Dies ist die Geschichte von zwei Stanford-Forschern – @jakub_smekal (KB7) & @InferenceActive (KB5) – die eines der umfassendsten Rahmenwerke in der künstlichen Intelligenz erkunden. Karl Fristons aktives Inferenzrahmen beschreibt, wie alle Organismen "freie Energie" minimieren – die Differenz zwischen erwarteten Zuständen und wahrgenommener Realität. „Wir nehmen die Welt in Samples, um sicherzustellen, dass unsere Vorhersagen eine sich selbst erfüllende Prophezeiung werden“, schrieb Friston einmal. Aktive Inferenz steht im Dialog mit anderen KI-Paradigmen wie dem verstärkenden Lernen und der prädiktiven Verarbeitung. Daniel und Jakub haben mehrere Forschungsarbeiten zu diesem Thema verfasst, darunter die Generalized Notation Notation (GNN), eine standardisierte textbasierte Sprache, die Theorie und Implementierung über verschiedene Wissenschaften und Disziplinen hinweg verbindet. Jakubs Doktorarbeit hat sich von aktiver Inferenz zu tiefen Zustandsraummodellen (SSMs) entwickelt. „Ein großer Teil meiner Arbeit besteht darin, Unsicherheit zu minimieren“, sagte Jakub zu uns, bevor er nachdachte: „Ich schätze, das ist das Spiel, das jeder (in der KI) spielt.“ Von Zellen über KI-Modelle bis hin zu Gesellschaften vertiefen wir alle unsere Beziehung zur Überraschung. Bereite dich auf das Unerwartete vor.

Lesen Sie mehr über unser S-bst-k und lassen Sie uns wissen, ob Sie jemanden kennen, der an Forschung arbeitet, die auf No Signal vorgestellt oder mit uns in @Kernel0x erkundet werden sollte.