활성 인퍼런스 및 계산 도구

이 페이지에서

섹션

{title}은 코드가 구현하는 한 만큼 유용합니다. 생태계 전체에서 몇몇 툴체인만이 실제적인 무게를 지탱하고 있습니다: 분리된 상태 시뮬레이션을 위한 파이썬 패키지, 대규모 반응형 메시지 전달을 위한 줄리아 프레임워크, 이론의 원래로부터 도출된 통계 플랫폼인 오래전에 출시된 마티랩, 그리고 로봇ics를 위한 자유 에너지 최소화와 논리적 계획이 결합된 상징적 사고 시스템. 이 페이지는 그 툴체인을 소개하고 인스티튜트 연관 개발과 학습 활동에 대한 정보, 그리고 아직 하나의 통일 Software Stack으로 연결되지 않은 그들의 분열 상태를 조사합니다.

{domain}가 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 직접 RxInfer.jl 개발자와 협력하여 오픈소스 개발에 참여하는 Institute 프로젝트이며, 코드 에디터 내부의 밀도 그래프를 포함한 기초 구조물에 대한 시각화 기술을 개발합니다. 그룹은 정기적인 동기화 세션을 운영하고 다양한 주제와 Bayesian-모델링 배경이 있는 참여자를 유치하여 응용 프로젝트를 수행했습니다. Jean-Francois Cloutier는 Institute의 연구원으로, karma_system 접근법을 로봇 기획과 상징적 문제 해결 환경에서 보여주었으며, Institute의 두 번째 응용 활동적인 인퍼전 세미나에서는 로봇ics가 주요 관심사였습니다. PyMDP는 Institute 외에 유지되고 있지만 ModelStream 학습 세션에서 Institute가_featured되었고, 그 역할이 더 넓은 커뮤니티 내의 공유 참조 구현임을 반영합니다.

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

Where to go next

Project repositoriesProjects Active Inference overview 필터링된 자원 글로벌 디렉토리 활성 추론 적극적인 인ferencing과 로봇ics

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.

{SPM}은 현재 이를 지원하는 이론을 초래했습니다

SPM은 1980년대 후반에 시작된 뇌 영상 분석을 위한 통계 기법으로, 자유 에너지 원칙 자체가 형식화되기 전에도 활동적 인ference이를 형성하고 함께 발전시켰으며, 일반 선형 모델과 가우스 시elle트 이론은 자유 에너지 원칙에 영향을 끼쳤다.

{Institute}-run 개발, {Institute} 가까이에 위치한 도구들 외에

RxInfer.jl 학습 그룹은 프레임워크의 개발자들과 직접 오픈소스 Conributions에 참여하고 있으며, Symbolic Cognitive Robotics은 연구 fellows가 구축하고 보여줍니다. 이로 인해 Institute는 merely 사용자이기보다는 도구 체인 Contributor입니다.