Questa pagina è stata tradotta automaticamente dall'inglese. Visualizza l'originale in inglese.

Scienziati sociali, educatori e ricercatori che collegano l'Inferenza Attiva alla teoria e alla pratica delle scienze sociali.

Inferenza Attiva per le Scienze Sociali

Sviluppare programmi didattici e ricerche su «Active Inference» per le discipline delle scienze sociali.

Questo progetto è stato archiviato. Non è più attivo e qualsiasi partecipazione qui sotto descrive come operava in precedenza.

Migliori azioni successive

Percorso Active Inferenza per le Scienze Sociali

Inizia con i link pubblici più rilevanti di questa pagina, poi continua attraverso le viste delle risorse e delle directory correlate.

Orario del corso

Orario del corso

Eleven lezioni e sessioni di discussione, da luglio a novembre 2023, ciascuna registrata e collegata qui sotto.

7 luglio 2023

Introduzione (Lezione)

Presentato da Avel Guénin-Carlut. Sessione introduttiva che presenta gli obiettivi del corso e l’approccio generale adottato, aprendo una discussione sulle motivazioni personali dei partecipanti a unirsi. Non era prevista alcuna preparazione.

11 luglio 2023

Fondamenti di ActInf (Lezione)

Presentato da Ben White. Un ripasso degli strumenti concettuali di base dell’Active Inference, in particolare come appaiono sotto l'intestazione “processing predittivo”, seguito da un tour su come questo framework è stato applicato a importanti aree di interesse filosofico quali mente, emozione, sé, agency e fenomenologia — fornendo una panoramica ampia di come i meccanismi fondamentali dell’Active Inference si applicano a un’ampia gamma di problemi. Non erano richieste letture specifiche prima della lezione; ai partecipanti era incoraggiata la prosecuzione degli argomenti o delle citazioni menzionate successivamente.

25 luglio 2023

Fondamenti di ActInf (Discussione)

Presentato da Ben White. Discussione della lezione precedente, risposta alle domande inviate sulla lezione e interazione diretta con i commenti e le domande dei partecipanti. Preparazione: partecipazione alla sessione precedente, in modo sincrono o asincrono.

2 agosto 2023

Comportamento Collettivo (Lezione)

Presentato da Daniel Friedman. Questa lezione ha esplorato il comportamento collettivo da molteplici punti di vista, organizzato in tre sezioni. “Contesto e background” ha delineato prospettive sul comportamento collettivo dall’esterno dell’Active Inference, suggerendo che tutte le forme di intelligenza sono collettive, che l'osservazione del comportamento è complessa e che "non siamo mai stati individui". “Insight e fondamentali” ha esaminato come l’Active Inference e il principio della bassa energia funzionano nei contesti collettivi e si applicano al processo decisionale collettivo, introducendo concetti quali la sincronia/omeostasi generalizzata e l'equilibrio tra comportamenti individuali e collettivi. “Applicazioni e implicazioni” ha esplorato le intuizioni dell’Active Inference sull'apprendimento, l'adattamento, il conflitto e la cooperazione nel comportamento collettivo, l'impatto del framework sullo studio del comportamento collettivo umano e considerazioni rilevanti per la sicurezza cognitiva. La sessione si è conclusa con domande aperte: il potenziale dei modelli computazionali basati sul FEP per comprendere i comportamenti collettivi non umani e digitali, come le considerazioni morali e normative si articolano con un quadro universale e le sfide e le potenziali soluzioni nell'utilizzo dell’Active Inference per modellare i comportamenti collettivi in ambienti ambientali variabili.

16 agosto 2023

Comportamento Collettivo (Discussione)

Presentato da Daniel Friedman. Discussione della lezione precedente, risposta alle domande inviate durante la lezione e interazione diretta con i commenti e le domande dei partecipanti. Preparazione: partecipazione alla sessione precedente, in modo sincrono o asincrono.

30 agosto 2023

Semiotica e Semantica (Lezione)

Presentata da Lorena Sganzerla. Una sessione su semiotica e semantica all’interno del quadro di riferimento dell’Active Inference, collegando gli strumenti concettuali del corso a come il significato e i segni vengono costruiti ed eschanged negli ambienti sociali.

6 settembre 2023

Semiotica e Semantica (Discussione)

Presentata da Lorena Sganzerla. Discussione della lezione precedente, risposta alle domande inviate sulla lezione e interazione diretta con i commenti e le domande dei partecipanti. Preparazione: partecipazione alla sessione precedente, in modo sincrono o asincrono.

20 settembre 2023

Norme, Script, Narrazioni, Lingue (Lezione)

Presentato da Mahault Albarracin. Un'introduzione a come Active Inference — basata sul principio dell'energia libera e sulla minimizzazione dell'incertezza — può essere applicata per comprendere norme sociali, script e linguistica. La sessione ha trattato di come il framework modella la conformità sociale, il processo decisionale, la comunicazione e l'elaborazione del linguaggio, facendo riferimento a modelli generativi, modulazione contestuale, valore deontico, affordances sociali e costruzione del nicchia, collegando filosofia, neuroscienze e approcci di modellazione.

4 ottobre 2023

Norme, Script, Narrazioni, Lingue (Discussione)

Presentato da Mahault Albarracin. Discussione della lezione precedente, risposta alle domande inviate sulla lezione e interazione diretta con i commenti e le domande dei partecipanti. Preparazione: partecipazione alla sessione precedente, in modo sincrono o asincrono.

18 ottobre 2023

Vincoli Sociali (Lezione)

Presentato da Avel Guénin-Carlut. Questa lezione ha discusso la duplicità formale tra l'esperienza di un individuo dei paesaggi culturali e l'esistenza di vincoli sul comportamento collettivo. Ha spiegato come descrivere le aspettative condivise come "vincoli" consenta una descrizione delle forme di vita collettive il cui dinamismo auto-produttivo guida l'evoluzione culturale aperta, ed ha esplorato le considerazioni epistemologiche e formali sottostanti all'articolazione attuale e allo sviluppo futuro del quadro.

25 ottobre 2023

Vincoli Sociali (Discussione)

Presentato da Avel Guénin-Carlut. Discussione della lezione precedente, risposta alle domande inviate sulla lezione e interazione diretta con i commenti e le domande dei partecipanti. Preparazione: partecipazione alla sessione precedente, in modo sincrono o asincrono.

1 novembre 2023

Conclusione (Discussione)

Presentato da Avel Guénin-Carlut. Sessione conclusiva che ancorava i messaggi chiave del corso, interagendo con i partecipanti sui risultati e sull'esperienza di apprendimento, e raccogliendo feedback per le future edizioni del corso. Preparazione: partecipazione al corso, in modo sincrono o asincrono.

L'inferenza attiva per le scienze sociali sviluppa corsi, programmi di studio, ricerche e scritti che collegano l'inferenza attiva alle scienze sociali. Il progetto ha prodotto un corso del 2023 e continua a costruire risorse educative e di ricerca per gli scienziati sociali impegnati nel framework dell'inferenza attiva.

Panoramica

Questo progetto adatta l'Inferenza Attiva per il pubblico delle scienze sociali — sviluppando traduzioni concettuali, materiali didattici e direzioni di ricerca. Riconosce che la narrazione dell'Inferenza Attiva sull'agenzia, sulla comunicazione e sull'interazione sociale ha profonde implicazioni per la sociologia, la scienza politica, l'economia, l'antropologia e campi correlati.

Lavori Precedenti

Un corso del 2023 - «Inferenza Attiva per le Scienze Sociali» - è stato prodotto ed è accessibile attraverso l'infrastruttura didattica dell'Istituto. Il progetto continua a generare scritti, ricerche e programmi di studio.

Descrizione del corso

Costruzione di paesaggi culturali: Active Inference per le scienze sociali” è stato un corso partecipativo di dodici sessioni tenutosi nel 2023, co-organizzato da Kairos Research e dall’Active Inference Institute, e guidato da Avel Guénin-Carlut, Ben White, Mahault Albarracin, Lorena Sganzerla e Daniel Friedman. Ha introdotto i partecipanti ai concetti fondamentali di Active Inference e alla loro rilevanza per le scienze sociali, mostrando come l'organizzazione fisica degli agenti cognitivi consenta la descrizione delle loro percezioni e azioni come attuazione di un “modello del mondo” che esprime la loro identità strutturale — e come tale modello del mondo sia costantemente costruito in modo partecipativo nelle società umane, sia attraverso la modifica del nicchia materiale condivisa sia attraverso l'integrazione di norme sociali e linguistiche. Il corso era destinato a studenti con background diversi e familiarità con matematica, fisica e informatica, privilegiando il significato intuitivo rispetto alla formalismo tecnico, ed era organizzato attorno a cinque sessioni di presentazione mensili seguite da sessioni di discussione che invitavano i partecipanti ad articolare le proprie riflessioni. Tutte le sessioni sono state registrate e rese accessibili in modo asincrono, con trascrizioni compilate e pubblicate.

Domande chiave

Il corso è stato organizzato attorno a cinque domande chiave: cosa significa esistere come agente di inferenza attiva? qual è la relazione tra il significato cognitivo e il nicchio materiale (e sociale) che un agente sperimenta? come costruiscono gli esseri umani e si relazionano a una realtà culturale condivisa? quali sono i fattori che guidano l'evoluzione aperta delle norme e delle istituzioni? e qual è la relazione tra l'organizzazione di una società e i modelli della sua cognizione collettiva?

Partecipare

Gli scienziati sociali, gli educatori e i ricercatori interdisciplinari interessati a collegare l'Inferenza Attiva ai loro domini sono invitati a contribuire.

Superfici chiave

Inferenza Attiva per le Scienze Sociali: una panoramica

Domande e Risposte

Domande e risposte dei partecipanti

Dieci domande e risposte raccolte da sessioni di discussione dal vivo durante il corso.

Sono le "prime priorità" di un agente puramente interoceptive (riguardanti il corpo) o possono riguardare aspetti vitali dell'ambiente sociale (ad esempio, la presenza di un caregiver)?

Non esiste una distinzione chiara tra la propriocettività e l’estereocezione — o piuttosto, qualsiasi tale distinzione si fonda su un modello specifico di ciò che costituisce “me”. Un embrione, ad esempio, è trattato dalla madre come parte del suo corpo; dopo la nascita non è più direttamente un componente del metabolismo materno, sebbene rimanga incorporato nel modello mentale della madre per un certo periodo e solo gradualmente diventi completamente disincorporato da esso psicologicamente, anche se il parto rappresenta un netto punto di taglio metabolico. Quindi se la relazione madre-figlio è “interoceptive” è genuinamente incerto — ciò che è chiaro è che una concezione rigida sia dell’interocezione che dell’estereocezione porterà a errori di previsione. Il documento più rilevante è Ciaunica, Constant, Preissl e Fotopoulou (2021), “The First Prior: From Co-Embodiment to Co-Homeostasis in Early Life”, in Consciousness and Cognition; le nozioni di “co-embodiment” e “co-homeostasis” che sviluppa si applicano più ampiamente ai gruppi sociali, con forme di coordinamento diverse da quelle dei nuclei madre-figlio. Più in generale, la cognizione umana è una danza permanente tra sistemi di interiorizzazione ed esternalizzazione, parte della sua fenotipo esteso o parte dell’ambiente che viene navigato; non esiste una “scala vera” di individuazione, solo una scala di agency relativa a specifici cicli percezione-azione.

Nell'ambito della relazione agente-arena, quale ruolo svolgono gli artefatti che generano opportunità — potrebbero gli artefatti stessi minimizzare l'errore di previsione e auto-evidenziarsi, facendo dell'agente la parte esterna di un Markov blanket condiviso?

Non esiste una risposta semplice a questa domanda. Il principio dell'energia libera implica una simmetria totale tra un agente e il suo ambiente – l’ambiente (inteso nel suo insieme) è “auto-evidente” con l’agente come suo ambiente. Una buona teoria della cognizione dovrebbe integrare ciò che gli enactivisti chiamano "asimmetria interattiva": il fatto che l'agente abbia l'unica capacità di definire i termini dell'interazione, il che risuona con il requisito del FEP secondo cui gli “stati esterni” sono stati su cui l’agente può formare credenze – stati cognitivamente significativi per esso. Gli artefatti probabilmente vincolano il modello di sé di un agente in modo tale da costituire la normatività (vedi Guénin-Carlut e Albarracin, 2023, “On Embedded Normativity — An Active Inference Account of Agency beyond Flesh,” OSF Preprints), aprendo la strada a un modello completo di agenzia incorporata e distribuita – senza che gli artefatti siano agenti in sé, ma piuttosto fungano da mezzi attraverso i quali veri agenti coordinano. Il fondamento formale per questo è ancora in fase di sviluppo; vedere anche Guénin-Carlut (2022), “Physics of Creation — Symmetry Breaking, (En)Active Inference, and Unfolding Statespaces,” OSF Preprints.

Qual è la relazione tra la dinamica degli errori e la precisione dei messaggi di errore/prior?

La precisione, all’interno di Active Inference, è intesa come la confidenza di una data previsione — precisamente, l'inverso della sua varianza. Un buon riferimento è Feldman e Friston (2010), “Attention, Uncertainty, and Free-Energy,” in Frontiers in Human Neuroscience.

La lezione di Ben White sui "Fondamenti dell'Inferenza Attiva" citava la teoria di Lisa Feldman Barrett su "emozioni costruite" — perché evidenziare una visione che afferma che le emozioni emergono dalle previsioni del cervello quando l'evidenza e il "triangolo di prioritizzazione" di Mark Solms si oppongono a essa?

Una rapida ricerca ha evidenziato articoli in cui Solms sostiene che la mente predittiva spiega ampiamente via la coscienza (vedi Solms 2019, “Il problema difficile della coscienza e il principio dell’energia libera”, Frontiers in Psychology, e Solms 2020, “Nuovo progetto per una psicologia scientifica: schema generale”, Neuropsicoanalisi), che andrebbe valutato più specificamente rispetto agli argomenti particolari che la persona interessata ha in mente come prove convincenti contro la predizione alla base delle emozioni.

C’è uno spazio con argomenti per l’assegnamento scritto volontario dei partecipanti che vogliono scrivere uno ma hanno bisogno di domande di ricerca o argomenti per saggi guidati?

Il corso non proponeva argomenti predefiniti, ma gli organizzatori erano disponibili a discutere idee su argomenti specifici direttamente con i partecipanti interessati tramite i canali di contatto del corso.

Come possono i modelli computazionali basati sul Principio dell'Energia Libera aiutare a comprendere la dinamica dei comportamenti collettivi in specie non umane e ambienti digitali, come reti sociali o giochi multigiocatore online?

L'approccio generale consiste nel modellare le dinamiche collettive modellando i sistemi individuali come minimizzatori di errore di previsione — un approccio più informativo, sebbene formalmente equivalente, a un trattamento classico dei sistemi dinamici. Vedi Heins, Millidge, da Costa, Mann, Friston e Couzin (2023), “Comportamento collettivo dalla minimizzazione della sorpresa”, arXiv.

Come sono integrate nelle rappresentazioni interne di un agente le credenze di ordine superiore sul fare "migliore del previsto" nella minimizzazione dell'errore predittivo, dato che i prerequisiti fondamentali (ad esempio, quelli omeostatici) stabiliscono un livello di base di minimizzazione attesa dell'errore?

Questa domanda è stata presentata per discussione; non è stata registrata una risposta completa nel materiale distribuito.

Come può o come fa un quadro o una teoria di ogni "cosa" articolarsi con considerazioni morali, normative, etiche o deontologiche?

Gli enactivisti hanno affrontato questo in qualche modo, passando dall'individuazione biologica verso una teoria dell'etica — vedi Varela (1999), Come acquisire la conoscenza etica: azione, saggezza e cognizione (Stanford University Press), e, sulla virtù senza sforzo, Slingerland (2014), Provando a non provare (Canongate Books). Una tensione ricorrente nel dibattito: le affermazioni normative portano con sé obiettivi (direttivi o aspirazionali), quindi "ciò che è" non può direttamente fondare "ciò che dovrebbe essere" — la natura non è di per sé moralmente motivata, sebbene l'individuazione biologica sia radicata nella base autopoietica dell'agente. Gran parte del lavoro esistente qui è descrittivo (come le etiche e i valori si distribuiscono effettivamente tra le popolazioni) piuttosto che normativo, e conseguentemente sono difficili da ottenere risultati positivi prescrittivi; una intuizione candidata sollevata era che l'empowerment distribuito traccia "bontà", nel senso che un sistema che occupa il suo posto più atteso sta bene secondo i propri occhi, riecheggiando la cornice del "migliore dei mondi possibili" di Pangloss contro un mondo "più probabile" bayesiano.

Quali sono le sfide e le potenziali soluzioni nell'utilizzo di Active Inference per modellare comportamenti collettivi in vari vincoli ambientali?

Ogni modello richiede la scelta di cosa includere ed escludere – condizioni iniziali e limite, e come lo spazio di stato rilevante sia specificato, dato che nuovi spazi di stato possono sorgere nel tempo (vedi Guénin-Carlut, 2022, “Cognitive Agency in Sociocultural Evolution”, OSF Preprints). Queste restrizioni di modellazione generali si applicano a qualsiasi quadro. Il vantaggio comparativo dell’Active Inference risiede nel modo in cui specifica i vincoli e le spiegazioni: cattura una dualità tra vincoli informativi e le credenze, le intenzioni e i desideri che un organismo possiede, in un modo che non può essere fatto da quadri puramente non rappresentazionali (ad esempio, l’apprendimento hebbiano, dove nessun “credenza” o “norma” emerge come entità causali non banali) e quadri puramente rappresentazionali (ad esempio, la teoria dell’utilità classica, che deve pre-specificare gli stati intenzionali). Ciò si collega a una questione più ampia di quali “linguaggi della natura” complementari e non riducibili siano per descrivere lo stesso fenomeno – vedere Baez e Stay (2011), “Physics, Topology, Logic and Computation: A Rosetta Stone”, in New Structures for Physics; Fuchs e Schack (2011), “A Quantum-Bayesian Route to Quantum-State Space”, Foundations of Physics; e Felin, Kauffman, Koppl, e Longo (2014), “Economic Opportunity and Evolution: Beyond Landscapes and Bounded Rationality”, Strategic Entrepreneurship Journal.

Dove i partecipanti possono trovare le liste di lettura consigliate menzionate nelle lezioni?

Le slide della sessione, ove disponibili, erano allegate direttamente a ciascuna sessione del programma di studio del corso; la rivista Active Inference cura inoltre trascrizioni e materiali di lettura relativi al corso.

Risorse correlate

Link pubblici per questa pagina

I collegamenti esterni vengono risolti dal registro condiviso, quindi le destinazioni visibili ai visitatori rimangono centralizzate e verificabili.

Repository / Projects

GitHub organization

Audience: Developer

Public GitHub organization for Institute repositories and open-source work.

projectsgithub-org
Repository / Projects

GEO-INFER repository

Audience: Developer

Geospatial modeling repository connected to ecological and bioregional applications.

projectsgeo-infer

Pagine ufficiali

Superfici istituzionali ufficiali

Repositori

Repositori open-source correlati

Repository / Research

act_inf_metaanalysis

Audience: Researcher

Computational meta-analysis of Active Inference literature with nanopublication and knowledge-graph outputs.

TeX / 4 stars / updated 2026-05-04

researchknowledgetex
Repository / Research

Active_Inference_Ontology

Audience: Researcher

Ontology-oriented repository for shared Active Inference concepts and decentralized science knowledge infrastructure.

Unspecified / 14 stars / updated 2026-05-18

researchknowledgeunclassified
Repository / Projects

ActiveBlockference

Audience: Developer

Notebook-based applied Active Inference work connected to blockchain-adjacent and generative modeling examples.

Jupyter Notebook / 33 stars / updated 2026-05-27

projectrepositoryjupyter-notebook
Repository / Projects

ActiveInferAnts

Audience: Developer

Python models and materials for ant-inspired multiagent Active Inference.

Python / 29 stars / updated 2026-05-18

projectrepositorypython
Repository / Research

AEOS

Audience: Researcher

Active Entity Ontology for Science

Unspecified / 8 stars / updated 2025-05-27

researchknowledgeunclassified