To opowieść o dwóch badaczach ze Stanfordu – @jakub_smekal (KB7) i @InferenceActive (KB5) – którzy badają jeden z najbardziej wszechstronnych frameworków w sztucznej inteligencji. Framework aktywnego wnioskowania Karla Fristona opisuje, jak wszystkie organizmy minimalizują "wolną energię" - różnicę między oczekiwanymi stanami a postrzeganą rzeczywistością. „Próbkujemy świat, aby nasze przewidywania stały się samospełniającą się przepowiednią,” napisał kiedyś Friston. Aktywne wnioskowanie prowadzi dialog z innymi paradygmatami AI, takimi jak uczenie przez wzmocnienie i przetwarzanie predykcyjne. Daniel i Jakub są współautorami kilku prac badawczych na ten temat, w tym Generalized Notation Notation (GNN), ustandaryzowanego języka tekstowego, który łączy teorię z implementacją w różnych naukach i dyscyplinach. Doktorat Jakuba rozwinął się z aktywnego wnioskowania w głębokie modele przestrzeni stanów (SSM). „Wiele mojej pracy polega na minimalizacji niepewności,” powiedział nam Jakub, a następnie dodał: „Myślę, że to gra, w którą wszyscy (w AI) grają.” Od komórek po modele AI i społeczeństwa, wszyscy pogłębiamy naszą relację z zaskoczeniem. Przygotuj się na niespodziewane.

Przeczytaj więcej o naszym S-bst-k i daj nam znać, czy znasz kogoś innego, kto pracuje nad badaniami, które powinny być zaprezentowane w No Signal lub z którymi powinniśmy współpracować w @Kernel0x.