論文の概要: The Two Kinds of Free Energy and the Bayesian Revolution
- arxiv url: http://arxiv.org/abs/2004.11763v4
- Date: Mon, 7 Dec 2020 00:03:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 04:00:47.602321
- Title: The Two Kinds of Free Energy and the Bayesian Revolution
- Title（参考訳）: 2種類の自由エネルギーとベイズ革命
- Authors: Sebastian Gottwald, Daniel A. Braun
- Abstract要約: 我々は、知的エージェンシーの現在のモデルには、基本的に2つの異なる自由エネルギーの概念があると主張している。
一般的な最大エントロピー原理に基づいて精度と不確実性をトレードオフする場合に現れる。
他の公式は、与えられた参照モデルからの信念とポリシーの逸脱を定量化する誤り尺度を最小化する観点から行動選択を定式化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The concept of free energy has its origins in 19th century thermodynamics,
but has recently found its way into the behavioral and neural sciences, where
it has been promoted for its wide applicability and has even been suggested as
a fundamental principle of understanding intelligent behavior and brain
function. We argue that there are essentially two different notions of free
energy in current models of intelligent agency, that can both be considered as
applications of Bayesian inference to the problem of action selection: one that
appears when trading off accuracy and uncertainty based on a general maximum
entropy principle, and one that formulates action selection in terms of
minimizing an error measure that quantifies deviations of beliefs and policies
from given reference models. The first approach provides a normative rule for
action selection in the face of model uncertainty or when information
processing capabilities are limited. The second approach directly aims to
formulate the action selection problem as an inference problem in the context
of Bayesian brain theories, also known as Active Inference in the literature.
We elucidate the main ideas and discuss critical technical and conceptual
issues revolving around these two notions of free energy that both claim to
apply at all levels of decision-making, from the high-level deliberation of
reasoning down to the low-level information processing of perception.
- Abstract（参考訳）: 自由エネルギーの概念は19世紀の熱力学に起源を持つが、近年は行動科学や神経科学に浸透し、その幅広い応用性のために推進され、知的行動と脳機能を理解する基本的な原理として提案されている。
現在の知的機関のモデルには本質的に2つの自由エネルギーの概念があり、どちらも行動選択問題に対するベイズ推論の応用と見なすことができる: 一般的な最大エントロピー原理に基づいて正確性と不確実性を切り離すときに現れるものと、与えられた参照モデルからの信念と方針の逸脱を定量化する誤差測度を最小化するものとして行動選択を定式化するものとである。
第一のアプローチは、モデル不確実性や情報処理能力の制限に直面した場合に、行動選択の規範的ルールを提供する。
第2のアプローチは、ベイジアン脳理論の文脈において、行動選択問題を推論問題として定式化することを直接目的としている。
我々は,これらの2つの自由エネルギー概念について,推論の高レベルな審議から知覚の低レベル情報処理まで,それぞれがあらゆるレベルの意思決定に適用すると主張する批判的技術的・概念的問題を明らかにする。
関連論文リスト
- Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。
既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。
ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
論文 参考訳（メタデータ） (2024-03-30T00:53:53Z) - Reframing the Expected Free Energy: Four Formulations and a Unification [3.9121134770873733]
能動推論は期待される自由エネルギーに基づいている。
本稿では、これらの定式化を1つのルート予測自由エネルギー定義から導出する問題を定式化する。
論文 参考訳（メタデータ） (2024-02-22T11:38:43Z) - A Semantic Approach to Decidability in Epistemic Planning (Extended
Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。
具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。
我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文 参考訳（メタデータ） (2023-07-28T11:26:26Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - Open-system approach to nonequilibrium quantum thermodynamics at
arbitrary coupling [77.34726150561087]
熱浴に結合したオープン量子系の熱力学挙動を記述する一般的な理論を開発する。
我々のアプローチは、縮小された開系状態に対する正確な時間局所量子マスター方程式に基づいている。
論文 参考訳（メタデータ） (2021-09-24T11:19:22Z) - A Mathematical Walkthrough and Discussion of the Free Energy Principle [0.0]
自由エネルギー原理(英: Free-Energy-Principle、FEP)は、自己組織化の熱力学と変分推論による学習との関係を仮定する影響力があり、議論を呼んでいる理論である。
FEPは神経科学に広く応用され、行動、知覚、学習が単一の目的の下で統一される新しい強力なアルゴリズムの構築を刺激することで、機械学習に進出し始めている。
ここでは、FEPの定式化と中心的主張の数学的に詳細かつ直感的なウォークスルーを提供するとともに、理論の仮定と潜在的な限界について議論する。
論文 参考訳（メタデータ） (2021-08-30T16:11:49Z) - Applications of the Free Energy Principle to Machine Learning and
Neuroscience [0.0]
我々は、自由エネルギー原理にインスパイアされた手法を機械学習と神経科学の2つの重要な分野に適用する。
我々は、自由エネルギー原理から派生した神経生物学的に妥当なプロセス理論である予測符号化に焦点を当てる。
第2に、変動メッセージパッシングによる行動の神経生物学的根拠である能動推論について検討する。
最後に, 生物学的に有効な脳内クレジット代入法について検討した。
論文 参考訳（メタデータ） (2021-06-30T22:53:03Z) - Explaining Black-Box Algorithms Using Probabilistic Contrastive
Counterfactuals [7.727206277914709]
ブラックボックス決定システムを説明するための因果性に基づく原則的アプローチを提案する。
本稿では,変数の直接的および間接的影響が,アルゴリズムによる決定に与える影響を定量的に示す。
このような反事実は,アルゴリズムの決定に負の影響を受ける個人に対して,どのように行動可能なリコースを提供できるかを示す。
論文 参考訳（メタデータ） (2021-03-22T16:20:21Z) - Causal blankets: Theory and algorithmic framework [59.43413767524033]
本稿では,知覚行動ループ(PALO)を計算力学の原理に基づいてデータから直接識別する新しい枠組みを提案する。
我々のアプローチは因果毛布の概念に基づいており、官能・能動変数を動的に十分な統計量として捉えている。
論文 参考訳（メタデータ） (2020-08-28T10:26:17Z) - QuLBIT: Quantum-Like Bayesian Inference Technologies for Cognition and
Decision [0.11470070927586014]
本稿では、量子論から派生した統合認知意思決定フレームワーク(QulBIT)の基礎を提供する。
本稿では,統合フレームワークの主要なモジュール,説明的分析手法について詳述し,その適用が確実な原則に反する状況で説明する。
論文 参考訳（メタデータ） (2020-05-30T09:02:03Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。