적극적인 인ferencing과 농업 | Active Inference Institute

이 페이지에서

섹션

agriculture는 기본적으로 불확실성 아래로 인식, 행동 및 적응에 관한 것이며, 식물 생리학, 품종 관리, 지역적 음식 시스템, 그리고 생태계적 기후 동역학을 포괄합니다. 이 보고서는 활동적인 추론과 자유 에너지 원칙이 그 범위에서 어떻게 시작하여 AIpest 감지부터 지속 가능한 식량 시스템의 지도에 이르는지 조사하고, 학술적 증거와 더 허구적인 산업적 주장 사이를 구별합니다.

{domain}가 맞는 이유 무엇인가요

농부와 농업 시스템은 소금 분무, 토양 관리, 그리고 기상 등 잡음을 포함한 불확실한 데이터를 지속적으로 assimilate하고, 이를 통해 작물灌溉, 토양 침식, 그리고 해충 제거 등의 활동을 수행합니다. 보고서는 이 과정을 variational과 expected free energy의 최소화를 통해 직관적으로 frame합니다. expected free energy은 epistemic value (예: 해충 탐색, 센서 배치)와 instrumental value (예: 예측된 최적 시간에 작물 수확)으로 나뉘어 작물의 탐색-보다는 확보 trade-offs를 자연스럽게 반영합니다. 농업의 내부적인, 감각적인 그리고 활동적인 상태로 분할되는 biospheric Markov blanket의 구조와 동일한 nested scale이 (예: 시계열 단위의 소금 분무 결정부터 다년간의 토양 복원과 대규모 기후 적응까지) 작물에 맞춰 active inference의 고급 generative 모델을 적용합니다. 보고서는 이 구조를 확장하여 농업 시스템이 biospheric Markov blanket으로 분할되는 내부, 감각적 그리고 활동적인 상태로 나뉩니다.

문헌 상태

보고서는 '활동적 인ference' 이론의 지속 가능한 발전에 대한 엄격한 자유 에너지 원칙(work)을 포함하는 자유 에너지 원칙과 관련된 생태계 theory에서부터 로봇ics 및 센서 네트워크 정보-theoretic 사용까지 다양한 적용 사례를 찾습니다. 익명 예시로는 EnhancedTinyCNN 진드기 감지 프레임워크가 인ference 사이클의 에너지 예산을 주도하고, ET0 경계 모니터링 연구가 정수灌溉에 대한 예측 기준을 비교하며, 그리고 활동적 인ference와 동적인 가우스 베이지안 네트워크를 사용한 무선 센서 네트워크 배터리 최적화가 있습니다. 보고서는 성능 향상의 실증적, 실제 세계 증거가 부족하며, 이 문헌 대부분은 실용적이거나 다루기 어려운 개념, 분야를 초월하거나 용어가 불명확하다는 점을 명시합니다.

키 프로젝트와 도구

{Named open-source tooling includes pymdp for building and simulating active inference agents, and the Active Inference Institute's own GEO-INFER (a 44-module geospatial framework whose AlphaEarth subproject supports FAO food-security land-use monitoring) and BioFirm (ecological active inference and ecosystem services). The report also describes the decentralized FarmWorks farm-agent project and industrial claims from VERSES AI applying active-inference-style agents to agrifood supply-chain logistics, alongside deployed prototypes like EnhancedTinyCNN pest sensors and cranberry crop-risk monitoring using deep active inference.}

오픈 문제

보고서는 기계적이 아닌 확률적인 모델을 대상으로 실제 데이터와의 비교 검증이 핵심 기술적 결함임을 지적하며, 대부분의 농업 모델은 주로 시뮬레이션과 소규모 테스트 프로토탈에서 증거를 얻기 때문입니다. 데이터 생태계는 손상된 플랫폼 간에 분산되어 있으며, 데이터 소유권과 지속 가능한 전략이 선택되고 인코딩되는 방식에 대한 규제 질문이 있습니다. 보고서는 농부의 신뢰를 위한 해석 가능성을, 정책적 우선순위가 포함된 타당성 위험을 포함하여 기반 모델의 통합으로부터 사회적/윤리적 위험도 지적합니다. 또한 임상 수준의 검증이 이전되어야만 활동적인 추론 기반 의사 결정 지원이 실제에서 증명될 수 있습니다.

참조 뱅크로스

Karl J. Friston (2010). 자유가 원칙: 하나의 뇌 이론? Nature Reviews 신경과학. DOI: 10.1038/nrn2787. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). Bayesian Mechanics의 물리학과 by 믿음: 이론. arXiv. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). 활동적 추론, 자기 조절 및 적응 행동 제어에 대한 자유가 원칙. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Daniel J. Friedman, Alec Tschantz, Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant (2021). 활동적 추론의 추론인: 베이지안 추론 프레임워크에 대한 암巢 행동 이론. Frontiers in Behavioral Neuroscience. DOI: 10.3389/fnbeh.2021.647732.

최선의 다음 행동