Почему домен подходит
Городское планирование строится на обширных, шумных и неполных данных сбора информации (счетчики трафика, потоки энергии и воды, закономерности землепользования, социальные показатели), которые напрямую соответствуют наблюдениям активного инференса, используемым агентами для вывода скрытых состояний, таких как паттерны спроса, состояние инфраструктуры и социальная потребность. Это также фундаментально связано с выбором и управлением политикой — зонирование, инвестиции в инфраструктуру, оперативные правила, организационные структуры — которые активный инференс рассматривает как действия, выбранные для минимизации ожидаемой свободной энергии как эпистемической (снижающей неопределенность), так и практической (реализующей результат) терминов. Города также являются нестационарными (демографические сдвиги, новые технологии, изменение политики) и многомасштабными/многоагентными (пересечения от районов до всей городской стратегии), что требует использования иерархических, постоянно обновляемых генеративных моделей для обработки этих особенностей.
Обзор литературы
Фундаментальная теория исходит из работ Фристона об внимании, неопределенности и свободной энергии (распознавание динамики и вариационное вычисление) и о планировании/навигации как активном выводе, а также с объяснением, что повествование является активным выводом (Frontiers in Psychology), описывающим, как коллективное осмысление функционирует как групповой вывод. Применяемые, рецензируемые исследования существуют в двух областях: городское управление водными ресурсами, где Карпузогло и его коллеги (Ecology and Society) анализируют инфраструктуры знаний, поддерживаемые государством, как способствующие активному выводу на основе групп в адаптивном управлении, и область строительства, где BEACON (Frontiers in the Built Environment) внедряет онтологию Active Inference Simulation для представления неявных архитектурных знаний. Работа по управлению трафиком — контроллер активного вывода на основе SUMO и preprint arXiv об адаптивном управлении сигналами в шумной, нестационарной среде IoT, а также поиск дерева активного вывода Millidge в больших POMDP — находятся на стадии моделирования/предварительного просмотра, вместе с вариационным байесовским обучением с подкреплением, примененным к городской инфраструктуре и устойчивой мобильности.
Ключевые проекты и инструменты
В отчете названы пять конкретных реализаций на разных стадиях зрелости: бенчмарк контроллера светофоров с активным рассуждением SUMO, сравниваемый с базовым правилам алгоритмом (симуляторный прототип); preprint arXiv, расширяющий это на шумные, нестационарные IoT-датчевые среды (preprint); EcoNet, многоагентная система активного рассуждения Института Алана Тьюринга для оптимизации городского энергопотребления в умных зданиях, представленная на Turing Grand Exhibition (развернутый демонстратор); онтология Active Inference Simulation от BEACON для неявных знаний об окружающей среде (научно-исследовательская онтология и инструменты); и GEO-INFER, открытый набор инструментов Института Active Inference с руководством по созданию агентов активного рассуждения, выполняющих классификацию землепользования на основе геопространственных изображений (набор инструментов/реализация).
Открытые проблемы
Отчет отмечает масштабирование как самую насущную проблему: реальные города имеют гораздо большие пространства состояний и более сложные динамики, чем те симуляции и демонстраторы, которые были протестированы до сих пор, что требует более управляемой иерархической инференции и, в конечном итоге, масштабных симуляций и оперативных пилотных развертываний с данными о производительности на протяжении длительного времени. Также он выявляет нерешенные вопросы по интеграции человеческого поведения и повествования в генеративные модели, по различию описательных способов использования активной инференции (объяснение того, как уже ведут себя институты, как в статье о водопользовании) от нормативных (проектирование новых контроллеров, как в BEACON, GEO-INFER и EcoNet), по установлению общих эталонов и стандартов оценки во всех областях и по этическим, правовым и политическим вопросам, возникающим из-за приорных данных и целей, закодированных в генеративных моделях, относящихся к планированию.
Опорный каркас
Карл Дж. Фристон (2010). Свободный принцип инференции: единая теория мозга? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Максвелл Д.Р. Рамстед, Карл Дж. Фристон, Аксель Констант, Ланселот Да Коста, Каспер Хеспе, Берен Миллидж, Александр Чханц (2023). О байесовской механике: физика 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. Пабло Ланилос, Кристиан Мео, Коррадо Пеццато и др. (2021). Активная инференция в робототехнике и искусственных агентах: обзор и проблемы. arXiv. DOI: 10.48550/arXiv.2112.01871.