实现合成主动推理智能体,第一部分:认知目标与图模型规范语言
人工智能
2023-10-17 v2 机器学习
摘要
自由能原理(FEP)是一个理论框架,用于描述(智能)系统如何通过最小化自由能泛函而自组织成连贯、稳定的结构。主动推理(AIF)是FEP的一个推论,它具体阐述了能够规划未来的系统(智能体)如何通过最小化包含信息寻求成分的特定自由能泛函来运作。本文是一个两篇系列论文中的第一篇,我们在自由形式因子图上推导出AIF的合成版本。本论文侧重于推导用于AIF的自由能泛函的局部版本。这使我们能够构建一种适用于任意图模型并与已有消息传递算法工作相衔接的AIF版本。所得到的消息在我们的配套论文中推导。我们还发现了因子图图形符号中的一个缺口。虽然因子图非常擅长表达生成模型,但迄今为止它们无法指定包含约束的完整优化问题。为解决此问题,我们开发了约束式Forney风格因子图(CFFG)符号,它允许对变分推理目标进行完全图形化的描述。接着我们展示如何使用CFFG重构已有的AIF算法并推导新算法。后者通过推导一种允许AIF智能体直接策略推理的算法来演示,该算法规避了长期以来阻碍AIF在工业环境中应用的扩展性难题。我们在经典的T型迷宫任务上演示了我们的算法,并表明它复现了作为AIF标志特征的信息寻求行为。
引用
@article{arxiv.2306.08014,
title = {Realising Synthetic Active Inference Agents, Part I: Epistemic Objectives and Graphical Specification Language},
author = {Magnus Koudahl and Thijs van de Laar and Bert de Vries},
journal= {arXiv preprint arXiv:2306.08014},
year = {2023}
}
备注
49 pages, 31 figures