Active Inference Institute Act. Infer. Serve.
KO

이 페이지는 기계 번역된 영어 페이지입니다. 영어 원본 보기

연구자, 벌학자 및 인스티튜트 참석자들이 활동적 인ference를 벌 신경과학, 사회적 행동 및 군집 로봇ics에 응용하는 데 관심이 있습니다.

Act. Infer. and Entomology

ants의 사회, 벌레 포획 및 곤충神経系統에서 자유 에너지 원칙을 어떻게 실험적으로 검증하는가

ActiveInferAnts repositoryActive Inference overview

이 페이지에서

Act. Infer. and Entomology 가이드

최선의 다음 행동

Act. Infer.과 entomology 경로

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

ActiveInferAnts repositoryProjectsActive Inference overview필터링된 자원글로벌 디렉토리활성 추론활生生한 활동적 추론

Entomology는 기생충 뇌에서 단일-neuron 계산부터 사회적 동물 군집 수준의 집단 지능까지 다양한 범위를 포괄하는 활동적인 인퍼전과 자유 에너지 원칙을 테스트하기에 이상적이며, 이는 행동 추적, 전기화학적 측정 및 분자 생물학 데이터셋으로부터 얻어진 밀도 높은 데이터를 포함합니다. 이 페이지는 활동적인 인퍼전과 애벌레 군집, 메추리 포그aging 그리고 기생충 신경과학에 대한 임상적 문헌을 연결하는 새로운 연구와 시뮬레이션 및 이론을 구분합니다.

{domain}가 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

{title}은 {author}, {year}, {{Frontiers in Behavioral Neuroscience}}에서 피어리뷰 되었으며, 이 연구는 {maze}을 주기적으로 이동하는 {ants}의 포획 행동을 모델링하기 위해 확률적 의사결정 과정으로 표현하고, 단일 냄새를 사용하여 경로 형성과 확률 일치성을 재현합니다. 이 연구는 {Bayesian superorganism} 시리즈 (Royal Society Interface)에서 모형을 만들었으며, {ants}와 {bees}의 군집을 마르코프 체인 몬테카를로 샘플링과 외부화된 냄새 기억으로 모델링했고, {Federated Inference and Belief Sharing} (Friston, Parr, Fields 등)에서 여러 기체의 신념 공유와 entomology 및 nematology 연관성을 명시적으로 연결했습니다. 군집 수준의 작업이 대부분 이론적이고 인후학적이지 않은 {Active Inference 모델로의 집단 지능}, {군집 동기화 시동자}라는 제목의 군집 동기화 시동자 시스템은 주로 이론적이고 인후학적이지만, {Drosophila}의 optomotor 기록, fly optic-lobe gain modulation 및 잠시 후에 나타나는 흥미진진한 자극 반응을 사용하여 예측-코드 증거가 신경 쇄를 바탕으로 한 그림을 구축합니다.

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.

주요 표면

활성 인퍼레이션과 entomology를 간단히

ants의 군집이_agent_으로

{"Active Inferants" (Friedman et al., 2021, Frontiers in Behavioral Neuroscience)} 모델링은 단일 냄새를 사용하여 벌蚁의 길 형성과 확률 일치를 재현하는 한 상태 이동적 활성 인퍼런스 프로세스를 ant foraging을 설명합니다.

바이야제스 템 슈퍼조몬 링크

페로몬 링의 외부화 메모리를 통해 MCMC 유사 분산 샘플링을 활용한 베이지안 극단조직 시리즈는 직접 동물 군체의 명시적 활동적인 인퍼전 모델의 precursor로 언급됩니다.

설명보다는 이론

field의 대부분—진주 모델, 벌 fly-inspired 로봇ics, 기사 통신이 연관적 인ference는 시뮬레이션 또는 개념적인 유추에 있습니다. 아직 직접 신경 네트워크 테스트로 자유 에너지 최소화가 insects에 대한 설계 여부는 아직 결정되지 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.

 로봇 공학자, 활동적 인퍼 encing 연구자 및 조작을 평가하는 컨트롤 엔지니어들이 하나의 감각-조작-사용 학습 아키텍처가 전통적인 제어과 강화 학습보다 우수하거나 보완할 수 있는지를 검토하고 있습니다. 적극적인 인ferencing과 로봇ics

로봇은 무언계의 다중 모달 센서와 불완전 액터를 사용하여 불확실성 하에서 지속적으로 감지, 행동하고 학습하며 — 이론적 원칙이 형성된 조건을 정확히 묘사합니다. 자유 에너지 원칙. 활동적인 인퍼런스가 로봇 시스템의 상태 추정, 제어, 계획 및 모델 학습을 통합하는 방법으로 주제를 다루는 아직 흩어진 문헌이 증가하고 있습니다. 이론적 논문, 가상의 개념 검증, 물리적인 인공 인간oid과 매니пу레이터에 대한 실험 등. 이 페이지는 그 문헌의 적용 패턴, 이름 붙인 도구와 연구실, 그리고 보다 정교한 동작으로부터 공개 문제를 연결하는 강력한 표명을 통합하는 방법을 설명합니다. routinely deployed engineering methodology.