Dette er en fortelling om to Stanford-forskere – @jakub_smekal (KB7) og @InferenceActive (KB5) – som utforsker et av de mest omfattende rammeverkene innen kunstig intelligens. Karl Fritons rammeverk for aktiv slutning beskriver hvordan alle organismer minimerer «fri energi» – forskjellen mellom forventede tilstander og sanset virkelighet. «Vi prøver verden for å sikre at våre spådommer blir en selvoppfyllende profeti,» skrev Friston en gang. Active Inference er i dialog med andre AI-paradigmer som forsterkende læring og prediktiv prosessering. Daniel og Jakub har vært medforfattere av flere forskningsartikler om emnet, inkludert Generalized Notation Notation (GNN), et standardisert tekstbasert språk som bygger bro mellom teori og implementering på tvers av ulike vitenskaper og disipliner. Jakubs doktorgrad har vokst fra aktiv inferens til dyptilstandsrommodeller (SSM). «Mye av arbeidet mitt er minimering av usikkerhet», fortalte Jakub oss, før han tenkte: «Jeg antar at det er spillet som alle (i AI) spiller.» Fra celler til AI-modeller til samfunn, vi utdyper alle vårt forhold til overraskelser. Forbered deg på det uventede.

Les mer på vår S-bst-k, og gi oss beskjed hvis du kjenner noen andre som jobber med forskning som bør vises på No Signal eller utforskes med oss i @Kernel0x.