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。
計算とシステム神経科学者、認知科学者、そして脳機能および精神障害のための活性推定モデルを構築または評価するインstituteの研究者
自由エネルギー原理が、知覚、行動、学習のための統一理論の候補である - そしてそれをテストするためのまだ必要な証拠
このページで
Active inferenceは、脳を世界の内部生成モデルを持つシステムとしてとらえ、認識、行動、学習を通じてvariational free energyを最小限に保つというフレームワークです。この理論は2010年のKarl Fristonの「統合した脳理論」のpaper以来、神経科学がその主な試験場所であり、そのアイデアがどれだけ押し進められるかをテストしてきました。このページでは、その文献が実際に示すもの、研究者が使用するモデルパターンとツール、そしてまだActive inferenceからvalidated neuroscientific theoryへの分離点は何であるのかについて surveyします。
認識は感覚データの隠れた原因に対する推論、行動は期待を満たす観察の選択として、そして学習は生成モデルのパラメータの緩やかな調整として、このフレームワークが必要とする階層的な生成モデルに自然な基盤となる階層化された生成モデル。アクティブインフェリエンスは、感知と制御を単一の推論ループを通じて結びつける予測コーディングのaccounts of perceptionを拡張し、行動と政策選択を含む推論ループとしてモデル化します。期待自由エネルギー最小化という単一の目的を通じて。
文献は、基礎的なものとレビュー記事の比較的小規模なセットが根ざしています - Fristonの2010年のNature Reviews Neuroscience記事、感知と行動に対するvariational free energyを形式化する仕事、そして後でニューロサイエンティストに原理の仮定と範囲を明確にするための説明的なレビューです。シミュレーションベースの応用はここから深まる時系列モデル（例：読書）、眼球運動、作業記憶と注意、多巴胺ニューロモードルレーション、そして繰り返しの政策最適化から習慣の出現までを模倣します。離散状態の形式化は、部分的に観察可能なマルコフ決定過程として扱われることで特に影響力があり、視覚検索や目標指向的な計画などの認知タスクをモデル化するのに使われます。このすべての仕事は、University College LondonとWellcome Centre for Human Neuroimagingの中心グループを中心に始まり、Thomas Parrが離散状態の形式化で重要な協力者でした。そして、計算 psychiatryとmorphogenesisに広がっています。
視覚運動の最も明確なニューロポスフィシologicallyに基づいた証拠は、ビッグベイズフィルタリングを使用して計画を推論するシミュレーションです。これは、瞬間視と滑らかな追尾眼動きの生成にメッセージ交換構造が脳幹と小脳の接続と、関連核からの単一ユニット記録でマッピングされていることを示しています。ドーパミンは、政策に対する精度（信頼度）をモデル化され、シミュレーションでは tonic ドーパミンレベルが探索 versus 組織化と運動の強さに影響を与えています。これらの変更はパーキンソン病と schizophrenia の観点から見ることができます。実装は主に MATLAB 基盤の SPM 生態系とそのダイナミック期待最大化 (DEM) モジュールを使用して連続状態モデルを扱うため、Python ライブラリが使用された離散状態 POMDP 式のモデルを使用した認知タスクシミュレーションで、これらのツールは研究コードであり、標準化されて広く配布されているソフトウェアではありません。
報告は生物学的な可能性が未解決であると指摘する：近似自由エネルギーの勾配降下を模倣するネットワークモデルは、振動やアトラクターダイナミクスを再現しますが、実際のニューロマトリックスにおける具体的な生物物理的メカニズムと、浅いピラミッド型細胞のような予測エラーをエンコードするマッピングは、依然として仮説的なものであり、ほとんど試されていません。大規模な状態空間を超えた生成モデルの展開は、第二の未解決のコンピューターコンテキスト上の課題です。第三の問題は実証的否定可能性です：批判者は自由エネルギー原理が広範で、否定を拒否する余地があると主張し、報告書では、アクティブインフェクションの予測（エピステミック探索、精度重 weighs neuromodulation）から reinforcement learning と predictive coding の代替物との間での区別が必要であると呼びかけます。計算 psychiatryにおける臨床応用は依然として promising ですが、初期段階であり、理論的およびシミュレーション的な作業に主な焦点が置かれていますが、大規模で validated ペーストデータセットにはほとんどありません。
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.
キーの表面
視線移動と滑らかな追尾の活性推定シミュレーションは、脳幹/小脑回路と単位記録にマッピングされ、この領域で最も神経生理学的に根ざした示証となっています。
ドーパミンのリズムは、政策に対する信頼感（精度）をモデル化し、報告書がパーキンソン病と schizophrenia だけでなく、古典的な報酬予測誤差論だけに焦点を当てていることを結びます。
計算機的精神醫學應用は、理論的でシミュレーションベースのものであり、まだ大規模な患者データに検証されていないか、臨床的なツールに導入されていない
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.