곤충학은 곤충 뇌의 단일 뉴런 계산부터 군집 수준의 집단 지능 및 곤충에서 영감을 받은 로봇 공학에 이르기까지 Active Inference 및 Free Energy Principle을 테스트하기 위한 이례적으로 풍부하고 실험적으로 다루기 쉬운 영역을 제공합니다. 사회성 곤충은 행동 추적, 전기 생리학 및 분자 생물학의 조밀한 데이터 세트를 통해 강력한 관찰 제어 하에 전개되는 정교한 지각, 항해 및 사회적 행동을 보여줍니다. 이 페이지는 Active Inference를 개미 군집, 꿀벌 채집 및 곤충 신경 생물학과 연결하는 새로운 문헌을 종합하여 시뮬레이션 및 이론과 동료 검토된 경험적 작업을 구별합니다.
domain가 맞는 이유 무엇인가요
Insect nervous systems show converging evidence of predictive coding and forward models: efference-copy mechanisms modulate locust optomotor responses, and a 2026 Drosophila preprint reports internal oscillators and predictive coding as ancestral features of insect brains conserved across more than 350 million years. Social insect colonies also exhibit eusocial, distributed cognition—ants and bees coordinate via pheromones and dances in ways that have been modeled as 'Bayesian superorganisms' performing distributed sampling. Combined with decades of tractable, well-instrumented foraging and navigation paradigms (honeybee waggle dances, ant T-mazes, cooperative transport trails) and modern video-tracking and neural-recording tools, entomology gives active inference both neural and collective-behavior access points rarely available together in one taxon.
문헌 상태
The most direct application is "Active Inferants: An Active Inference Framework for Ant Colony Behavior" (Friedman, Tschantz, Ramstead, Friston, and Constant, 2021, peer-reviewed in Frontiers in Behavioral Neuroscience), which models ant foraging in an alternating T-maze as a discrete-state Markov decision process with expected free energy-based policy selection, using a single pheromone to reproduce trail formation and probability matching. This work builds on the Bayesian superorganism series (Journal of the Royal Society Interface), which modeled ant and bee colonies via Markov chain Monte Carlo sampling and externalized pheromone memories, and on "Federated Inference and Belief Sharing" (Friston, Parr, Fields and colleagues), which explicitly ties multi-agent belief sharing to an entomology and nematology affiliation. Complementary swarm-level work ("An Active Inference Model of Collective Intelligence," "Collective Phase Dynamics in an Active Inference Swarm Oscillator") remains largely theoretical and non-insect-specific, while predictive-coding evidence from Drosophila optomotor recordings, fly optic-lobe gain modulation, and sleep-dependent deviant-stimulus responses grounds the neural side of the picture.
키 프로젝트와 도구
Active InferAnts는 Active Inference Institute에서 개발한 Python 패키지로, 설정 가능한 생성 모델과 정책 선택_scheme을 따르고 'Active Inferants' 논문에 직접 영감을 받은 애벌레 군집의aging foraging을 시뮬레이션하는 것을 목표로 합니다. 이 패키지는 GitHub에서 이용 가능하며 PyPI 출시가 계획 중입니다. 실험적 근거는 "Experimental Entomology in the Age of Video" (비디오 추적 및 행동 분석 프로토콜)와 BAU-Insectv2 데이터셋으로, 애벌레 식별과 행동 분석에 사용됩니다. 응용형 로봇학 측면에서는 'Robot Navigation as Hierarchical Active Inference' 논문과 난자의 학습 비행을 모방한 로봇 이동성 논문이 애벌레 영감을 받고 생성 모델 기반 제어에 대한 예를 제공하며, Institute 자체의 Active Inference in Robotics 학습 경로와 Ant Colony stigmergy 및 Apidology (애벌레 포획과 꽃 피싱) 지식-베이스 모듈을 지원합니다.
오픈 문제
격리적 실험적 검증은 여전히 희음적이며: 현재 신경학적 증거는 예측 모듈레이션과 efference 코ピ스를 보여주지만, 아직 variational free energy 최소화를 직접적으로 검증하지 못하고 있습니다. 그리고 이 분야는 "바이어스 뇌의 전설"이라는 비판을 대응하기 위해 기계적인 구체성 있는 예측을 제시해야 합니다. 대신 상징적 맞추기만은 아닌 것입니다. 분자/생물학적 상태와 동물 군집 수준의 특성을 연결하는 다스케일 모델들은 아직 발전되지 않았으며, 벌들의 의사소통 (울음새, 화학 물질 코드)을 신념 공유 메커니즘으로 사용하는 정량적인 생성 모델도 없습니다. 문헌은 컴퓨터 비전이나 강화 학습과 같은 분야와 비교할 수 있는 표준화된 평가 시나리오를 갖춘 표준화된 기반 툴링이 부족합니다. 이러한 예제적 환경들로는 T-마저, 지구캐시 타스크, 벌의 이동성 탐색 등이 아직 통합되지 않았습니다.
참조 뱅크로스
Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). Active Inference, homeostatic regulation and adaptive behavioural control. 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). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv. Daniel Ari Friedman, Alec Tschantz, Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant (2021). Active Inferants: An Active Inference Framework for Ant Colony Behavior. Frontiers in Behavioral Neuroscience. DOI: 10.3389/fnbeh.2021.647732. 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.