Экологические системы — популяции, сообщества, экосистемы и сама биосфера — состоят из взаимодействующих подсистем, обменивающихся веществом и энергией через полупроницаемые границы, поддерживающих стабильные макросостояния во времени. Эта структура тесно отражает «мертвое одеяло» и формализм байесовской механики, лежащий в основе принципа свободной энергии, поэтому возникла исследовательская программа под названием «вариационная экология», моделирующая организмы и их ниши как связанные системы инференции. В этой литературе больше теории и симуляций, чем полевых данных: на этой странице рассматриваются концептуальные основы, используемые закономерности моделирования, доступные инструменты и эмпирические пробелы, которые все еще необходимо заполнить в этой области.
Почему домен подходит
Свободный принцип инференции описывает эргодические случайные динамические системы, поддерживающие не равновесное установившееся состояние путем минимизации вариационного свободного энергетического потенциала, верхней границы неожиданности сенсорных состояний в рамках генеративной модели. Экологические системы удовлетворяют этому описанию на каждом масштабе: организмы, популяции и экосистемы поддерживают характерные распределения состояний (избытки, уровни ресурсов, климатические переменные) и проявляют самоорганизующиеся паттерны, устойчивые к возмущениям. Рамстед и коллеги окрестили это "вариационной экологией", рассматривая организмы как машины инференции, которые параметризуют генеративные модели своей ниши, а конструирование среды служит со-адаптируемым "внешним состоянием" той же системы. Поскольку вложенность экосистем (популяции внутри сообществ внутри экосистем внутри биосферы) напрямую отображается на иерархию марковских одеял, сама многоуровневая структура этой области делает ее естественным соответствием, а не метафорическим преувеличением.
Приложения в литературе
Конкретные моделирование закономерности повторяются в корпусе: генеративные модели экологических переменных (состояния ресурсов, сигналы хищников, развивающиеся среды), выбор политики посредством ожидаемой свободной энергии, которая обменивается прагматической ценностью против эпистемической (снижающей неопределенность) ценности иерархические формулировки, где медленные переменные (климат, генетика) ограничивают быстрые (поведение, фенотип). Постоянный и коллеги формализовали конструирование развивающихся ниш как медленный градиентный поток на усредненной во времени свободной энергии, в котором организмы модифицируют экологические переменные, такие как структуры гнезд или среды родительской заботы, чтобы стабилизировать предпочтительные пути развития. Брюйнеберг, Риттельт и Парр расширили это до совместной меры свободы агента и окружающей среды "соответствия", а рамочная структура "когниологической экологии неожиданности" применяет активное выведение для динамики хищник-жертва, утверждая, что хищники получают выгоду от генерации неожиданностей, в то время как жертвы минимизируют их посредством бдительности и выбора среды обитания. Статья Heins и коллег в журнале PNAS о коллективном поведении, основанная на минимизации неожиданности, является наиболее полно разработанным результатом моделирования, показывающим, что непрерывно-временные агенты, индивидуально минимизирующие свободную энергию, воспроизводят групповое движение, похожее на стаи и рои, без запрограммированных правил поведения. На самом крупном масштабе Рубин, Парр, Da Costa и Friston моделировали углеродный цикл и метаболические скорости биосферы как планетарное марковскую пеленку, описывая устойчивость и регулирование климата Земли так, как если бы биосфера минимизировала функционал свободной энергии.
Инструменты и институциональная инфраструктура
Пакет pymdp на языке Python реализует дискретную модель марковских решений активного инференса и лежит в основе нескольких паттернов применения в экологии (выбор участка, выбор среды обитания, упрощенные игры о добыче пищи), а скрипты обучения SPM/MATLAB и опубликованный код GitHub для симуляций коллективного поведения с непрерывным временем предоставляют адаптивные стартовые точки. Модели активного инференса общих ресурсов, разработанные Альварасином, Хиполито и коллегами, предлагают шаблоны для социальных-экологических приложений, хотя их текущий фокус направлен на поведение человека, а не на экологические системы напрямую. Препринт, предлагающий "ориентированный на среду активный инференс", в котором марковские блоки определяются с точки зрения среды, является перспективным направлением, актуальным для моделирования экологии, но пока не поддержанным широкодоступным кодом. Институт активного инференса является институциональным центром, упомянутым в отчете, где с 2021 года функционирует Лаборатория активного инференса с трансляциями и обсуждениями, охватывающими работу in silico и робототехнику, а также биогеографию и устойчивость земных систем, и ведет записи базы знаний об экологических и эволюционных динамиках.
Открытые проблемы
Отчет явно указывает на то, что эмпирические, основанные на данных приложения остаются редкими по сравнению с теоретической и симуляционной литературой: почти не опубликованы тесты, сравнивающие предсказания активного инференции с альтернативными экологическими моделями (оптимальными моделями, обучением с подкреплением) с использованием реальных поведенческих или экологических данных. Вторая открытая проблема заключается в масштабировании последовательно от организмов к экосистемам и биосфере без произвольного выбора того, что считать "внутренним состоянием" на каждом уровне — отчет отмечает, что неясно, следует ли моделировать экосистему как одного агента или как популяцию взаимодействующих агентов, чья динамика выглядит инференционной только в агрегате. Третья проблема заключается в интерпретации: применение языка "верований" к растениям, микробиальным сообществам или биосфере рискует преувеличивать когнитивные утверждения, и отчет рекомендует рассматривать активный инференцию как удобство моделирования, а не как онтологию для не-когнитивных систем. Наконец, отчет отмечает конкретные методологические пробелы (программное обеспечение, масштабируемое за пределами небольших дискретных MDP, техники оценки прокси-энергии свободной энергии из шумных экологических временных рядов) и нормативные вопросы, возникающие, когда модели социального управления экосистемами начинают кодировать "предпочитаемые состояния", которые встраивают ценностные суждения о росте против биоразнообразия.
Опорный каркас
Карл Дж. Фристон (2010). Принцип свободной энергии: единая теория мозга? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Кристофер Л. Бакли, Чанг Суб Ким, Саймон МакГрегор, Анил К. Сет (2017). Принцип свободной энергии для действия и восприятия: математический обзор. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2017.09.004. Джиованни 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. Максвелл Дж. Д. Рамстед, Карл Дж. Фристон, Аксель Констант, Ланселот Да Коста, Каспер Хеспе, Берен Миллидж, Александр Цханц (2023). О байесовской механике: физика убеждений. arXiv.