这是两个斯坦福研究者的故事 – @jakub_smekal (KB7) 和 @InferenceActive (KB5) – 探索人工智能中最全面的框架之一。 卡尔·弗里斯顿的主动推理框架描述了所有生物如何最小化“自由能”——预期状态与感知现实之间的差异。 “我们对世界进行采样，以确保我们的预测成为自我实现的预言，”弗里斯顿曾写道。 主动推理与其他人工智能范式如强化学习和预测处理进行对话。 丹尼尔和雅库布共同撰写了几篇关于该主题的研究论文，包括广义符号表示法（GNN），这是一种标准化的基于文本的语言，跨越不同科学和学科连接理论与实施。 雅库布的博士研究从主动推理发展到深度状态空间模型（SSMs）。 “我工作的很多内容都是不确定性的最小化，”雅库布告诉我们，然后沉思道，“我想这就是每个人（在人工智能领域）所玩的游戏。” 从细胞到人工智能模型再到社会，我们都在加深与惊讶的关系。为意外做好准备。

请在我们的 S-bst-k 上阅读更多内容，如果您知道其他正在进行研究的人，请告诉我们，他们应该在 No Signal 上被展示或与我们在 @Kernel0x 一起探讨。