Perché il dominio è adatto
La musica si sviluppa in sequenze con struttura a molteplici scale temporali, da millisecondi a minuti, costringendo gli ascoltatori a formare e continuamente rivedere previsioni su metro, tempo, tonalità e funzione armonica. Ritmo, melodia, armonia, timbro e segnali spaziali istanziano regolarità probabilistiche apprese, e il piacere o "groove" associato alla musica sembra legato a violazioni e conferme precise di queste aspettative, mediate da un peso di precisione nei circuiti cortico-striatali. L'impegno motorio come il battito o la danza possono affinare le previsioni temporali e ridurre l'incertezza sensoriale, come dimostrato in studi EEG di ritmi sincopati incorniciati esplicitamente all'interno dell'inferenza attiva. Questo stretto accoppiamento tra percezione, azione e affetto è esattamente ciò che il trattamento unitario della percezione e del controllo da parte dell’Active Inference è progettato per modellare.
Stato della letteratura
La linea di lavoro più sviluppata è quella di Peter Vuust e i suoi colleghi sull'account predittivo della complessità ritmica e del groove, basato al Centre for Music in the Brain dell'Università di Aarhus, che tratta la sincopazione come una violazione di un modello metrico interno. Sulla base di questo, lo studio "Active Inference in Music Perception: Motor Engagement to Syncopated Rhythm" ha trovato che il battito aumentava la coerenza di fase inter-trial EEG e un indice neurale dell'errore di previsione pesato per la precisione, offrendo un supporto empirico diretto all'active inference nella musica. Altre linee includono il modello "intuitive physics" generativo di Nguyen e i suoi colleghi sull'aspettativa melodica (utilizzando l'inferenza a Monte Carlo sequenziale su priorità chiave e forza musicale), un modello di sintassi gerarchica che mette in relazione le dipendenze armoniche con la potenza EEG theta, lo studio PNAS di Gold e i suoi colleghi sulla prevedibilità e l'esposizione che modellano la preferenza musicale, una revisione bayesiana della musica e dell'invecchiamento, l'account di active inference di Powers e i suoi colleghi delle allucinazioni uditive e uno studio fMRI che mostra come la localizzazione attiva del suono affina il tuning nella corteccia uditiva primaria. Il rapporto nota che gran parte di questo lavoro è inquadrato in termini di coding predittivo o bayesiano piuttosto che come agenti di active inference completamente specificati con selezione esplicita delle politiche.
Problemi irrisolti
Il rapporto non identifica un'architettura di inferenza attiva completamente specificata che integri modelli generativi musicali, stati motori e preferenze affettive nella selezione esplicita delle politiche basate sull'energia libera — studi attuali (inclusi il lavoro EEG sul battito sincopato e AIDA) affrontano solo parti di questo, non l'agente nel suo complesso. Chiede di colmare le misure neurali a singolo tentativo con l'apprendimento a lungo termine, la habituazione e i cambiamenti nelle preferenze su giorni o anni, e di sviluppare modelli di inferenza attiva multi-agente per l'improvvisazione e il comportamento musicale collettivo/di ensemble, che rimangono in gran parte teorici (basati sul resoconto di Goldman sull'improvvisazione come modo di conoscere). Dal punto di vista clinico, il rapporto afferma che l'inferenza attiva offre un meccanismo plausibile per le allucinazioni uditive, i tinniti, l'iperacusia e interventi musicali in ambito di vecchiaia e allenamento del cammino nei pazienti con Parkinson, ma nota che mancano studi controllati che testino gli interventi basati sull'inferenza attiva. Sul fronte dell'ingegneria, evidenzia le sfide tecniche irrisolte per la scalatura dei modelli generativi dalle rappresentazioni simboliche (MIDI, etichette degli accordi) all'audio ad alta dimensionalità grezza e per ottenere l'inferenza in tempo reale e la selezione delle politiche.
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. 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.