これは、スタンフォード大学の 2 人の研究者、@jakub_smekal (KB7) と @InferenceActive (KB5) が、人工知能における最も包括的なフレームワークの 1 つを探求する物語です。 カール・フリストンの能動的推論フレームワークは、すべての生物が「自由エネルギー」、つまり期待される状態と感知された現実の違いをどのように最小限に抑えるかを説明しています。 「私たちは、自分の予測が自己実現的な予言になるように、世界をサンプリングします」とフリストンはかつて書いています。 アクティブ推論は、強化学習や予測処理などの他の AI パラダイムと対話しています。 ダニエルとヤクブは、さまざまな科学や分野にわたる理論と実装の橋渡しをする標準化されたテキストベースの言語である一般化表記法(GNN)など、このテーマに関するいくつかの研究論文を共著しています。 Jakubの博士号は、アクティブな推論からディープステート空間モデル(SSM)へと成長しました。 「私の仕事の多くは、不確実性を最小限に抑えることです」とヤクブ氏は語った後、「それは(AIの)誰もがプレイしているゲームだと思います」と考えました。 細胞からAIモデル、社会に至るまで、私たちは皆、驚きとの関係を深めています。予期せぬ事態に備えてください。

S-bst-k で詳細を読み、No Signal で取り上げられるべき、または @Kernel0x 年に私たちと一緒に探求すべき研究に取り組んでいる人を他に知っている場合はお知らせください。