Active Inferenceと教育

このページで

セクション

教育とは、世界や他者の心に関する不確実性を低減するための社会的に組織化されたプロセスであり、Active Inferenceと自由エネルギー原理にまさに合致するものです。査読済みの研究はまだ少ないものの、学生と教師を階層的な生成モデルを構築し、期待自由エネルギーの下で方策を選択し、予測誤差を通じて信念を更新するエージェントとして形式化する試みが始まっています。しかし、この文献は概念的なものにとどまっており、実際の教室におけるActive Inferenceの直接的な実証的テストはまだほとんど行われていません。

なぜそのドメインが合っている

認識、行動、学習を生成モデルの驚きを下限する自由エネルギー関数を最小化することで捉え、アドベントゥラント・インフェーザーは、教えるインタラクションがこのサイクルをスケールアップさせる：学生は概念と自己効力感についてフィードバックから更新し、教師は学生の知っていることを不確実なテストスコアや行動から推測しながらカリキュラム構造を設計する。階層的な生成モデルでは、上位レベルが遅いコンテキストの規則性を記述し、下位レベルが速い感覚の詳細を記述します。自由エネルギー原理の予測誤差が非効力的でないことを要求することに対応する「適切な開発範囲」などの概念があります。クラスルームはマルチア gent であり、部分的に観察可能である：教師はテストスコアや行動からのノイズ信号から学生の知識と感情を推測し、学生は限られたフィードバックから評価基準とタスク要件を推測します。これにより、双方の知的と実用的な価値がすべての戦略選択にstakesされます。

文献の状態

関連文献は3つの層に分かれます。成熟した基礎基盤（フリストンの自由エネルギー原理、予測符号化、ベイズ脳の説明。ただし、「ベイズ脳」の主張を文字通り現実主義的に解釈することを現在の証拠が支持するかどうかを疑問視する批判によって緩和されています）。認知的および臨床神経科学における経験的アクティブ推論研究（例：結果の確実性のドーパミン作動性符号化、認識行動としての視覚探索、探索-利用学習の横断的診断精神医学研究）は、これらの研究が教育ではなく知覚と精神病理学を対象としているにもかかわらず、このフレームワークが実際の行動および神経データに適合できることを示しています。そして、教育に直接取り組む少数の論文です。この第3の層を支えるのは、査読済みの2つの論文です。王立協会の「アクティブ推論が学校に行く：教室におけるアクティブラーニングの重要性」と、テイラー＆フランシスの「Active Inferenceと教師の育成」です。これらに加えて、練習中の文脈と事前知識の階層的統合を示す、スキル学習におけるシーケンス依存予測符号化の神経生理学的研究があります。この報告書は、この直接的な教育文献を、大規模な経験的検証よりも概念的なマッピングに焦点を当てた、まだ出現途上のものであると特徴づけています。

キーコンピュージョンとツール

Active inference goes to school」は、学生と教師が内容や相手についての信念を持つクラスルームの相互作用を生成モデルで捉え、質問したりグループを作ったりするような行動を政策選択として扱い、知識的価値と実用的な価値間でトレードオフを行うようにします。これにより、アクティブな学習型教育は、静観的な指導よりも優れると主張します。「Active Inferenceと教師の成長」では同じアパラックを教師に適用し、専門的な成長を生成モデルの改良として捉えます。過度に正確な「何が効果的か」という事前確信は適応性の練磨を妨げる一方で、カスタマイズされた不確実性は試行錯誤を支援します。プラクターフィニッシュ向けの翻訳 - 「予測教室」プロジェクトとデヴォン研究校の予測処理への導入では、教師が予想される事前知識を引き出すと同時に誤りを再解釈するというアイデアを示します。ただし、形式的なモデル化や実証評価は含まれていません。このレポートは、まだ完全に展開された、全般的なActive Inferenceに基づくチューター支援プラットフォーム、評価ツール、または教室システムはありませんと明確にしています。近いコンピュータの類似物は、他の分野で使用される自由エネルギーベースの再現学習目標や、ビショップの論文におけるシミュレーションと目的関数の建設です。これらは classrooms 用ではありません。

未解決の問題

報告は、積極的インファーサンを検証する事象として、学習の中心的な開かれた問題であると説明し、バイオーベイジアン脳批判の懸念と共通点を見つけている。それは現在の実験的積極的インファーサン作業で使用されている小規模で明確に定義された実験タスクから、多代理体型の大規模な長期的な複雑さを持つ実際のクラスルームまでを拡大する事象が、また、規範設計原理（ classrooms はどのように構造化すべきか）と説明的主張（学生は実際にどのような行動をするのか）を混同するリスクも指摘している。報告では、高リスク決定に暗黙の特性を含む生成モデルに対する倫理的なおよび実用的な懸念、そしてこれらのモデルにモチベーション、感情、社会的アイデンティティを統合する事象について概念的なギャップも指摘している。優先事項は、期待自由エネルギー予測と再強化学習の代替をテストする制御された行動実験、ニューロピシフィックの予測コードワークのクラスルームタスクへの拡張、長期的なクラスルーム観察、低リスクのパイロット実装。

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. 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. 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