Por que o domínio se encaixa
Os agentes económicos devem formar crenças sobre estados incertos do mundo, selecionar políticas sob risco e ambiguidade e atualizar os seus modelos generativos internos a partir de observações ruidosas e parciais — exatamente as condições que o Active Inference foi construído para formalizar. O relatório enquadra o comportamento económico como seleção contínua de modelos Bayesianos sob incerteza estrutural e interação estratégica: os agentes observam preços, salários e sinais de políticas que são apenas indiretamente informativos sobre fundamentos latentes como a tecnologia ou a procura, e devem agir inferindo estes fundamentos. O Active Inference é também intrinsecamente prospectivo e multi-agente, correspondendo às expectativas orientadas para o futuro da economia e ao facto de que os mercados emergem de muitos participantes interligados e adaptativos que devem modelar as crenças e políticas uns dos outros.
Estado da literatura
O trabalho revisado concentra-se em economia comportamental e econômica: o artigo da Frontiers in Psychology sobre energia livre variacional e economia reinterpreta os axiomas de utilidade esperada (completude, transitividade, independência, continuidade) como consequências das preferências anteriores e da estrutura do modelo gerador, recasting vieses como a aversão à perda ou as inversões de preferência como otimização racional de crenças em vez de anomalias. Um artigo da Nature encontra evidências experimentais de que a escolha humana é frequentemente melhor explicada pela minimização da surpresa do que pela maximização do valor. Na economia financeira, o artigo de Samer Adra na Review of Behavioral Economics reinterpreta o trading de ruído, a volatilidade excessiva e o acompanhamento de tendências como subprodutos da minimização da energia livre em vez de desvios das expectativas racionais. No nível macroeconômico, um artigo do SSRN recasta os modelos de ciclo real (RBC) como casos especiais de inferência ativa, com a otimização do agente representativo expressa como minimização da energia livre sobre políticas de consumo, investimento e oferta de mão de obra.
Projetos e ferramentas-chave
O relatório nomeia várias implementações concretas em vez de apenas teoria: DR-FREE, um modelo de energia livre robusto à distribuição (com um repositório hospedado no Zenodo vinculado a um artigo da Nature Communications) que computa ações robustas através de um conjunto de ambiguidade de modelos generativos possíveis, relevante para decisões de portfólio, precificação ou inventário robustas sob incerteza do modelo. "Dynamic Trading using Active Inference" implementa um sistema de negociação no framework de programação probabilística RxInfer, construindo um modelo generativo da dinâmica de preços e codificando preferências sobre retorno e risco. "Factorised Active Inference for Strategic Multi-Agent Interactions" (arXiv) fornece algoritmos de passagem de mensagens para agentes que fatorizam espaços de estado auto/outro, aplicável a precificação de oligopólio, leilões e barganha. Um artigo separado conecta o aprendizado por reforço e a inferência ativa através do objetivo da "energia livre do futuro esperado", e o Active Inference Institute' próprio documento estratégico situa este trabalho dentro de uma maior pressão em direção a aplicações empresariais e industriais.
Problemas em aberto
O relatório é explícito quanto ao fato de que a validação empírica é a lacuna mais premente do campo: alegações de que os modelos de energia livre superam as referências de utilidade esperada ou DSGE ainda não foram sistematicamente testadas contra dados de mercado, macro ou de consumidor. A identificabilidade é uma segunda preocupação — os modelos gerativos em economia são frequentemente mal determinados e pode ser difícil distinguir preferências anteriores de crenças, ou detectar a especificação inadequada do modelo, apenas com base no comportamento observado. O relatório também destaca uma questão normativa-versus-descritiva não resolvida (os agentes devem minimizar a energia livre ou isso simplesmente descreve o comportamento bem?), implicações para a análise do bem-estar se os agentes não forem maximizadores de utilidade, e questões regulatórias/éticas abertas em torno do comércio algorítmico, pontuação de crédito e sistemas de políticas construídos sobre inferência ativa, além de desafios de escalabilidade não resolvidos para modelos multiagentes ou redes DSGE em larga escala.
Eixo de Referência
Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). Active Inference: The Free Energy Principle in Mind, Brain, and Behavior. MIT Press. 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. 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.