实现合成主动推断智能体，第二部分：变分消息更新
机器学习
2025-01-03 v3 机器学习
摘要
自由能原理（FEP）将（生物）智能体描述为针对其环境的生成模型最小化变分自由能（FE）。主动推断（AIF）是FEP的推论，描述了智能体如何通过最小化期望FE目标来探索和利用环境。在两篇相关论文中，我们描述了一种可扩展的、认知的合成分成主动推断方法，通过在自由形式Forney风格因子图（FFGs）上进行消息传递。 companion论文（第一部分）引入了约束FFG（CFFG）符号，以可视化表示AIF的（广义）FE目标。本文（第二部分）推导了通过变分法在CFFG上最小化（广义）FE目标的消息传递算法。对模拟的Bethe与广义FE智能体的比较说明了这种合成分成主动推断的消息传递方法如何在T型迷宫导航任务上诱导认知行为。将T型迷宫模拟扩展到1）学习目标统计，以及2）多智能体议价设定，说明了该方法如何鼓励在替代设定中复用节点与更新。有了合成分成主动推断智能体的完整消息传递描述，便可以跨模型推导和复用消息更新，并更接近合成分成主动推断的工业应用。
引用
@article{arxiv.2306.02733,
title = {Realising Synthetic Active Inference Agents, Part II: Variational Message Updates},
author = {Thijs van de Laar and Magnus Koudahl and Bert de Vries},
journal= {arXiv preprint arXiv:2306.02733},
year = {2025}
}