期待自由エネルギーの再定式化：4つの定式化と1つの統合

科学分野:

• 計算神経科学
• 機械学習
• ロボット工学
• 心理学

背景:

• アクティブ推論は、複数の科学分野にわたる知覚、学習、意思決定のための統一理論です。
• それは期待自由エネルギーに依存しており、リスク/曖昧さや情報利得などの既存の定式化は、統一された導出が欠如しています。
• 自由エネルギー原理は、生物学的および人工システムにおけるこれらのプロセスを理解するための基本的なフレームワークを提供します。

研究 の 目的:

• 単一の根源的な定義から様々な期待自由エネルギーの定式化を導き出すという統一問題の形式化。
• 期待自由エネルギーを定義するための2つの異なるアプローチとその数学的根拠の分析。
• 部分観測マルコフ決定過程（POMDP）における尤度制約が事前選好に与える影響の調査。

主な方法:

• 期待自由エネルギーの2つの主要な定義の分析：観測値のリスクと曖昧さ、および状態のリスクと曖昧さ。
• 異なる期待自由エネルギーの定式化が回復できる条件の数学的検討。
• 尤度制約がPOMDPにおける観測値に対する事前選好の選択にどのように影響するかを示すこと。

主要な成果:

• 最初の定義（観測値のリスクと曖昧さ）は、特定の尤度仮定の下ですべての定式化を回復することを可能にしますが、POMDPにおける事前選好を制限します。
• 2番目の定義（状態のリスクと曖昧さ）は正当化を提供しますが、2つの特定の定式化（状態のリスクと曖昧さ、およびエントロピーと期待エネルギー）しか考慮しません。
• POMDPにおける生成モデルの尤度マッピングと互換性のある観測値に対する限られたクラスの事前選好。

結論:

• 期待自由エネルギーの定式化を統一するには、選択された定義とその根本的な仮定を慎重に検討する必要があります。
• 尤度制約は、特にPOMDPのような複雑なシステムにおいて、有効な事前選好を決定する上で重要な役割を果たします。
• 自由エネルギー原理内で、特にランダムな変動がないシステムについて、異なる期待自由エネルギーの定式化を完全に調和させるためには、さらなる研究が必要です。