Active Inference 및 생태학 | Active Inference Institute

이 페이지에서

섹션

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.

domain가 맞는 이유 무엇인가요

자유 에너지 원리는 생성 모델에서 감각 상태의 놀라움에 대한 상한선인 변동 자유 에너지를 최소화하여 비평형 정상 상태를 유지하는 에르고딕 무작위 동역학 시스템을 설명합니다. 생태계는 모든 규모에서 이 설명을 만족합니다. 유기체, 개체군 및 생태계는 특성 상태 분포(풍부도, 자원 수준, 기후 변수)를 유지하고 교란에 강한 자기 조직화된 패턴을 나타냅니다. Ramstead와 동료들은 이를 포착하기 위해 "변동 생태학"이라는 용어를 만들었으며, 유기체를 틈새 시장의 생성 모델을 매개변수화하는 추론 기계로 취급하는 동시에 틈새 시장 구성은 환경이 동일한 시스템의 공동 적응 "외부 상태" 역할을 하도록 합니다. 생태학적 중첩(생물권 내 생태계 내 공동체 내 개체군)이 마르코프 블랭킷 계층 구조에 직접 매핑되기 때문에, 이 분야의 다중 규모 구조는 은유적인 확장이 아니라 자연스러운 적합성을 만듭니다.

문헌에서의 패턴

콘크리트 모델링 패턴은 코퍼스 내에서 반복된다: 환경 변수의 생성 모델 (자원 상태, 포식자 신호, 개발 환경), 정책 선택을 위한 기대 자유 에너지에 대한 타협으로 가치를 매길 것과 epistemic(확신 감소) 가치로 가치를 매길 것 사이에서 가치 매김, 그리고 느린 변수 (기후, 유전)가 빠른 변수 (행동, 형질)을 제약하는 고대화된 형태. Constant와 동료들은 개발적 니체 생성을 시간 평균 자유 에너지에 대한 느린 경사 흐름으로 정의하고, 생물이 임시 구조나 부모 보호 환경 등을 수정하여 선호 개발 경로를 안정화시키는 방법을 설명한다. Bruineberg, Rietveld 및 Parr는 이를 악동과 동료 간의 자유 에너지 측정으로 확장하고 "적합"이라는 개념에 대한 카ognitional 생물학의 이론을 적용하여 포식자-피상자의 동작에서 활성 인ference를 사용하며, 포식자는 잠재적으로 놀라움을 생성함으로써 이익을 얻고 피상자는 경계감과 환경 선택을 통해 이를 최소화한다. Heins와 동료들의 PNAS 논문은 "surprise"의 최소화를 통해 집단 행동이 나타나는 결과가 가장 완전히 개발되었으며, 이러한 행동 규칙이 없음에도 불구하고 연속 시간적 인자는 자유 에너지 기능을 최소화하려고 시도하는 개인적인 free energy 매김을 최소화하여 군집 동작과 학교 동작을 재현한다. 가장 큰 스케일에서, Rubin, Parr, Da Costa 및 Friston은 biosphere의 카본 쌍극과 대사율을 지구 시스템의 플래이트 백 블랭크로 모델링하고, 지구 시스템의 안정성과 기후 조절을 생물학적 시스템이 자유 에너지 기능을 최소화하는 것으로 설명한다.

도구와 기관 인프라

pymdp Python 패키지는 이산 마르코프 의사결정 프로세스 능동 추론을 구현하며 여기에 설명된 여러 생태학적 적용 패턴(패치 선택, 이산 서식지 선택, 단순화된 먹이 찾기 게임)의 기반이 됩니다. SPM/MATLAB 튜토리얼 스크립트와 Heins 등의 연속 시간 집단 행동 시뮬레이션을 위한 공개된 GitHub 코드는 적응 가능한 시작점을 제공합니다. Albarracin, Hipolito 및 동료들은 공유 자원 관리의 능동 추론 모델을 구축하여 현재 초점이 생태계가 아닌 인간 행동에 있음에도 불구하고 사회-생태학적 적용을 위한 템플릿을 제공합니다. "환경 중심 능동 추론" 사전 인쇄본은 환경의 관점에서 마르코프 블랭킷을 정의할 것을 제안하며, 이는 생태학적 모델링과 관련이 있지만 아직 널리 사용 가능한 코드로 뒷받침되지 않은 방향입니다. Active Inference Institute는 이 연구 프로그램의 보고서에 인용된 기관 허브이며, 2021년경부터 Active Inference 연구실을 운영하며 생체 내 및 로봇 공학 작업뿐만 아니라 생물 지리학 및 지구 시스템 복원력에 걸친 라이브 스트림 및 토론을 진행했으며, 생태학 및 진화 역학에 대한 지식 기반 항목을 유지하고 있습니다.

오픈 문제

보고서는 경험적이고 데이터 기반의 응용 프로그램이 이론적과 시뮬레이션 문헌에 비해 희희한 것으로 나타나고 있음을 명시합니다. 실제 행동이나 환경 데이터를 사용하여 활동적인 인ference 예측을 비교하는 거의 없는 공개된 실험이 있습니다 (최적화 모델, 강화 학습). 두 번째 개방형 문제는 생물체에서부터 생태계와 생태계 전체로 확장하는 것을 일관되게 하며 각 레벨에서 '내부 상태'가 무엇을 포함해야 하는지에 대한 임의적인 선택 없이 (보고서는 불명확하게 생태계를 단일_agent로 모델링하거나, 서로 상호 작용하는 agent들의 동적만 인ference-like으로 보이는 집단으로 모델링할 것인지)입니다. 세 번째는 해석적인 문제에 관한 것입니다. '신념'이라는 용어를 식물, 미생물 군집 또는 생태계 전체로 확장하면 지각적 주장이 과장될 수 있으며, 보고서는 비지능 시스템에 대한 철학적 결속을 유지하지 않고 활동적인 인ference를 모델링의 편의성으로만 취급하는 것이 좋다고 recommends합니다. 마지막으로, 보고서는 사회-생태 관리 모델이 '선호 상태'를 인코딩함으로써 가치 판단에 대한 성장 versus 생물다양성 간의 차이를 포함하면 나타내는 구체적인 방법론적 틈새 (소규모 분리된 MDPs로 확장하는 소프트웨어, 잡음 있는 생태 시계열에서 자유 에너지 프록시를 추정하는 기술)와 가치 판단에 대한 질문을 제기합니다.

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.

최선의 다음 행동