Dit is het verhaal van twee Stanford-onderzoekers – @jakub_smekal (KB7) & @InferenceActive (KB5) – die een van de meest omvattende kaders in kunstmatige intelligentie verkennen. Het actieve inferentiekader van Karl Friston beschrijft hoe alle organismen "vrije energie" minimaliseren - het verschil tussen verwachte toestanden en waargenomen realiteit. "We nemen de wereld waar om ervoor te zorgen dat onze voorspellingen een zelfvervullende profetie worden," schreef Friston ooit. Actieve inferentie staat in dialoog met andere AI-paradigma's zoals versterkend leren en voorspellende verwerking. Daniel en Jakub hebben verschillende onderzoeksartikelen over het onderwerp co-auteur, waaronder Generalized Notation Notation (GNN), een gestandaardiseerde tekstgebaseerde taal die theorie en implementatie over verschillende wetenschappen en disciplines verbindt. Jakub's PhD is gegroeid van actieve inferentie naar diepe toestandsruimtemodellen (SSM's). "Een groot deel van mijn werk is de minimalisatie van onzekerheid," vertelde Jakub ons, voordat hij overpeinsde: "Ik denk dat dat het spel is dat iedereen (in AI) speelt." Van cellen tot AI-modellen tot samenlevingen, we verdiepen allemaal onze relatie met verrassing. Bereid je voor op het onverwachte.

Lees meer over onze S-bst-k en laat het ons weten als je iemand kent die aan onderzoek werkt dat op No Signal moet worden uitgelicht of met ons moet worden verkend in @Kernel0x.