이 페이지는 기계 번역된 영어 페이지입니다. 영어 원본 보기
컴퓨터 과학과 시스템 신경과학자들 그리고 인지 과학자들 그리고 활동적 추론 모델을 뇌 기능 및 정신질환에 대해 구축하거나 평가하는 Institute의 연구자들
자유 에너지 원칙이 인식, 행동, 학습에 대한 잠재적으로 통합된 이론이며 아직 검증이 필요한 증거
이 페이지에서
Active inference는 뇌를 내재적인 세계의 생성 모델을 유지하고 인식, 행동, 학습을 통해 베이제스 자유 에너지 최소화하는 시스템으로 보여
Active Inference는 감각 데이터의 숨겨진 원인에 대한 추론으로 인식을, 행동은 prior 기대를 충족시키기 위해 선택적 관찰의 샘플링으로 인식을, 그리고 학습은 생성 모델의 매개변수를 느리게 조정하는 것으로 이해합니다. 이 모델은 뇌의 분层화된 총극 조직과 일치하며, 상위 영역이 느린 더 추상적인 원인을 인코딩하고 하위 영역이 빠른 감각 세부 정보를 인코딩합니다. Active Inference는 또한 예측-코드 계정의 인식에 대한 기계를 명시적으로 행동과 정책 선택을 포함시키고, 추론 루프와 연결하여 인식과 제어 사이의 단일 목표 — 예상 자유 에너지 최소화 — 을 결합합니다.
literature는 상대적으로 집중된 기초 및 리뷰 논문 세트로 기반을 두고 있으며 - Friston의 2010년 Nature Reviews Neuroscience 논문, Perception과 행동에 대한 범용 자유 에너지 형식화 작업, 그리고 이후 Scope와 가정이 명확해진 이론적 리뷰를 포함한다. 시뮬레이션 기반 응용 프로그램은 여기에서 깊은 시간 모델링을 통해 epistemic 행동 (예: 읽기), 눈동자 움직임, 작업 메모리 및 집중, 도파민 신경조절, 그리고 반복적 정책 최적화로부터 습관의 발생까지 확장된다. 이산 상태 형식은 부분적으로 관측 가능한 마르코프 의사결정 과정으로 캐스트되어 시각 검색과 목표 지향적 계획 등 인지 작업을 모델링하는 데 특히 영향력이 있다. 대부분의 이 작업은 University College London에서 Karl Friston 중심으로 구성된 주요 그룹에서 시작되며, Thomas Parr이 이산 상태 형식화에 중요한 협동자로 참여하였으며, 이제는 계산 정신의학과 morphogenesis으로 확장되고 있다.
眼球運動의 가장 명확한 신경생물학적으로 근거된 증명은 Bayesian 필터링을 사용하여 계획을 추론으로 구현하는 시뮬레이션입니다 이는 눈동자 움직임과 평행하게 연결된 뇌stem 및 쥐ellar의 연결성 그리고 관련 난소에서 단일 유닛 기록이 모델링됩니다. 도파민은 정책에 대한 정밀도(신뢰성)를 모델링하여 톤 도파민 수준이 시뮬레이션에서 탐색과 보유 전략, 움직임 강도와 같은 요소를 조정합니다 이는 파킨슨병과 소아마비증을 통한 링크를 제안합니다. 구현은 주로 MATLAB 기반의 SPM 생태계 및 그들의 동적 최대화(maximization) 모듈을 사용하여 연속 상태 모델을 위한 시뮬레이션에서 디자인된 Python 라이브러리가 사용되는 POMDP 스타일의 모델에 중점을 두고 있으며, 이는 연구 코드로서 표준화되고 널리 배포된 소프트웨어가 아닙니다.
보고서는 생물학적 가능성을 해결하지 못하고 있습니다: 자유 에너지에 대한 경사 하강을 모델링하는 네트워크 모델이 팽황과 유동성 동기 부여을 재현하더라도, 실제 뉴런 조직의 정확한 물리화학적 메커니즘 및 superficial pyramidal cell이 예측 오류를 인코딩하는 맵핑은 여전히 추정이며 대개 검증되지 않은 것으로 간주됩니다. 일반적인 생성 모델을 자연스러운, 고차원 환경으로 확장하는 것은 두 번째 개방된 계산적 도전입니다. 세 번째는 경험론적 불가 disconfirmation의 유추입니다 — critics는 자유 에너지 원칙이 너무 넓어서 부정할 수 없게 되었다고 주장하며, 보고서는 활성 인퍼런스의 예측(이데올로기 탐색, 정밀 가중 신경모드)을 강조하는 실험에 대한 요구를 제시합니다. 계산 심리학에서의 임상 적용은 또한 유망하지만 초기 단계이며, 이는 대신 큰 검증된 환자 데이터 세트보다는 논리적 및 시뮬레이션 작업에 주로 기반하고 있습니다.
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.
주요 표면
Active inference 실험 시각 과 정지 추적 회로 와 단위 녹음 데이터 에 맞춰집니다 눈 움 동작 신경 피부 학 의 최근 강력한 증명
tonic 도파민은 정책에 대한 신뢰(정밀도)를 모델링하고 있으며, 보고서는 이에 파킨슨病과 소아마비병뿐만 아니라 전통적 보상 예측 오류 기반의 설명들 외에도 연결하고 있습니다.
적대식 정신의학 분야에서 활동적인 인ference의 응용은 대체로 이론적이며 시뮬레이션 기반으로 보이며 아직 대규모 환자 데이터에 검증하거나 임상 도구에 배포되지 않았습니다.
관련 자료
Audience: Researcher
Research and publication-oriented repository for the Active Inference Journal.
Audience: Researcher
Synthesis paper on active inference over discrete state-spaces (Da Costa et al., 2020); a standard reference for the discrete formulation.