主动推理与城市规划 | Active Inference Institute

在本页

部分

城市规划日益面临深层不确定性、多尺度动态和异质利益相关者条件，在这些条件下，经典平衡或静态优化方法变得不够充分。基于自由能原则的主动推理提供了一个统一框架来感知、行动和学习在不确定性下的情况，并且已经开始了将其应用于交通信号控制、多agent能源优化、城市水资源治理和地理空间土地利用建模的研究工作。本页综合了该文献的状态，使用的应用模式，产生的具体项目和工具，以及领域仍需解决的开放问题。

为什么这个域名合适

城市规划建立在广泛的、嘈杂的、不完整的感知基础之上（交通计数、能源和水流量、土地使用模式、社会指标），这直接对应于主动推理中的观察，代理利用这些观察来推断潜在的状态，如需求模式、基础设施状况和社会需要。它还从根本上涉及政策选择和控制——分区、基础设施投资、操作规则、治理安排——这些被主动推理视为旨在通过知识（减少不确定性）和实用主义（实现结果）的预期自由能最小化而做出的选择。城市是不平稳的（人口结构变化、新技术、政策变动），并且具有多尺度/多代理特性（从交叉口到地区再到整个城市的策略），这正是设计用于处理这些复杂性的层次化、持续更新的生成模型所要应对的问题。

文献状态

基础理论来自弗里森关于注意力、不确定性与自由能量（识别动态和变分推理）的工作，以及关于规划导航作为主动推断的思考，还有叙事作为主动推断的一种叙述视角（心理学前沿），集体意义建构如何作为一个群体层面的推断功能。在两个应用领域中存在既有研究：在城市水资源治理中，Karpouzoglou及其同事（生态与社会）分析了基于状态强化的知识基础设施支持着适应性治理中的群体主动推断；在建筑环境中，BEACON（建筑前沿）嵌入了一个Active Inference仿真本体来表示隐性的建筑设计知识。交通控制工作——一个基于SUMO的主动推断控制器和一个关于嘈杂、非平稳物联网环境下的自适应信号控制的arXiv预印本，以及Millidge在大规模POMDP中的主动推断树搜索仍处于模拟/预印本阶段，同时与应用到城市基础设施和可持续移动性中的变分贝叶斯强化学习相邻。

关键项目和工具

报告列出了五个不同成熟度阶段的实施数：一个SUMO（Simulation of Urban MObility）主动推理交通信号控制器，与规则基基准进行对比（模拟原型）；另一个arXiv预印本将其扩展到嘈杂、非平稳的物联网传感器环境（预印本）；Alan Turing研究所的EcoNet多agent主动推理系统用于智能建筑中的城市能源优化（展示示范器）；BEACON的Active Inference仿真ontology（同行评审的 ontology和工具集）；以及GEO-INFER，一个Active Inference Institute开源工具包，附带指南以构建执行土地使用分类的地表空间图像的主动推理代理（工具包/实现）。

未解之题

报告指出，扩展性是最紧迫的挑战：真实的城市比迄今为止测试的模拟和演示器具有更大的状态空间和更复杂的动态，需要更易于处理的层次推理，并最终需要大规模模拟和具有纵向性能数据的操作性试点部署。报告还指出，在以下方面仍有未解决的工作：将人类行为和叙事整合到生成模型中；区分主动推理的描述性用途（解释机构已有的行为方式，如水治理论文）与规范性用途（设计新的控制器，如BEACON、GEO-INFER和EcoNet）；建立跨领域的共享基准和评估标准；以及由编码到规划相关生成模型中的先验和目标所引发的伦理、法律和政治问题。

参考主干

Karl J. Friston (2010). 自由能原理：统一的脑理论？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). 关于贝叶斯力学：一种由信念构成的物理学。arXiv. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). Active Inference、稳态调节和自适应行为控制。Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Pablo Lanillos, Cristian Meo, Corrado Pezzato, et al. (2021). 机器人和人工智能代理中的Active Inference：调查与挑战。arXiv. DOI: 10.48550/arXiv.2112.01871.

最佳下一步行动