Perché il dominio è adatto
La psicologia è fondamentalmente sull'affrontare l'incertezza da parte degli organismi: interpretando segnali sensoriali ambigui, formando credenze, regolando corpi ed emozioni e selezionando azioni in situazioni parzialmente osservabili. L’inferenza attiva tratta queste funzioni come istanze di inferenza probabilistica sotto un modello generativo, dove la percezione infierisce stati nascosti, l'apprendimento aggiorna i parametri del modello e l'azione campiona osservazioni preferite minimizzando l'energia libera attesa. Questo fornisce ai costrutti psicologici a lungo descritti qualitativamente—schemi, valutazioni, meccanismi di difesa, strategie di coping—un trattamento esplicito matematico, ad esempio modellando valutazioni minacciose distortamente ansiose come priori che sovrastimano il pericolo e guidano un comportamento ipervigile.
Stato della letteratura
Una revisione dell’entropia del 2024, “Active Inference in Psicologia e Psichiatria: Progressi fino ad oggi?”, esamina le applicazioni attraverso emozioni, interocepzione, senso di sé, cognizione sociale e psichiatria, sostenendo che il quadro potrebbe unificare questi sottocampo sottolineando la necessità di rigorosi test empirici. La teoria della costruzione delle emozioni di Lisa Feldman Barrett riabilita l’emozione come inferenza sugli input interoceptive ed exteroceptive utilizzando concetti memorizzati; lavori correlati estendono questo all'interocepzione psichiatrica, ansia come "incertezza appresa", conti allostatici della depressione, dipendenza come inferenza ottimale sotto un modello subottimale e i sintomi negativi dello schizofrenia come fallimenti nella previsione delle conseguenze delle proprie azioni. La psicoterapia stessa è stata formalizzata computazionalmente, con modelli di Active Inference di CBT e di Terapia di Coerenza che simulano come gli interventi rivedono le priorità e le politiche.
Progetti e strumenti chiave
Il principale esoscheletro computazionale citato è il lavoro sull'inferenza attiva negli spazi di stato discreti (“Inferenza attiva negli spazi di stato discreti: una sintesi”), che fornisce algoritmi per modelli generativi categorici, valutazione delle politiche e aggiornamento delle credenze che sottendono alle successive applicazioni di psichiatria computazionale. Il rapporto evidenzia inoltre le routine MATLAB associate al gruppo di Karl Friston presso l'UCL e i pacchetti Python basati sull'inferenza attiva discreta, utilizzati per adattare modelli ai dati relativi ai compiti comportamentali e inferire le differenze individuali nei priori e nella precisione. Esistono codici specifici per i modelli di simulazione CBT con priori e preferenze del paziente regolabili, sebbene il modello di Terapia di Coerenza rimanga in gran parte teorico piuttosto che un software implementato; il rapporto nota esplicitamente che i sistemi clinici pienamente distribuiti basati sull'inferenza attiva sono ancora rari.
Problemi irrisolti
Il rapporto evidenzia una tensione fondamentale tra la pretesa normativa dell'inferenza attiva (gli agenti minimizzano l'energia libera) e la variabilità spesso subottimale e plasmata culturalmente e situazionale del comportamento umano reale, aggravata dal rischio di identificazione del modello a causa di priorità ad alta dimensionalità, termini di precisione e preferenze. La validazione empirica su diversi livelli di descrizione è scarsa: la maggior parte dei modelli viene testata su compiti semplici con limitata validità ecologica e le affermazioni su sé stessi, identità e personalità sono in gran parte concettuali piuttosto che basate sui dati. Il rapporto sollecita studi longitudinali e multimodali che colleghino i dati neurali, fisiologici, comportamentali e di autovalutazione ai parametri del modello, confronti con quadri alternativi come l'apprendimento per rinforzo e prove controllate dell'inferenza attiva informata prima della traduzione clinica – tenendo conto dell'interpretabilità, delle differenze individuali e culturali e dell'etica della previsione del comportamento basata su modelli.
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. 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.