惊喜！在主动推断框架下使用生理应激进行适应调节 [预印本]
内容提要
本文介绍了一种自我调节的人工神经网络，能够在高变化环境中提高适应性。研究通过主动推理框架模拟人类行为，展示了该模型在视觉-运动任务中的有效性。该神经网络结构能够处理感觉运动信息，实现灵活的目标导向行为，并适用于不同地形的零样本推广。
延伸解读
主动推理框架的核心机制
文章指出，主动推理基于最小化预期自由能的单一目标函数，同时处理目标追求和信息追求。这为探索与利用的困境提供了原则性解决方案。代理通过选择动作来揭示环境信息并实现目标，其预期行为仅在运动能力受限且能长期预测累积自由能时出现，这体现了该框架作为人类预期视觉引导行为可信模型的基础。
神经主动推理代理的结构与行为
所提出的神经主动推理代理采用输出-概率、时间预测的模块化人工神经网络结构，能够处理感觉运动信息，推理与行为相关的世界方面，并调用高度灵活、目标导向的行为。在视觉-运动任务中，代理展现出灵活驾驶、避障和路径选择等能力，这些行为依赖于对任务环境信息的短期预测和预期自由能的长期估计。
零样本推广与适应性
研究表明，该学习代理能够进行零样本推广，适用于不同地形的环境。这意味着代理在未见过的新地形中也能保持适应性，无需额外训练。这种泛化能力得益于主动推理框架对内部状态的自我监控和调节，从而在概念转移和高变化环境下提高适应性，为自主系统在复杂环境中的部署提供了潜在优势。
Q&A
什么是主动推理框架？
主动推理框架是一种基于贝叶斯理论的模型，用于模拟和建模智能代理的行为，解决探索与利用之间的困境。
该人工神经网络如何提高适应性？
该人工神经网络通过自我监控和调节内部状态，能够在高变化环境中提高适应性。
该模型在视觉-运动任务中的有效性如何体现？
研究展示了该模型能够根据任务环境信息进行短期预测，从而选择合适的动作，表现出类似人类的行为。
零样本推广在该研究中有什么应用？
该学习代理能够在不同地形的环境中进行零样本推广，适应新的任务而无需额外训练。
该神经网络如何处理感觉运动信息？
该神经网络结构能够推理与行为相关的世界方面，并调用灵活的目标导向行为，处理感觉运动信息。
主动推理理论的核心原则是什么？
主动推理理论的核心原则是基于自由能最小化，旨在无缝解决不确定性，实现类似人类的适应性行为。
