활성 인퍼런스 및 계산 도구

이 페이지에서

섹션

액티브 인퍼런스는 이를 구현하는 코드만큼만 유용합니다. 생태계 전반에 걸쳐 소수의 툴체인이 대부분의 실질적인 비중을 차지합니다. 이산 상태 시뮬레이션을 위한 Python 패키지, 대규모 반응형 메시지 전달을 위한 Julia 프레임워크, 이론의 기원에 기여한 수십 년 된 MATLAB 통계 플랫폼, 그리고 로봇 공학을 위한 논리적 계획과 자유 에너지 최소화를 결합한 기호 추론 시스템이 있습니다. 이 페이지에서는 이러한 툴체인, 툴체인 주변의 연구소 관련 개발 및 학습 활동, 그리고 여전히 단일하고 일관된 소프트웨어 스택과 분리되어 있는 파편화에 대해 살펴봅니다.

domain가 맞는 이유 무엇인가요

변동성과 예상 자유能 최소화는 수학적으로 정의되지만, 활동적 인ference의 모든 응용 프로그램 — 로봇 손부터 정신의학 모델까지, 그리고 정책 시뮬레이션까지 — 결국은 생성 모델 구현, 추론 엔진, 그리고 숫자 기반 뒷단에서 실행됩니다. 여기서 각 도구 챠인은 여기서 약속을 달성합니다: 부분적으로 관측 가능한 매크다일(decision) 결정 과정의 이산화 versus 상태가 연속적인 동력학, 배치 계산 versus 반응형 스트림, 손으로 지정된 생성 모델 versus 학습된 모델, 그리고 신수와 목표의 확신과 목표를 숫자 기반 vs 상징적 표현. Institute의 다른 주제 페이지 각각이 활동적 인ference가 어떤 분야에 적용되었는지 설명하기 때문에 이 페이지는 대신 그들의 실제 선택을 통해 이론에서 작업 중인 시뮬레이션으로 가는 공학 층 아래에 있는 공통적인 계산 챠인을 설명합니다.

네 툴체인, 네 패러다임

PyMDP는 활동적 인퍼전 AGents를 위한 Python 패키지입니다. 이 패키지는 다중 결정 처리 환경에서 모델러에게 POMDP 스타일의 생성 모델, 익명 상태에 대한 베이제스 추론 및 기대 자유 에너지 기반 정책 선택을 제공합니다. BIASlab에서 Eindhoven에서 개발된 RxInfer.jl는 다른 경로를 가집니다. 그들은 Forney 그래프 대신 반응형 메시지 통신을 수행하며, 이는 사건에 따라 추론이 이루어지고 고정 클록에 의해 실행되는 것이 아니라, 스트리밍 데이터와 큰 수의 매개변수를 가지는 모델에서의 확장성을 보고합니다. Karl Friston이 MRC Cyclotron Unit에서 1980년대 후반에 StatistiCal Parametric Mapping (SPM) 플랫폼을 만들었으며, 이 플랫폼은 fMRI, PET 및 EEG 데이터의 통계 분석을 돕는 역사적인 기초이며, 현재에도 사용되고 있습니다. Jean-Francois Cloutier의 karma_system 프로젝트를 기반으로 한 Symbolic Cognitive Robotics는 활동적 인퍼전과 상호 작용하여 생성 모델, 믿음 및 목표가 형식화된 구조를 나타내면서, 여전히 기대 자유 에너지 최소화를 통해 행동을 선택합니다.

인스티튜트-관련 개발과 학습}

RxInfer.jl 학습 그룹은 코드 편집기 내의 기본 팩터 그래프를 위한 시각화 기술을 포함하여 RxInfer.jl 개발자와 오픈 소스 개발에 직접 협력하는 활발한 연구소 프로젝트입니다. 이 그룹은 정기적인 동기 세션을 운영하고 응용 프로젝트에 참여하는 다양한 Julia 및 베이지안 모델링 배경을 가진 기여자들을 유치했습니다. 상징적 인지 로봇 공학은 연구소와 관련된 Research Fellow인 Jean-Francois Cloutier의 작업으로, 로봇 계획 및 상징적 문제 해결 환경에서 karma_system 접근 방식을 시연했습니다. 로봇 공학은 또한 연구소의 두 번째 Applied Active Inference Symposium의 전담 초점이었습니다. PyMDP는 연구소 외부에서 유지 관리되지만, 연구소 자체

오픈 문제

이상의 도구체인들은 공통적인 생성모델 형식, 추론 알고리즘 또는 숫자 기반 뒷받침을 공유하지 않으므로 하나에서 만든 모델은 다른 것으로 전환하기 위해 많은 재작업이 필요하며 아직 표준화된 임베디드 측정 시스템이 존재하지 않습니다. 이산/연속/ symblic 분할의 결과, practitioners는 한 가지 패러다임에 대해 초기에 약속을 내야 합니다 - POMDP 스타일의 이산 상태, 연속 메시지 통신 또는 symbol 투영 - 한 모델 내에서 이러한 것들을 결합하는 도구가 제한적입니다. 문서화 및 패키징의 성숙도는 상당히 다릅니다: 일부 도구는 튜토리얼과 구조화된 학습 그룹이 있지만, 다른 것은 연구 코드보다 분산 소프트웨어에 가깝습니다. 활성 인퍼전의 다른 응용 프로그램 영역처럼, adoptions 및 성능 우위의 청구는 주로 입증된 Proof of Concept와 활동적인 커뮤니티 개발에 기반하고 있으며, systematic, 독립적 비교 대상과는 systematic, 독립적 비교 대상과는 systematic, 독립적 비교 대상이 아닌 확립된 대안에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한 systematic, 독립적 비교 대상에 대한

참조 뱅크로스

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.

최선의 다음 행동

다음으로 가야 할 곳은何处去

Project repositoriesProjects Active Inference overview 필터링된 자원 글로벌 디렉토리 활성 추론 Active Inference 및 로봇 공학

주요 표면

Active Inference 및 계산적 도구를 한눈에

네 가지 패러다임, 하나의 원칙

Python의 Discrete POMDP 시뮬레이션, Julia에서 반응형因子グラフ 메시지 통신, MATLAB에서statistical neuroimaging, 그리고 로봇학에서symbolic reasoning 모두 자유能最小化을 구현하지만 공통 모델 형식이나 추론 엔진을 공유하지 않습니다.