Почему домен подходит
Фермеры и сельскохозяйственные системы постоянно ассимилируют зашумленные данные, такие как влажность почвы, изображения и погода, и действуют посредством орошения, удобрения и борьбы с вредителями — модель, которую отчет напрямую описывает через вариационную минимизацию и минимизацию ожидаемой свободной энергии. Разделение ожидаемой свободной энергии на эпистемическую ценность (например, разведка вредителей, размещение датчиков) и инструментальную ценность (например, сбор урожая в предсказанное оптимальное время) естественным образом соответствует компромиссам между исследованием и эксплуатацией в сельском хозяйстве. Вложенные масштабы сельского хозяйства, от ежечасных решений по орошению до многолетней реставрации почв и десятилетней адаптации к климату, также подходят для иерархических генеративных моделей активного вывода, и отчет распространяет это на биосферные марковские одеяла, разделяющие фермы на внутренние, сенсорные и активные состояния.
Обзор литературы
Отчет выявляет широкий спектр вовлеченности в термин, от строгого подхода на основе принципа свободной энергии в теории устойчивости (статья «Устойчивость с помощью Active Inference» в Systems, 2024 и связанный preprint по управлению ресурсами) до информационно-теоретических применений в робототехнике и сенсорных сетях. Приведены примеры применения, включая фреймворк обнаружения вредителей EnhancedTinyCNN, энергетические затраты которого обусловлены циклами инференса, исследование ET0 по прогнозированию на границах для орошения и оптимизация батареи беспроводной сенсорной сети посредством активного инференса и динамических гауссовых байесовских сетей. В отчете четко указано, что эмпирических, реальных доказательств повышения производительности остается немного, и что большая часть этой литературы носит концептуальный, междоменный или терминологически расплывчатый характер.
Открытые проблемы
Отчет выявляет как основную техническую нехватку спецификацию генеративных моделей и их проверку на соответствие данным из реальных полевых условий, поскольку большинство агрономических моделей являются механистическими, а не вероятностными, и доказательства поступают в основном из симуляций и небольших прототипов. Экосистемы данных фрагментированы по различным проприетарным платформам, что вызывает вопросы о собственности на данные и о том, как выбираются и кодируются приоритеты устойчивости. В отчете также отмечается необходимость интерпретируемости для доверия фермеров, социальные/этические риски внедрения нормативных предпосылок, а также потребность в рандомизированной оценке клинического уровня перед тем, как поддержка принятия решений на основе активного вывода может считаться доказанной на практике.
Опорный каркас
Карл Дж. Фристон (2010). Свободный принцип инференции: единая теория мозга? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Максвелл Д.Рэмстед, Карл Дж. Фристон, Аксель Констант, Ланселот Да Коста, Каспер Хеспе, Берен Миллидж, Александр Цханц (2023). О байесовской механике: физика и посредством убеждений. arXiv. Джованни Пезуло, Франческо Риколи, Карл Дж. Фристон (2017). Активная инференция, гомеостатическая регуляция и адаптивное поведение. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Дэниел Ари Фридман, Але́к Цханц, Максвелл Д.Рэмстед, Карл Дж. Фристон, Аксель Констант (2021). Активные инференты: фреймворк активной инференции для поведения муравьев. Frontiers in Behavioral Neuroscience. DOI: 10.3389/fnbeh.2021.647732