Esta es la historia de dos investigadores de Stanford, @jakub_smekal (KB7) y @InferenceActive (KB5), que exploran uno de los marcos más completos de la 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. "Tomamos muestras del mundo para asegurarnos de que nuestras predicciones se conviertan en una profecía autocumplida", escribió Friston una vez. La inferencia activa dialoga con otros paradigmas de IA como el aprendizaje por refuerzo y el procesamiento predictivo. Daniel y Jakub han sido coautores de varios trabajos de investigación sobre el tema, incluida la notación de notación generalizada (GNN), un lenguaje estandarizado basado en texto que une la teoría y la implementación en diferentes ciencias y disciplinas. El doctorado de Jakub ha pasado de la inferencia activa a los modelos espaciales de estado profundo (SSM). "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) juegan". Desde las células hasta los modelos de IA y las sociedades, todos estamos profundizando nuestra relación con la sorpresa. Prepárate para lo inesperado.

Lea más en nuestro S-bst-k y háganos saber si conoce a alguien más que trabaje en una investigación que deba aparecer en No Signal o explorarse con nosotros en @Kernel0x.