이 페이지는 기계 번역된 영어 페이지입니다. 영어 원본 보기
심리학자, 계산적 심리학자 및 치병연구자가 활동적인 인ference가 지각 가능한 인지, 감정 및 치료 변화의 기계적이고 검증 가능한 프레임워크로 본다는 것을 평가합니다.
심리학의 핵심 문제인 인지, 감정, 자기 자신 그리고 정신질환을 생성 모델 아래 추론과 제어로 재해석한다.
이 페이지에서
적극적인 인ference와 자유 에너지 원칙은 뇌를 감각 데이터의 숨겨진 원인을 추론하고 이를 최소화하기 위해 행동하는 텔레그램 수준의 지시 시스템으로 모델링하며, 이 원리는 지난 10년 동안 신경 과학에서 이론적 영역에서 잠재적으로 의학과 심리 치병학으로 확장되었습니다. 이 문헌은 아직 방법론적으로 어린 상태를 유지하고 있으며: 대부분의 모델은 여전히 시뮬레이션과 이론 수준에 머물러 있으며, 대규모 실험적 검증이 상대적으로 적으며, 심리학 및 정신질환에서의 전달 도구는 아직 초기 단계입니다.
심리학은 organisms이 주변 환경에서의 불확실성을 관리하는 데 기반한다: 모호한 감각 신호를 해석하고, 가정을 형성하고, 몸과 감정을 조절하며, 부분적으로 관측 가능한 상황에서 행동을 선택하는 것이다. 활동적 인퍼전은 이러한 기능이 주어진 생성 모델의 확률 추론의 예시라는 점을 강조한다. 여기서 인식은 숨겨진 상태를 해석하고, 학습은 모델 매개변수를 업데이트하며, 행동은 최소화하는 에너지 기대치로 선호 관찰을 샘플링한다. 이는 예술적으로 설명된 심리학적 구조들을 명확한 수학적 처리로 바꾸는 것을 의미한다. 예를 들어 불안정하게 무게중심을 두고 위협적인 상황을 과도하게 중시하는 불안 기반의 평가를 가우트 prior으로 모델링하여 극단적인 주의력을 유발하는 행동을 설명할 수 있다.
2024 Entropy 리뷰 "심리학과 정신의학에서 Active Inference: 현재까지의 진전"은 감정, 내재ceptive, 자기성립, 사회적 인지 그리고 정신질환에 대한 응용을 조망하며, 이 프레임워크가 이러한 하위 분야를 통합할 수 있을 것이라는 주장을 하고 있지만, 철저한 실험적 검증이 필요하다는 점을 강조합니다. Lisa Feldman Barrett의 감정 theory은 감정을 내재ceptive 및 외재ceptive 입력에 대한 추론으로 재해석하며, 이를 관련 연구가 정신질환 중에서 내재ceptive로 확장하고, 불안을 "습득된 불확실성"으로, 알lostasic 계열의 우울증과 압 addiction은 최적의 추론을 위해 부정적 모델을 사용하는 것, 그리고 정신분열증의 부족한 감각을 통해 자신의 행동의 결과를 예측할 수 없는 negative symptoms로 확장합니다. 심리치료 자체는 컴퓨터화되어 있으며, Active Inference 모델이 CBT 및 Coherence Therapy에 대한 인터벌을 수정하고 전략을 변경하는 방식으로 개정된 사전확률과 정책을 시뮬레이션합니다.
주요 계산 기반으로 인식 활동에 관한 작업이 언급되며 (Active inference on discrete state-spaces: A synthesis) 이는 카테고리적 생성 모델, 정책 평가 및 신념 업데이트를 위한 알고리즘을 제공하여 이후의 심리학 계산 적용에 기반합니다. 보고서는 또한 Karl Friston 그룹이 UCL에서 MATLAB 런타임과 Python 기반 패키지로 구현된 이 discrete active inference와 관련된 MATLAB 런타임 및 Python 패키지가 행동적 시나리오 데이터를 모델에 맞게 적합하고 개인 차이의 사전 지식 및 정확도를 추론하는 데 사용되는 것을 언급합니다. CBT 모델링 모델에서 특정 작업을 위한 코드가 있으며, 개별화된 사전 지식과 선호도를 갖는 환자에 대한 사전 지식과 선호도를 가진 사전 지식 및 선호도를 추론하는 데 사용되는 코드가 있지만, 통합 테러모델은 여전히 주로 이론적이고 구현된 소프트웨어로서는 거의 없습니다. 보고서는 활동적인 인식을 기반으로 한 완전한 임상 시스템이 아직 드문 것으로 명시합니다.
보고서는 활동적 인퍼전의 규범적 주장 (Agents free energy를 최소화)과 실제 인간 행동에서 종종 부정적인, 문화와 상황적으로 형성된 다양성을 가진 주요 충돌을 포착하고, 고차원 사전 지표, 정밀도 요인 및 선호도가 증가하는 모델 식별 위험을 병합합니다. 다수의 모델은 간단한 작업에만 테스트되고, 생태학적 유효성이 제한적인 간단한 작업에 집중되어 있으며, 자기 자신, 심리적 인식 및 성격과 관련된 대부분의 주장은 largely 개념적입니다. 데이터 기반이 아니라. 보고서는 장기 연구, 다 모드 연구를 통해 신경계, 생체화학적, 행동적, 자가보고 데이터와 모델 매개변수 간에 연결하고, 활동적 인퍼전을 따르는 대안적인 프레임워크인 강제 학습과의 비교를 포함하여, 모델 기반 행동 예측의 윤리에 대한 고려 사항을 포함한 임상 전환 전까지의 연속 연구가 필요하다고 제안합니다.
Karl J. 프리스토인 (2010). 자유 에너지 원칙: 하나의 뇌 이론? 자연 리뷰 신경과학. DOI: 10.1038/nrn2787. 토마스 파라르, 고니아우 Giovanni 피조루, 카를 J. 프리스토인 (2022). 활동적 인퍼런스: 믿음의 자유 에너지 원칙이 마음, 뇌 및 행동에 대한 이론. MIT 출판사. 고니아우 Giovanni 피조루, 프로폴리스 프레시온, 카를 J. 프리스토인 (2017). 활동적 인퍼런스, 자기 조절과 적응형 행동 제어. 과학의 진보 신경과학. DOI: 10.1016/j.pneurobio.2017.08.001. 매서웨이 J. D. 래메스트레트, 카를 J. 프리스토인, 아 Axel 콤프란트, 레안도 다코스타, 캐스퍼 헤스, 베렌 미르지드, 앨렉산더 트차츠 (2023). 바이어블 메카니즘: 믿음의 이론. arXiv. 레안도 다코스타, 토마스 파라르, 노아 사제드, 세바스티안 베세릭, 비토리타 네아쿠수, 카를 J. 프리스토인 (2020). 활동적 인퍼런스에서 이산 상태 공간: 통합. 과학 심리학자. DOI: 10.1016/j.jmp.2020.102447.
주요 표면
심리적 생성물—정서 카테고리, 평가, 자기 인식, 관계적 기대—is 실현된 응시성 상태로 instantiate되어 interoceptive, exteroceptive, 그리고 행동적 관측을 생성합니다.
정책 선택은 지식적인 (정보 탐색)과 외부적인 (목표 탐색) 가치를 활용하여 동기 부여, 회피, 야행성 및 치료 변화를 모델링합니다. 이는 기대 자유 에너지 산정선의 기대치 변화입니다.
보고서에 따르면, 심리학적 및 정신의학적 응용 프로그램 대부분은 시뮬레이션과 이론 단계에 머물러 있으며, 대규모 실험적 검증이 제한적이며, 적은 수의 임상 도구가 구현되어 있지 않습니다.
관련 자료
외부 링크는 공유 레지스트리에서 해결되므로 방문자용 목적지는 중앙 집중화되고 확인 가능합니다.
Audience: Researcher
Research and publication-oriented repository for the Active Inference Journal.
Audience: Researcher
External paper repository surfaced from the official research page.
Audience: Researcher
Reachable arXiv reference surfaced from the official research page.