このページは機械翻訳によって英語から日本語に翻訳されました。 英語のオリジナルをご覧ください。
研究者、教育者とインstituteのメンバーが教える、学ぶ、カリキュラム設計に関する計算と理論モデルを探索する。
教室を多_agent_生成モデルとして再定義し、学生と教師が予測誤差と期待自由エネルギーの最小化を共に追求する。
このページで
教育は世界や他者の Minds に関する不確実性を減らすための社会的に組織されたプロセスであり、これは活性化推定と自由エネルギー原理に最も適している archetype である。この領域では、まだ実際の教室で活性化推定を直接検証する直接的な経験論文が少ない小規模ながら成長中の peer-reviewed 文献があります。この文献は、学生や教師を代理人として階層的生成モデルを作成し、期待された自由エネルギーに基づいて政策を選択し、予測誤差を通じて信念を更新することに焦点を当てていますが、これらの論文は概念的なものであり、実際の教室での活性化推定の直接的な検証はまだほとんどありません。
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。
関連文献は三つの層に分けられます：一階層目には、Fristonの自由エネルギー原理、予測コーディング、そしてバイオインフォームツク・ブレインのアカウンタントが含まれます（これらの理論は、現在の証拠が「バイオインフォームツク・ブレイン」の主張を実際のリアリストの読み方で支持しているかどうかについての批判によって制限されています）；二階層目には、認知神経科学と臨床神経科学における行動とニューロンデータにフィットする実証的なアクティブ・インフェアランス研究（例えば、ドーパミンの確信度のエンコーディング、視覚的探索が知識のエピステマリック行動であるという仮説を示す、精神障害のトランシディアンス的研究）があります；そして三階層目には、教育に直接関連する論文の小さなセットが含まれます。この第三層は、ロイヤル・ソサエティの「アクティブインフェアランスが学校へ：教室でのアクティブ学習の重要性」とテイラー&フランシスの「アクティブインフェアランスと教師開発」の二つの peer-reviewed の記事を含みます。また、ニューロピーシャル・サイクルにおける予測コーディングの神経生理学的研究も含まれており、これは練習中に状況と既存の知識が階層的に統合されるという事実を示しています。報告書はこの直接的な教育文献をまだ発展途上だと評価し、概念的なマッピングに焦点を当てているだけであることを強調します。
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。
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。
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.
キーの表面
学習は予測誤差を減らすために情報の積極的な探求としてフレームされ、受け入れたコンテンツへの静的受容ではありません。
教育的选择は、学生の理解について期待自由エネルギーを最小限に抑える政策選択としてモデル化されます。
教育に直接形式化された論文はたったの二篇だけであり、まだ実装されたアクティブインフェクションに基づいたクラスルームシステムはありません。
関連リソース
外部リンクは共有レジストリから解決されるため、訪問者向け目的地は中央集権的かつ確認可能な状態が保たれます。
Audience: Researcher
Research and publication-oriented repository for the Active Inference Journal.
Audience: Researcher
Reachable arXiv reference surfaced from the official research page.