Active Inferenceと計算ツール

このページで

セクション

アクティベートインフェリエンスは、実装するコードの有用性にのみ依存します。エコシステム全体では、いくつかのツールチェーンが実用的な重量を担っています：離散状態シミュレーション用のPythonパッケージ、大規模な反応メッセージ転送用のJuliaフレームワーク、理論の起源となった古いMATLAB統計プラットフォーム、そしてロボティクスで自由エネルギー最適化と論理計画を組み合わせたシンボリック理由付けシステム。このページでは、そのツールチェーン、インストラクトに関連する開発と学習活動、そしてそれらが単一の統一されたソフトウェアスタックに結びつかない分断について調査します。

なぜそのドメインが合っている

variationalと期待自由エネルギー最適化は数学的に定義されていますが、Active Inferenceの各アプリケーション——ロボット腕から精神病モデルまで、政策シミュレーションまで——は最終的には生成モデル実装、推論エンジン、そして数値バックエンドに基づいて動作します。ここでは異なるツールチェーンがそれぞれここでコミットしています：離散部分観測マルコフ決定過程 versus 持続的な状態動力学、バッチ計算 versus 反応性ストリーミング、手作成の生成モデル versus 学習されたもの、そして信念と目標の信念と目標の数値 versus 符号的表現。 Instituteの他のドメインページはそれぞれActive Inferenceを各分野に適用しているため、このページでは理論から実際のシミュレーションへのモデル者が取り入れるツールチェーンを共有する計算層を説明します。

四つのツールチェーン、四つのパラダイム

PyMDP は離散状態マカロニープログレッション環境でのアクティブインフェリエンス代理人のシミュレーションを目的としたピーダイポケコッパです。モデル者はこのパッケージを使用することで、ポムドープスタイルの生成モデルを持つ、隠れ状態の変分推論と期待自由エネルギーに基づく政策選択を行うことができます。BIASlab の BIASlab で開発された RxInfer.jl は異なる道を進みます：フォーネー・ファクターグラフではなく、バーズグラフや明示的なポムドープから反応メッセージの交換を行いますので、推論はイベント駆動であり、固定クロックで実行されるものではありません。これによりストリーミデータと大量のパラメータを持つモデルへのスケールアップに優れた利点があります。Karl Friston が MRC Cyclotron Unit の後期 1980 年代に作成した統計的パラメトリックマッピング (SPM) は、fMRI、PET、EEG データの統計解析プラットフォームです。これはアクティブインフェリエンス自体よりも前に存在し、一般線形モデルとガウシアンフィールド理論の機械が自由エネルギー形式を共に育てました。また今日も歴史的な基盤として使用されつつ、実用的な解析ツールとしても活用されています。Jean-Francois Cloutier の karma_system プロジェクトに基づいて構築されたシンボリック知能ロボティクスは、生成モデルや信念や目標をシンボル的な構造で表現する一方で、期待自由エネルギー最小化により行動を選択します。

インスツルメンタル・インフェ RSSH・開発と学習

RxInfer.jl学習グループは、コードエディター内の基盤となる因子グラフの視覚化技術を含むオープンソース開発でRxInfer.jlの開発者と直接協力する、活発な研究所プロジェクトです。このグループは定期的な同期セッションを実施し、Juliaとベイズモデリングの幅広いバックグラウンドを持つ貢献者を集めて応用プロジェクトに取り組んでいます。シンボリック認知ロボティクスは、研究所に関連するResearch FellowであるJean-Francois Cloutierの作品であり、ロボット計画とシンボリック問題解決の設定でkarma_systemアプローチを実証しました。ロボティクスは、研究所の2番目のApplied Active Inference Symposiumの専用の焦点でもありました。PyMDPは、研究所外で維持されていますが、研究所自身のModelStream学習セッションで取り上げられており、単一のラボツールではなく、より広いコミュニティ全体で共有される参照実装としての役割を反映しています。

未解決の問題

これらのツールチェーンは共通の生成モデル形式、推論アルゴリズム、または数値バックエンドを共有していないため、一つで作られたモデルは他のものに転送するには大幅な書き換えが必要であり、まだ標準化されたベンチマーク-suiteが存在しないことから、精度、速度、スケーラビリティの比較では、各ツールチェーン間での比較は行われていません。離散/連続/シンボリックの分割も意味するため、専門家は一貫したパラダイムに早期にコミットする必要があります：POMDPスタイルの離散ステート、連続メッセージ交換、またはシンボリック表現——各モデル内で組み込むためには限定的なツールが存在しません。ドキュメンテーションやパッケージングの成熟度は大きく異なります：一部のツールはチュートリアルと構造化された学習グループを提供していますが、他のツールは研究コードよりも分布ソフトウェアに近い状態です。アクティブインフェリエンスの他のアプリケーション分野同様、採用や性能優位性の主張は、証明済みのプロオブジェクトと活発なコミュニティ開発に基づいていることが多く、確立された代替品とのシステム的な独立した比較にはまだ対応していません。

リファレンス・バックボーン

Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. 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. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). Active Inference: The Free Energy Principle in Mind, Brain, and Behavior. MIT Press. 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.

次の最適な行動

何に行きましょう

Project repositoriesProjects Active Inference overview フィルタリングされたリソースグローバルディレクトリアクティブインファレンス Active Inferenceとロボティクス

キーの表面

Active Inferenceと計算ツール一覧

四つのパラダイム、一つの原理

Pythonの離散POMDPシミュレーション、Juliaで反応的なファクターグラフメッセージ転送、MATLABでの統計的ニューロイメージング、そしてロボティックスにおける符号化 reasoning は全て自由エネルギー最適化を実装していますが、これらは共通のモデルフォーマットや推論エンジンを持たない。

SPMは理論を現在支持する前に存在していた

SPMは1980年代後半に統計手法として脳成像解析のための技術として始まり、活性化推論が正式化される前にその一般線形モデルとガウシアンフィールド理論の研究は自由エネルギー原理自身を形成し、進化させました。

インストライトによる開発、インストライト寄りのツールだけに止まらない

RxInfer.jl学習グループは、フレームワークの開発者と直接協力してオープンソースに貢献し、Symbolic Cognitive RoboticsはInstitute Research Fellowによって構築および実証されており、これはInstituteがツールチェーンの貢献者であり、単なる適用者ではない1つのドメインです。