Det här är en berättelse om två Stanford-forskare – @jakub_smekal (KB7) & @InferenceActive (KB5) – som utforskar ett av de mest omfattande ramverken inom artificiell intelligens. Karl Fristons aktiva inferensramverk beskriver hur alla organismer minimerar "fri energi" - skillnaden mellan förväntade tillstånd och upplevd verklighet. "Vi provar världen för att se till att våra förutsägelser blir en självuppfyllande profetia", skrev Friston en gång. Active Inference står i dialog med andra AI-paradigm som förstärkningsinlärning och prediktiv bearbetning. Daniel och Jakub har tillsammans författat flera forskningsartiklar i ämnet, inklusive Generalized Notation Notation (GNN), ett standardiserat textbaserat språk som överbryggar teori och implementering mellan olika vetenskaper och discipliner. Jakubs doktorsavhandling har vuxit från aktiv inferens till rymdmodeller (SSM). "En stor del av mitt arbete handlar om att minimera osäkerhet", berättade Jakub för oss, innan han funderade: "Jag antar att det är det spel som alla (inom AI) spelar." Från celler till AI-modeller till samhällen, vi fördjupar alla vår relation till överraskningar. Förbered dig på det oväntade.

Läs mer på vår S-bst-k, och låt oss veta om du känner någon annan som arbetar med forskning som borde vara med på No Signal eller utforskas med oss i @Kernel0x.