Active Inference Institute Act. Infer. Serve.
KO

이 페이지는 기계 번역된 영어 페이지입니다. 영어 원본 보기

기후 과학자, 지구 시스템 모델러, 지속 가능한 개발과 자원 관리 연구자 및 활동적 인퍼런스가 기후 지능과 천체 관리를 위한 프레임워크로 평가되는 활동적 인퍼런스에 대한 인스티튜트 fellows

적극적인 인퍼 encing과 기후 과학

지球시스템 데이터 조정, 생성적 기후 모의 및 정책-불확실성 아래에서 아직은 이론화하거나 통합하지 않은 활동적인 인퍼레인에 대한 초기 형태가 이미 있다. 그러나 이렇게_frameed_또는_unified_된 상태다.

Research resourcesActive Inference overview

이 페이지에서

적극적인 인퍼 encing과 기후 과학 가이드

최선의 다음 행동

적극적인 인퍼 encing과 기후 과학 경로

이 페이지의 가장 강력한 신호 공공 링크부터 시작하고, 관련 자원 및 디렉토리 뷰를 계속 살펴보세요.

Research resourcesResearchActive Inference overview필터링된 자원글로벌 디렉토리활성 추론활生生한 활동적 추론

기후 과학은 이미 백베이esian 필터링, 생성 모델ing 및 깊은 불확실성 하에서의 결정을 실행하는 활동 인퍼전에 rarely 부르지만 기준으로 작동하고 있습니다. 이 보고서는 기후 감지, 모델 업데이트 및 정책 선택을 하나의 자유 에너지 최소화 문제로 볼 것을 주장하며, 이 가설이 논리적으로, 시뮬레이션 테스트에서 그리고 아직은 꿈만 같은 곳에 있는지를 살펴봅니다.

{domain}가 맞는 이유 무엇인가요

자연환경 변화에 대처하려는 모든 시스템은 조건부 자유 에너지 최소화를 통해 다양한 자유 에너지를 최적화하여 인식, 행동 및 학습을 하나의 과정으로 통합합니다. 기후 과학이 이러한 구조를 제공함: 부분적이며 잡음이 있는 관측 스트림 (위성, 유동체, 수온 측정기), 데이터 assimilation을 통해 추론되는 숨겨진 상태 및 전략적 선택에 대한 순차적인 정책 결정은 깊고 구조적 불확실성을 가지고 있습니다. Kleidon의 지구 시스템의 테rmodynamic 분석이 지속적으로 자유 에너지를 생성하고 소산하여 생명을 유지하기 위해 비정형적이고 불균형한 조건을 생성함으로써, 이 프레임워크는 물리학적 및 인지학적 기반을 갖춥니다. Ramstead과 동료들은 이를 더 확장하여 기후 무관심은 실제로 지구 전체의 인식 시스템이 생물학적-물리학적 현실에 맞지 않는 전략적 우선순위를 가진 결과로, 이는 적응 부족증상이라는 적응 부족 증상을 나타내는 것으로 주장합니다.

문헌 상태

{Foundational free energy principle work (Friston) supplies the mathematical toolkit, while Kleidon grounds it physically in Earth-system thermodynamics. Ramstead et al.'s peer-reviewed 'Resurrecting Gaia' paper is the most direct conceptual bridge to planetary governance, and Keller's chapter on Bayesian decision theory and climate change is treated as a proto-active-inference precursor — it handles climate thresholds and low-probability high-impact events but lacks active inference's explicit epistemic (information-seeking) term. The most concrete climate-adjacent applications sit in sustainability rather than core climate modeling: Lallée et al.'s peer-reviewed 'agentic rulebooks' framework lets AI governance agents override fixed rule priorities for sustainable cities, and non-peer-reviewed preprints model sustainable resource management in socio-ecological systems using expected free energy. The OpenEarth blog and Denise Holt's IEEE Spatial Web Protocol commentary are non-peer-reviewed vision pieces gesturing at the same direction.}

키 프로젝트와 도구

다양한现有的 도구는 활동적 인퍼런스를 명시적으로_frame하지만, 그들의 '감지' 모듈과 구조적으로 동일합니다: 대기 데이터 적합을 위한 베이지안 복원 집단 필터링, 기상 영역에 적용된 통계적 하강을 위한 포드 러프 딥-_generative 프레임워크, 그리고 온라인으로 기후 동ynamics의 생성 모델을 업데이트하고 상반된 시나리오를 탐색하는 Bayesian 필터링을 사용한 CDSD 원인 기후 모니터링기. 클imate TRACE의 원격 감지 Consortium이 실질적인 활동적 감지를 수행하며, 이는 epistemic term의 예상 자유 에너지에 대한 맵핑을 합니다. deep active inference (베이제안 정책_gradient) 및 예상 자유 에너지 기반 계획의 방법론적 작업은 이러한 아이디어를 고차원 기후 공간으로 확장하는 컴퓨팅 장비를 제공합니다. Active Inference Institute의 생태계는 이러한 노력을 조직적인 허브로서 작동하며, 기후 관련 특화된 배포 시스템이 아닙니다.

오픈 문제

네이밍과 모드 간 스케일을 연결하는 구멍 4개가 있습니다 기후 과정은 박소미터에서 행성 순환까지의 분당 초까지를 아우르고, 그리고 아직 명시적으로 계층적 활동적인 추론 모델이 이에 대한 통합으로 사회-생태학적 및 지배구조 변수와 함께 처리하지 못하고 있습니다. 희한étude과 유偏적이고 비정형적인 데이터로부터 학습: 관측 네트워크는 공간적 시간적 빈도가 있으며, 인간 활동의 강제성은 역사적 데이터가 미래 조건에 대해 부분적으로 대표적이기 때문에 이에 대한 이해를 어렵게 합니다. 윤리적이고 정치적인 과정과 지배구조: 활동적인 추론 자체는 기후 결과, 공정한 교차 포인트 또는 행성 경계 제약이 어떻게 선호도로 인코딩되어야 하는지 해결하지 않습니다 — 이는 참여형 프로세스와 검토가 요구되는 윤리적이고 정치적 선택입니다. 실험적 검증: 보고서는 활동적인 추론 시스템이 실제 데이터 세트를 기반으로 중시 모델(예측 범위 필터, 변환 적합, 통합 진단 모델)과 비교 benchmarking을 수행해야 한다는 명확한 언급을 합니다. 이전 개념적 약속 이후에 연구 분야가 이동합니다.

참조 뱅크로스

Karl J. Friston (2010). 자유에너지 원칙: 하나의 뇌 이론? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Christopher L. Buckley, Chang Sub Kim, Simon McGregor, Anil K. Seth (2017). 자유에너지 원칙을 통합한 행동과 인식: 수학적 리뷰. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2017.09.004. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). 활동적인 추론, 자기 조절 및 적응적 행동 제어: 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). Bayesian Mechanics: 신념의 물리학. arXiv.

주요 표면

{Active Inference}와 {Climate Science}를 간단히 살펴보기

생성적 동격화는 인식

causal气候エミュレータ (CDSD) 및 バイナリィなベイジアン エンsembleフィルタリング은 자유エネルギースタイル의状態 및パラメーター更新을既に実装하고 있어, 이들이 자연스러운 'アクティブ推論' '認識' 레イヤ에 대한 substrate가 됩니다.

정책의 기대 자유能

위험, 불확실성, 그리고 새鮮함을 분해한 정책 선택이 기후 결정에 타당성을 부여하면서 감축과 관찰 및 연구 투자를 함께 가치화하고, 전통적인 비용-수익 모델과 달리

대체적으로 개념적이고 검증되지 않은

외부에서 두 페어리뷰 논문 외에 대부분의 기후 관련 활동적 인ference 작업은 피프린트, 시뮬레이션 또는 블로그 수준이며, 어느 하나도 운영 중인 기후 도구와 비교 benchmark 되지 않았습니다.

관련 자료

이 페이지의 공개 링크

외부 링크는 공유 레지스트리에서 해결되므로 방문자용 목적지는 중앙 집중화되고 확인 가능합니다.

관련 페이지

사이트를 계속 탐색하세요.

신입생, 학습자, 연구원, 개발자, 협력자 활성 추론

Active Inference은 연구소 교육, 연구, 응용 프로그램 및 생태계 지원의 중심 과학적 실용 프레임워크입니다.

 동물생态학자, 계산생명과학자 및 동물-환경 결합, 뉴洽성, 그리고 지구시스템 안정성을 연구하는 다스케일 모델에 관심 있는 Active Inference 연구자들 활生生한 활동적 추론

환경 시스템 — 종사군, 생물학적 군체, 환경 그리고 전체 생태계 자체 —은 상호작용하는 하위 시스템들이 시간 동안 안정적인 마크로 상태를 유지하면서 경계를 통해 물질과 에너지를 교환되는 구조를 가지고 있다. 이 구조는 자유 에너지 원칙을 기반으로 하는 마르코프 맨틀과 베이지안 메카니즘의 형식화와 매우 유사하다. 이러한 이유로 "변동 생태학"이라는 연구 프로그램이 나타나고 있으며, 동물과 그 환경을 결합된 추론 시스템으로 모델링하는 것을 목표로 하고 있다. 여기서는 이 문헌은 이론과 시뮬레이션보다 현장 데이터에 중점을 둔다: 이 페이지는 개념적 기반, 연구자들이 사용하고 있는 모델 패턴, 도구의 범위 그리고 아직도 해당 분야가 닫아야 하는 실험적 틈을 조망한다.

 행동적 인퍼 encers, 농업 AI 및 로봇ics 엔지니어링자와 식품 시스템 정책가들이 불확실성 하에서 재배에 대한 추론과 결정을 이해하는 원칙적인 모델을 탐구합니다. 적극적인 인ferencing과 농업

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.