這是一個關於兩位史丹佛研究者的故事 – @jakub_smekal (KB7) 和 @InferenceActive (KB5) – 探索人工智慧中最全面的框架之一。 卡爾·弗里斯頓的主動推理框架描述了所有生物如何最小化「自由能量」——預期狀態與感知現實之間的差異。 「我們對世界進行取樣，以確保我們的預測成為自我實現的預言，」弗里斯頓曾寫道。 主動推理與其他人工智慧範式如強化學習和預測處理進行對話。 丹尼爾和雅庫布共同撰寫了幾篇關於該主題的研究論文，包括通用標記法（GNN），這是一種標準化的基於文本的語言，橋接不同科學和學科之間的理論與實施。 雅庫布的博士學位研究從主動推理發展到深度狀態空間模型（SSMs）。 「我很多的工作都是在最小化不確定性，」雅庫布告訴我們，然後沉思道，「我想這就是每個人（在人工智慧領域）所玩的遊戲。」 從細胞到人工智慧模型再到社會，我們都在加深與驚訝的關係。為意外做好準備。

請在我們的 S-bst-k 上閱讀更多內容，並告訴我們是否認識其他正在進行研究的人，這些研究應該在 No Signal 上被特別介紹或與我們在 @Kernel0x 一起探討。