アクティベート・インフェリエンスと都市計画

このページで

セクション

都市計画は increasingly deep 不確実性、多スケール動態、および heterogenous ポストステイクホルダーの条件下で increasingly 関係し、古典的な均衡や静的最適化アプローチが increasingly 少なくなります。 Active inference は、自由エネルギー原理に基づいています。これは不確実性と行動を統合するためのフレームワークであり、教育活動、行動、および学習において評価され、レビューされており、また preprint ワークもその適用に取り組んでいます。交通信号制御、多代理体エネルギー最適化、都市水管理、地理空間土地使用モデルなど concrete なプロジェクトとツールを生み出し、まだ解決すべき open 問題のリストを作成しています。このページは、その文献の状態、適用パターン、具体的なプロジェクトとツール、およびまだ解決すべき問題について総括します。

なぜそのドメインが合っている

都市計画は、広範で不確実なセンシング（交通カウント、エネルギーと水の流れ、土地利用パターン、社会指標など）に基づいており、これは活性推論の観測に直接対応し、その代理人が潜在的な状態を予想するための要因として使用します。それはまた政策選択と制御について fundamentallyであります - 関連性（ zoning、インフラ投資、操作ルール、ガバナンス構造など）は、活性推論が自由エネルギーに関するエピステミック（不確実性を減らす）と pragmatics（結果を達成する）の観点から選択される行動として扱われます。都市はまた非スタティック（人口動態変化、新技術、政策変更）、多スケール/多代理者（交差点から地域まで、全体のシティストラテジー）であり、これは階層的で継続的に更新される生成モデルが設計されています。

文献の状態

基礎理論は、Fristonの注意力、不確実性、自由エネルギーに関する研究（認識動態とvariational inference）および計画/航行が活性インファーサンであるというFristonの研究、そしてNarrative-as-active-inferenceアカウント（Frontiers in Psychology）を通じて集団レベルの推論機能がどのように機能するかについての説明から来ています。都市水管理の2つの分野で実践的で査読されたワークアウトは存在します：Karpouzoglouと同僚（Ecology and Society）は、状態強化知識インフラストラクチャが適応的なガバナンスを支援するように設計されていることを分析し、そして建築の分野ではBEACON（Frontiers in the Built Environment）はActive Inferenceシミュレーションオントロジーを使用して隠れた建築設計知識を表現します。交通制御の仕事——SUMOに基づく活性インファーサンコントローラーと、ノイズのある非ステーションリティIoT環境での適応的な信号制御に関するarXivプレプリントはまだシミュレーション/プレプリント段階であり、同様に隠れたパラメータの多いPOMDP（大規模なパラメータの多いポムドール）に対する活性インファーサンのツリー探索と並行して、都市インフラストラクチャと持続可能な移動に関する可変ベイジアン reinforcement learningが適用されています。

キーコンピュージョンとツール

レポートは異なる成熟度段階での5つの具体的な実装を名付けました：SUMO（Simulation of Urban MObility）の活性推論交通信号制御器がルールベースの基準バリアント（シミュレーションプロトタイプ）と比較された；アーキXプリントでこれをノイズのある非ステーションリアルなIoTセンサ環境に拡張した（プレプリント）；エコネット、アラン・タイングルーティン研究所のスマートビルディングでの都市エネルギー最適化用のマルチ_agent活性推論システム、テューリング大賞展示で示された（デプロイドディスプレイ）；BEACONの建築環境の tacit知識用の活性推論オントロジー；そしてGEO-INFER、Active Inference Instituteのオープンソースツールキットと地図情報から土地利用分類を行う活性推論代理人を構築するためのガイド（ツールキット/実装）。

未解決の問題

報告はスケーラビリティが最も重要な課題であると指摘する：実際の都市では、これまで試験されたシミュレーションや demonstrators の州空間が大きく、より複雑な動態を持っているため、より扱いやすい階層的な推論が必要であり、最終的には、長期間のパフォーマンスデータを含む大規模なシミュレーションと実際のパイロット展開が必要である。また、人間の行動と叙事行為を生成モデルに統合する未解決の作業、描述的使用の活性推論（水管理に関する論文のようなインスタンスで既存の機関がどのように動作しているかを説明すること）と Normative 使用の活性推論（BEACON、GEO-INFER、EcoNetのような新しいコントローラーを設計すること）との統合、そして生成モデルに計画に関連する予測と目的を組み込むための共有基準と評価基準の確立、そして計画に関連する生成モデルに組み込まれる前提と目標に対する倫理的、法的なおよび政治的な問題」についても識別している。

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. 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. 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. Pablo Lanillos, Cristian Meo, Corrado Pezzato, et al. (2021). Active Inference in Robotics and Artificial Agents: Survey and Challenges. arXiv. DOI: 10.48550/arXiv.2112.01871.

次の最適な行動