적극적인 인ferencing과 도시 계획 | Active Inference Institute

이 페이지에서

섹션

도시 계획은 깊은 불확실성, 다스러운 동적 요소 및 다양한 이해 관계자에 직면하면서 클래식 균형 또는 정적인 최적화 접근법이 더 적절하지 않아진 환경에서日益増强地面临。主动推理，基于自由能原理，为不确定性下的感知、行动和学习提供了一个统一框架，并且该方法已被应用于交通信号控制、多agent能源优化、城市水资源管理以及地理空间土地使用建模等领域。本页面综合了这一文献的状态，使用的应用模式，所产生的确切项目和工具，以及该领域仍需解决的开放性问题。

domain가 맞는 이유 무엇인가요

도시계획은 방대한, 혼잡하고 부족한 감지(교통 통계, 에너지 및 물 흐름, 지형 패턴, 사회적 지표 등)가 직접적으로 활동적인 인ference의 관찰과 일치하며, 이는 주체들이 latent 상태를 추론하기 위해 사용합니다. 예를 들어 수요 패턴, 기반 시설 상태, 사회적 필요성. 또한 정책 선택 및 제어 — 도로 분배, 기반 시설 투자, 운영 규칙, 지정 관리 구조 등이 활동적인 인ference가 에피스틱(불확실성을 줄이는)과 플래그메트릭(결과를 실현하는) 측면에서 최소한의 예상 자유 에너지로 선택되는 행동으로 간주됩니다. 도시는 또한 불정형적 (인구 변화, 새로운 기술, 정책 변경), 다스케이블/다중 주체적인 (교차로부터 지역까지 전체 도시 전략)이며, 이는 설계가 이러한 요소를 처리하도록 설계된 지배력 있는 생성 모델을 사용합니다.

문헌 상태

프로스트의 작업에서 주목, 불확실성, 자유 에너지 (인식 동역학 및 범함수 추론), 그리고 계획/이동을 활동적 인ference로 이해하는 것과 함께 계획/이동을 활동적 인ference로 설명한 집단 수준의 추론 기능에 대한 이야기(프리 edited frontiers in psychology)를 포함하여 기본 이론은 있습니다. 응용 및 학술적으로 검증된 작업은 두 분야에서 존재합니다: 도시 물 관리에서 카르푸오즈올로우와 동료들이 (환경과 사회)에서 정계 강제된 지식 인프라스테이션을 분석하여 그룹 기반의 활동적 인ference가 적응형 관리를 지원하는지, 그리고 건축물 환경에서 BEACON(프리 edited the built environment)는 활동적 인ference 오 Ontology를 구현하여 묵인된 건축 설계 지식을 표현합니다. 교통 제어 작업 — SUMO 기반의 활동적 인ference 컨트롤러와 IoT 환경에서 잡음과 비정상적인 동작에 적응하는 조명 제어에 대한 arXiv 예고편, 그리고 미lld지가 대형 POMDPs에서 활동적 인ference 트리 탐색을 수행하고 있으며 이는 예고편 및 관련 범함수 추론이 도시 기반 시설과 지속 가능한 이동성을 적용되는 것과 함께 동일한 분야에 있습니다.

키 프로젝트와 도구

n개의 구체적인 실현 사례가 다양한 성숙도 단계에서 이름을 지은 보고서는: SUMO (Simulation of Urban MObility) 활성 인퍼전 교통등 Lights 제어기(rule-based 기준물)와 비교 benchmarked(실험 모델); arXiv 미리보기(preprint)를 확장하여 이는 잡음과 비정상적인 IoT 센서 환경을 고려한다; EcoNet, 아일랜드 테이르린의 다중-agents 활성 인퍼전 시스템으로서 스마트 건물에서 도시 에너지 최적화를 위한(배포된 보여주기); BEACON의 활성 인퍼전 구조체ontology(peer-reviewed ontology와 도구)로, 건축 환경의 tacit knowledge; 그리고 GEO-INFER, 활성 인퍼전 인스티튜트 오픈 소스 툴킷과 geospatial 이미지로부터 땅 사용 분류를 수행하는 활성 인퍼전 애저(agent)를 만드는 가이드(툴킷/실현).

오픈 문제

보고서는 확장성 문제를 가장 심각한 도전으로 지목한다: 실제 도시의 상태공간과 복잡한 동적은 아직 테스트된 시뮬레이션 및 demonstrators보다 훨씬 크고 복잡하다. 따라서 더 유연하게 계층적인 추론이 필요하며, 결국 다양한 규모의 시imulation과 운영 프로파일을 포함하는 장기 성능 데이터를 갖춘 대규모 시험 배포가 요구된다. 또한 인간 행동과 이야기를 생성 모델에 통합하는 해결책, 설명적 사용의 활동적 인ference(물리 공학에서의 물리 관리_paper)와 윤리적 사용의 차이를 구분하는 방법, 그리고 계획 관련 생성 모델에 인식된 우선순위와 목표로부터 유래되는 이슈들에 대한 공유 기준과 평가 기준을 도출하는 작업도 지목된다.

참조 뱅크로스

Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. 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. 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. Pablo Lanillos, Cristian Meo, Corrado Pezzato, et al. (2021). Active Inference in Robotics and Artificial Agents: Survey and Challenges. arXiv. DOI: 10.48550/arXiv.2112.01871.

최선의 다음 행동