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。
心理学者、計算機精神病学者および臨床研究者がactive inferenceが認知、感情、そして療法的な変化に対する検証可能な枠組みとしてのメカニズムであると評価する心理学者
心理学の核心的な問題は、生成モデルを用いて推論と制御として再解釈された Perception、感情、自己、および心理障害です。
このページで
活性化推定と自由エネルギー原理は、脳を階層的な生成システムとしてモデル化し、感覚データの隠れた原因を予測し、期待される不確実性を最小限に保つために行動するという。この形式論法は、過去10年間理論神経科学から心理科学と臨床 psychiatryへと移行し、感情、内脏感知、自己意識、社会的認知、療法、精神障害の文献が増えてきた。しかし、この literature は方法論的に若く、多くのモデルはまだシミュレーションと理論レベルに留まり、比較的大規模な実験テストが少ないことから、転換ツールも限られている。
心理学は、organismsが不確実性を管理する方法について fundamentally です： ambiguous sensory signals を解釈し、信念を形成し、身体と感情を調節し、部分的に観察可能な状況で行動を選択します。Active inference ではこれらの機能を、生成モデルの下での確率的推論の例として捉えています。 Perception は隠れた状態を予測し、学習はモデルパラメータを更新し、Action は期待自由エネルギーを最小化して希望される観察をサンプリングします。これにより、長く qualitative 形で説明されてきた心理的構造—スキーム、評価、防御メカニズム、対策—which に具体的な数学的な治療を与えることができます。たとえば、不安定な偏見を持つ脅威の評価を事前分布として捉え、危険性を重視し、過敏な警戒心を引き起こす行動をモデル化します。
2024年の『心理学・精神病学におけるActive Inferenceのレビュー、「現在までの進展」』は、感情、内省、自己性、社会的知能、および精神障害に関するアプリケーションを調査し、このフレームワークがこれらのサブフィールドを統一する可能性があることを主張しつつ、厳密な実証的なテストの必要性を強調しています。リサ・フェルデマンバートレットの構築された感情理論は、内省的と外在的入力を用いてストアードコンセプトに基づく推論を使用し、これは内省的障害学習不安を「学習した不確実性」として拡張し、allostaticモデルによるうつ病や依存症の理解、最適な推論下での自己モデルの欠如による Addiction と、 schizophrenia の否定的な症状が自身の行動の結果を予測できないこととしています。カウンセリングテラピーもコンピュータ化され、CBT やコヒーランス療法のための活性インフェクションモデルを使用して介入が事前確率と政策を再評価する様子をシミュレートしています。
主な計算基盤として、離散状態空間でのactive inferenceに関する研究が挙げられ、「Active inference on discrete state-spaces: A synthesis」で紹介されているアルゴリズムが、カテゴリカル生成モデルの評価、政策評価、信念の更新に使用され、その後の計算 psychiatryへの応用を支えています。報告書はまた、UCLのKarl Fristonグループと関連するMATLABルーチンや、Pythonベースのパッケージを使用して行動タスクデータに基づいてモデルをフィットし、事前確信と精度の個々の違いを推定することも指摘しています。CBTシミュレーションモデルには患者専用の事前確信と好みを持つ可変なコードが存在しますが、コherence療法モデルは実装ソフトウェアではなく理論的なものに留まっています。報告書は、完全に展開された基盤となるactive inferenceに基づく臨床システムがまだ稀であることを明示的に指摘しています。
レポートは、アクティブインフェリエンスの Normative クライム（agents が自由エネルギーを最小化する）と実際の人間行動のしばしば非最適で文化的および状況的に形状付けされた多様性との間の核心的な張力について指摘し、高次元の事前確率、精度項、そして好みによるモデルの識別リスクも考慮に入れています。説明レベルでの検証は薄い：多くのモデルは単純なタスクにテストされ、生態的有効性が限られています。また、自意識、自己と人格に関する主張は、データに基づいていない conceptual なものが多いです。レポートは、ニューロン、生理学的、行動的、そして自覚的なデータをモデルパラメータとリンクする長期間の多モードの研究、代替フレームワーク（ reinforcement learning）との比較、アクティブインフェリエンスに基づく介入に対する制御試験、包括性、個々人および文化的な違い、そしてモデルベースの行動予測の倫理的側面を含む臨床的な翻訳に向けた取り組みを求めています。
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. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv. 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
心理的構築物——感情分類、評価、自己概念、関係期待は、生成する内感覚、外感覚、および行動観察を生じさせる隠れ状態として instantiated します。
政策選択は、知的（情報探求）と外在的（目標探求）の価値をバランスさせることで、動機、回避、依存、そして療法的な変化を期待自由エネルギー地形の移り変わりとしてモデル化します。
報告によると、心理療法や精神医療分野のアプリケーションは、シミュレーションと理論レベルに留まっています。大規模な実証的検証が限られており、少ない臨床的なツールも存在しません。
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
External paper repository surfaced from the official research page.
Audience: Researcher
Reachable arXiv reference surfaced from the official research page.