Esta es la historia de dos investigadores de Stanford – @jakub_smekal (KB7) y @InferenceActive (KB5) – explorando uno de los marcos más abarcadores en inteligencia artificial. El marco de inferencia activa de Karl Friston describe cómo todos los organismos minimizan la "energía libre" - la diferencia entre los estados esperados y la realidad percibida. "Muestreamos el mundo para asegurarnos de que nuestras predicciones se conviertan en una profecía autocumplida", escribió una vez Friston. La Inferencia Activa dialoga con otros paradigmas de IA como el aprendizaje por refuerzo y el procesamiento predictivo. Daniel y Jakub han coautorado varios artículos de investigación sobre el tema, incluyendo Notación Generalizada (GNN), un lenguaje estandarizado basado en texto que conecta teoría e implementación a través de diferentes ciencias y disciplinas. El doctorado de Jakub ha evolucionado de la inferencia activa a modelos de espacio de estado profundo (SSMs). "Gran parte de mi trabajo es la minimización de la incertidumbre", nos dijo Jakub, antes de reflexionar, "Supongo que ese es el juego que todos (en IA) están jugando." Desde células hasta modelos de IA y sociedades, todos estamos profundizando nuestra relación con la sorpresa. Prepárate para lo inesperado.

Lee más sobre nuestro S-bst-k, y háznos saber si conoces a alguien más que esté trabajando en investigaciones que deberían ser destacadas en No Signal o exploradas con nosotros en @Kernel0x.