主动推理如何实现AGI ？From pixels to planning

文章预览

From pixels to planning: scale-free active inference 从像素到规划:无尺度主动推理 https://arxiv.org/pdf/2407.20292          论文官方效果如下： 暂无公开代码实现。 摘要 ‍‍ 本文描述了一种离散状态空间模型及其相应方法，用于生成建模。该模型将部分观察的马尔可夫决策过程推广为包括路径作为潜在变量，从而使其适用于动态环境中的主动推理和学习。具体而言，我们考虑使用 重整化群的深度或层次形式。由此产生的重整化生成模型（RGM）可以被视为深度卷积神经网络或一般化运动坐标中的连续状态空间模型的离散同类 。由于其构造上的 尺度不变性，这些模型可以用来学习空间和时间上的组成性 ，从而提供路径或轨道模型；即具有递增时间深度和流动性的事件。本文技术笔记通过一系列应用来说明 RGM的自动发现、学习和部署 。我们从图像分类开始，然 ………………………………