Inferência ativa e o princípio da energia livre modelam os cérebros como sistemas hierárquicos generativos que inferem as causas ocultas dos dados sensoriais e agem para minimizar a surpresa esperada. Ao longo da última década, esta formalização evoluiu da neurociência teórica para a ciência psicológica e a psiquiatria clínica, produzindo uma literatura crescente sobre emoção, interocepção, auto-conceito, cognição social, psicoterapia e psicopatologia. A literatura permanece metodologicamente jovem: a maioria dos modelos ainda está no nível de simulação e teoria, com relativamente poucos testes empíricos em larga escala e apenas ferramentas translacionais nascentes.
Por que o domínio se encaixa
A psicologia é fundamentalmente sobre como os organismos lidam com a incerteza: interpretando sinais sensoriais ambíguos, formando crenças, regulando corpos e emoções e selecionando ações em situações parcialmente observáveis. A inferência ativa trata essas funções como instâncias de inferência probabilística sob um modelo gerador, onde a percepção infere estados ocultos, o aprendizado atualiza os parâmetros do modelo e a ação amostra observações preferidas minimizando a energia livre esperada. Isso dá aos construtos psicológicos há muito descritos qualitativamente—esquemas, avaliações, mecanismos de defesa, estratégias de enfrentamento—um tratamento matemático explícito, por exemplo, modelando avaliações de ameaça tendenciosas ansiosamente como priors que sobrepesam o perigo e impulsionam o comportamento hipervigilante.
Estado da literatura
Uma revisão de 2024 sobre Entropia, "Active Inference em Psicologia e Psiquiatria: Progresso até o momento?", analisa aplicações em emoção, interocepção, auto-conceito, cognição social e psicopatologia, argumentando que a estrutura pode unificar estes subcampos ao enfatizar a necessidade de testes empíricos rigorosos. A teoria da emoção construída por Lisa Feldman Barrett recria a emoção como inferência sobre entradas interoceptivas e exteroceptivas usando conceitos armazenados; trabalhos relacionados estendem isso à psicopatologia interoceptiva, ansiedade como "incerteza aprendida", contas allostáticas da depressão, vício como inferência otimizada sob um modelo subótimo e os sintomas negativos da esquizofrenia como falhas na previsão das consequências de suas próprias ações. A própria psicoterapia foi formalizada computacionalmente, com modelos de inferência ativa de CBT e da Terapia de Coerência simulando como as intervenções revisam pré-requisitos e políticas.
Projetos e ferramentas-chave
O principal arcabouço computacional citado é o trabalho sobre inferência ativa em espaços de estados discretos (“Inferência ativa em espaços de estados discretos: Uma síntese”), que fornece algoritmos para modelos generativos categóricos, avaliação de políticas e atualização de crenças que sustentam aplicações computacionais-psiquiátricas posteriores. O relatório também menciona rotinas MATLAB associadas ao grupo de Karl Friston na UCL e pacotes Python baseados em inferência ativa discreta, usados para ajustar modelos a dados de tarefas comportamentais e inferir diferenças individuais nos priors e precisão. Existe código específico para tarefas com modelos de simulação da TCC com priors e preferências ajustáveis do paciente, embora o modelo de Terapia de Coerência permaneça em grande parte teórico e não implementado como software; o relatório nota explicitamente que sistemas clínicos totalmente implantados baseados em inferência ativa ainda são raros.
Problemas em aberto
O relatório aponta uma tensão central entre a reivindicação normativa da inferência ativa (agentes minimizam a energia livre) e a variabilidade frequentemente subótima e moldada culturalmente e situacionalmente do comportamento humano real, agravada pelo risco de identificação de modelos devido a priori de alta dimensionalidade, termos de precisão e preferências. A validação empírica em vários níveis de descrição é escassa: a maioria dos modelos é testada em tarefas simples com validade ecológica limitada, e as alegações sobre o eu, identidade e personalidade são, em grande parte, conceituais e não baseadas em dados. O relatório solicita estudos longitudinais, multimodais que vinculem dados neurais, fisiológicos, comportamentais e de auto-relato a parâmetros do modelo, comparações com estruturas alternativas como aprendizado por reforço, e testes controlados da inferência ativa informada antes da tradução clínica – incluindo atenção à interpretabilidade, diferenças individuais e culturais, e à ética da previsão de comportamento baseada em modelos.
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. 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. 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.