Por que o domínio se encaixa
O planejamento urbano é construído sobre uma extensa e ruidosa percepção incompleta (contagens de tráfego, fluxos de energia e água, padrões de uso da terra, indicadores sociais) que corresponde diretamente às observações da inferência ativa, que os agentes usam para inferir estados latentes como padrões de demanda, condição da infraestrutura e necessidade social. Também é fundamentalmente sobre seleção e controle de políticas — zoneamento, investimento em infraestrutura, regras operacionais, arranjos de governança — que a inferência ativa trata como ações escolhidas para minimizar a energia esperada livre em termos epistêmicos (redução de incerteza) e práticos (realização do resultado). As cidades são adicionalmente não estacionárias (deslocamentos demográficos, novas tecnologias, mudanças nas políticas) e multi-escala/multi-agente (intersecções para distritos até estratégias da cidade inteira), ambas as quais modelos geradores hierárquicos e continuamente atualizados são projetados para lidar.
Estado da literatura
A teoria fundamental emana do trabalho de Friston sobre atenção, incerteza e energia ativa (dinâmica de reconhecimento e inferência variacional) e sobre planejamento/navegação como inferência ativa, mais uma conta de inferência ativa da narrativa (Frontiers in Psychology) sobre como o senso comum coletivo funciona como inferência em nível de grupo. Aplicado, trabalhos revisados por pares existem em duas áreas: governança hídrica urbana, onde Karpouzoglou e colegas (Ecology and Society) analisam infraestruturas de conhecimento reforçadas pelo estado para apoiar a inferência ativa baseada em grupos na governança adaptativa, e o ambiente construído, onde o BEACON (Frontiers in the Built Environment) incorpora uma ontologia de inferência ativa do InstitutoOS para representar o conhecimento tácito do design arquitetônico. O trabalho de controle de tráfego — um controlador de inferência ativa baseado no SUMO e um preprint do arXiv sobre controle adaptativo de sinais em ambientes IoT ruidosos e não estacionários — e a busca de árvores de inferência ativa de Millidge em grandes POMDPs permanecem em estágio de simulação/preprint, ao lado do aprendizado por reforço bayesiano variacional próximo aplicado à infraestrutura urbana e mobilidade sustentável.
Problemas em aberto
O relatório destaca a escalabilidade como o principal desafio: cidades reais têm espaços de estado muito maiores e dinâmicas mais complexas do que as simulações e demonstradores testados até agora, exigindo inferência hierárquica mais tratável e, eventualmente, simulações em larga escala e implantações piloto operacionais com dados de desempenho longitudinais. Também identifica trabalho não resolvido na integração de comportamento humano e narrativa em modelos generativos, no discernimento entre usos descritivos da inferência ativa (explicando como as instituições já se comportam, como no artigo sobre governança hídrica) e usos normativos (projetando novos controladores, como em BEACON, GEO-INFER e EcoNet), no estabelecimento de benchmarks e padrões de avaliação compartilhados em domínios e nas questões éticas, legais e políticas levantadas pelos priors e objetivos codificados em modelos generativos relevantes para o planejamento.
Eixo de Referência
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.