEG इंटरट्रायल चरण सहसंबंध और सटीक-भारित भविष्यवाणी त्रुटि के एक न्यूरल सूचकांक में वृद्धि हुई, जो संगीत में सक्रिय अनुमान के लिए प्रत्यक्ष अनुभवजन्य समर्थन प्रदान करता है। अन्य धागेNguyen और सहयोगियों की "सहज भौतिकी" जनरेटिव मॉडल में मधुर अपेक्षा (कुंजी और संगीत बल पूर्ववर्तियों पर अनुक्रमिक मोंटे कार्लो अनुमान का उपयोग करके) एक पदानुक्रमित वाक्यविन्यास मॉडल शामिल हैं जो हार्मोनिक निर्भरताओं को EEG थीटा शक्ति से संबंधित करते हैं, Gold और सहयोगियों की PNAS अध्ययन पूर्वानुमेयता और एक्सपोजर आकार देने वाले संगीत वरीयता पर, Powers और सहयोगियों द्वारा सक्रिय अनुमान खाता श्रवण भ्रमों के बारे में और एक fMRI अध्ययन दिखाता है कि सक्रिय ध्वनि स्थानीयकरण प्राथमिक श्रवण प्रांतस्था में ट्यूनिंग को तेज करता है। रिपोर्ट नोट करती है कि इस अधिकांश कार्य भविष्यवाणी करने या Bayesian शर्तों में प्रस्तुत किया गया है, पूर्ण रूप से निर्दिष्ट सक्रिय अनुमान एजेंटों के रूप में नहीं जो स्पष्ट नीति चयन के साथ हैं।
कुंजी परियोजनाएँ और उपकरण
सबसे स्पष्ट तैनात इंजीनियरिंग उदाहरण AIDA (सक्रिय अनुमान-आधारित डिज़ाइन एजेंट के लिए ऑडियो प्रसंस्करण) है, जो उपयोगकर्ताओं के साथ व्यक्तिगत ऑडियो प्रसंस्करण एल्गोरिदम - इक्वलाइज़ेशन, संपीड़न, प्रभाव श्रृंखलाओं - को पुनरावृत्त रूप से डिजाइन करने के लिए बातचीत करता है, पैरामीटर सेटिंग्स को कथित ध्वनि गुणवत्ता से जोड़ने वाले एक जनरेटिव मॉडल को बनाए रखकर और ज्ञानमीमांसीय और व्यावहारिक मूल्यों पर अपेक्षित मुक्त ऊर्जा को कम करने के लिए पैरामीटर समायोजन का चयन करके। Aarhus विश्वविद्यालय (Vuust समूह) में संगीत मस्तिष्क केंद्र लय-और-ग्रूव साहित्य को आधार बनाता है। रिपोर्ट पुन: प्रयोज्य अनुभवजन्य संपत्तियों की भी ओर इशारा करती है: सिंकॉपेशन/बीट-ट्रैकिंग पैराडाइम के साथ EEG चरण-संगति माप, Nguyen की मधुर-भविष्यवाणी डेटासेट और थीटा-शक्ति मॉडल के लिए उपयोग किए जाने वाले हार्मोनिक-निर्भर EEG डेटासेट - सभी सक्रिय अनुमान मॉडलों के भविष्य में फिटिंग या सत्यापन के लिए उम्मीदवार।
खुले प्रश्न
रिपोर्ट में कोई पूरी तरह से परिभाषित एक्टिव इंफरेंस आर्किटेक्चर की पहचान नहीं की गई है जो संगीत जनरेटिव मॉडल, मोटर अवस्थाओं और भावनात्मक प्राथमिकताओं को स्पष्ट अपेक्षित-मुक्त-ऊर्जा नीति चयन में एकीकृत करता है — वर्तमान अध्ययन (जैसे सिंकोपेटेड-टैपिंग ईईजी कार्य और एआईडीए) इस पूरे एजेंट को संबोधित नहीं करते हैं। यह एकल-ट्रायल न्यूरल माप को लंबी अवधि के सीखने, आदत निर्माण और वरीयता परिवर्तन से जोड़ने और मल्टी-एजेंट एक्टिव इंफरेंस मॉडल की आवश्यकता पर जोर देता है जो इम्प्रोवाइज़ेशन और सामूहिक/एंसेम्बल संगीत व्यवहार का अध्ययन करते हैं, जो अभी भी बड़े पैमाने पर सैद्धांतिक हैं (गोल्डमैन के इम्प्रोवाइज़ेशन के बारे में खाते पर आधारित)। नैदानिक रूप से, रिपोर्ट कहती है कि एक्टिव इंफरेंस श्रवण भ्रम, टिनिटस, हाइपरएकुसिस और उम्र बढ़ने और पार्किंसंस की गति प्रशिक्षण में संगीत-आधारित हस्तक्षेपों के लिए एक संभावित तंत्र प्रदान करता है, लेकिन यह नोट करती है कि एक्टिव-इंफरेंस-सूचित हस्तक्षेपों का परीक्षण करने वाले नियंत्रित परीक्षणों की कमी है। इंजीनियरिंग के दृष्टिकोण से, यह जनरेटिव मॉडल को प्रतीकात्मक प्रतिनिधित्व (एमआईडीआई, कॉर्ड लेबल) से कच्चे उच्च-आयामी ऑडियो तक स्केल करने और वास्तविक समय में अनुमान और नीति चयन प्राप्त करने जैसी तकनीकी चुनौतियों को उजागर करता है।
संदर्भ आधार
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 (2015). Active Inference, homeostatic regulation and adaptive behavioural control. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2015.09.001. 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.