Perché il dominio è adatto
L’inferenza attiva considera qualsiasi sistema che mantiene la propria integrità come minimizzando l’energia libera variazionale rispetto a un modello generativo del suo ambiente, e la comunicazione linguistica si mappa direttamente su questo: i parlanti selezionano enunciati previsti per modificare le credenze di un ascoltatore, mentre gli ascoltatori analizzano il discorso per inferire intenzioni e significati nascosti, entrambi processi inquadrati come minimizzazione dell’energia libera. La partizione a quattro vie del formalismo degli stati interni, esterni, sensoriali e attivi tramite “Markov blankets” separa le credenze di un agente dalla situazione comunicativa, con il parlato udito come stati sensoriali e l'articolazione come stati attivi. L'inerente gerarchia della lingua — fonemi in sillabe, parole in frasi, frasi in discorsi — si allinea anche con l’inferenza attiva dei modelli generativi nidificati, dove i livelli superiori codificano cause lente e astratte (intenzioni, argomenti) e i livelli inferiori codificano dettagli sensoriali rapidi (realizzazione acustica).
Stato della letteratura
Il contributo fondamentale è il lavoro del 2020 sui modelli generativi, la comunicazione linguistica e l'inferenza attiva (Friston e collaboratori), che simula un dialogo tra agenti sintetici che inferiscono gli stati semantici nascosti degli altri e selezionano le frasi per minimizzare l'energia libera prevista, producendo convenzioni lessicali condivise emergenti. Un account ermeneutico di accompagnamento (Paulus e Friston) inquadra la comunicazione come interpretazione reciproca, dove l'azione soddisfa le previsioni sul proprio futuro discorso e sul suo effetto sull'ascoltatore. La letteratura poi si dirama nel controllo motorio del linguaggio e un account basato sull'inferenza attiva dello stuttering (disfluenza come fallimento nel minimizzare senza soluzione di continuità l'energia libera attraverso i livelli motori e linguistici), una preprint che sostiene che la sintassi naturale del linguaggio stessa sia conforme al principio dell'energia libera, un saggio che riformula il discorso interno come un traduttore tra stati sensoriali disordinati ed etichette verbali compatte, e una chiamata di Frontiers in Psychology per portare l'inferenza attiva nella neuropragmatica. Attraverso tutto questo corre una tensione irrisolta con le teorie del coding predittivo e dei cervelli bayesiani: una critica del 2023 sostiene che i sistemi neurali potrebbero dare priorità alla scoperta delle caratteristiche rispetto a una previsione esaustiva, e una revisione critica separata mette in discussione se il cervello implementa effettivamente un calcolo bayesiano letterale.
Progetti e strumenti chiave
Le implementazioni concrete sono ancora in gran parte prototipi di ricerca piuttosto che strumenti pubblici denominati: gli agenti linguistici sintetici vengono costruiti come modelli grafici probabilistici o a spazio degli stati con inferenza tramite passaggio di messaggi o discesa del gradiente (tipicamente MATLAB o Python), e i modelli di controllo del motore vocale sono concepiti come reti bayesiane dinamiche sugli stati articolatori. Il modellaggio causale dinamico (DCM), già utilizzato nella comunità di Active Inference per modellare la connettività cerebrale, è proposto come estendibile agli esperimenti neuropragmatici insieme alle pipeline di neuroimaging standard (SPM, FSL). Dal punto di vista dell'IA, tre progetti distinti del 2025 integrano l'Active Inference con gli LLM: un'architettura di revisione che utilizza un controller attivo-inferenziale esterno per gestire i prompt e le interazioni di un LLM, un sistema di Nature Digital Medicine che seleziona i prompt in base all'energia libera prevista per migliorare l'affidabilità della risposta, e una preprint su arXiv su un sistema multi-LLM dove un controller gerarchico assegna compiti tra gli LLM specializzati per minimizzare l'energia libera rispetto agli obiettivi dell'utente. La ricerca è associata vagamente a gruppi affiliati a Friston (ad esempio, University College London) e al LISN Lab, che ospita il saggio sull'eloquio interno.
Problemi irrisolti
Prove evidenze empiriche che il processo di elaborazione del linguaggio umano segue effettivamente i principi dell’inferenza attiva rimangono limitate: molte delle sue previsioni (ricerca di informazioni nell'incertezza, azione in base alle preferenze) sono qualitativamente condivise con l'apprendimento per rinforzo e altri framework, quindi i test devono mirare a caratteristiche distintive come la decomposizione epistemico-pragmatica dell’energia libera attesa. La critica del cervello bayesiano mette specificamente in guardia contro la lettura di segnali generici di errore di previsione nei neuroimmagini come prova di un calcolo bayesiano completo nei circuiti linguistici. L'integrazione multiscale è in gran parte irrisolta nella pratica — la maggior parte dei modelli copre una fascia stretta (mappature parola-significato o controllo del motorio del discorso) piuttosto che estendersi attraverso i circuiti neurali dal discorso al cambiamento linguistico. La traduzione clinica (balbuzie, aprazia, afasia, interruzione della dissociazione interna legata alla psicosi) ha solo un esempio iniziale di lavoro (balbuzie) con il resto ancora ipotetico. Per i sistemi basati su LLM, rimangono aperte domande su come formalizzare modelli generativi trattabili dello stato dell'utente, su come definire funzionali dell’energia libera attesa che catturino l’allineamento e l’affidabilità, e su come valutare gli agenti interattivi poiché i benchmark NLP standard non catturano il dialogo guidato dall’inferenza attiva dinamica.
Spina dorsale di riferimento
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. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv.