本文探讨了卡尔·约翰·弗里斯顿的自由能理论在人工智能中的应用，该理论解释了生命和非生命系统如何维持非平衡稳态。自由能最小化理论涉及主动推理和贝叶斯思维，可用于解释神经科学中的感知和学习过程。尽管自由能原理复杂，难以理解，但它为高级AI模型提供了一个潜在的框架，并在主动推理人工智能实现中展现出优势。这一理论可能对未来AI的发展产生深远影响。
序
AI到底向哪个方向去？有很多学者质疑AI只有artificial 不见intelligence；的确，目前的AI主流是深度学习，也就是傍着一个庞大数据集去群举地刻画一次，然后再使用模型。此中确实与套用死公式无异，没有多大的变通性；当然智慧性也不大。而越是自然的模型，前景就更好。本文摘自维基百科。主要阐述卡尔·约翰·弗里斯顿（Karl John Friston）的自由能学说。从理论上阐述高级AI模型应该有的结构和物理思想，此等构思虽然目前不足以立刻实现，但是，这是趋势！这是未来！对于一般的应用工程师，该文启发性是相当大的，至少我这么认为。
卡尔·约翰·弗里斯顿（Karl John Friston）皇家医学会院士（FMedSci）是英国伦敦大学学院的神经科学家，是大脑成像领域的权威。作为自由能原理和预测编码理论的主要支持者，他赢得了声誉。
订阅专栏 解锁全文
扫一扫
2723
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
