Принцип свободной энергии - это формальное утверждение, объясняющее, как живые и неживые системы остаются в неравновесных стационарных состояниях , ограничивая себя ограниченным числом состояний. Он устанавливает, что системы минимизируют функцию свободной энергии своих внутренних состояний, что влечет за собой представления о скрытых состояниях в их среде. Неявная минимизация свободной энергии формально связана с вариационными байесовскими методами и первоначально была введена Карлом Friston как объяснение воплощенного восприятия в нейробиологии , [1] , где он также известен как активные умозаключения .
Принцип свободной энергии объясняет существование данной системы, моделируя ее через марковское одеяло, которое пытается минимизировать разницу между их моделью мира и их чувством и связанным восприятием . Это различие можно охарактеризовать как «неожиданность», и оно сводится к минимуму путем постоянной коррекции модели мира системы. Таким образом, этот принцип основан на байесовской идее мозга как «механизма вывода». Фристон добавил второй путь к минимизации: действие. Активно переводя мир в ожидаемое состояние, системы также могут минимизировать свободную энергию системы. Фристон полагает, что это принцип всей биологической реакции. [2] Фристон также считает, что его принцип применим как к психическим расстройствам, так и к искусственному интеллекту . Реализации ИИ, основанные на принципе активного вывода, показали преимущества перед другими методами. [2]
Принцип свободной энергии подвергался критике за то, что его очень трудно понять даже специалистам. [3] Обсуждения принципа также подвергались критике за привлечение метафизических допущений, далеких от проверяемого научного предсказания, что делает принцип неопровержимым. [4] В 2018 году интервью, Friston признал , что принцип свободной энергии не должным образом фальсифицировать : «свободный принцип энергии , что это - принцип подобного. Принцип Гамильтон стационарного действия , он не может быть фальсифицирован Это не может быть опровергнуто.. Фактически, вы мало что можете с этим поделать, если не спросите, соответствуют ли измеримые системы этому принципу ". [5]
Задний план
Представление о том, что самоорганизующиеся биологические системы - такие как клетка или мозг - можно понимать как минимизацию вариативной свободной энергии, основано на работе Гельмгольца по бессознательному выводу [6] и последующим методам лечения в психологии [7] и машинном обучении. [8] Вариативная свободная энергия является функцией наблюдений и плотности вероятности их скрытых причин. Эта вариационная плотность определяется по отношению к вероятностной модели, которая генерирует предсказанные наблюдения по предполагаемым причинам. В этом случае свободная энергия приближается к доказательству байесовской модели . [9] Следовательно, его минимизация может рассматриваться как процесс байесовского вывода. Когда система активно проводит наблюдения, чтобы минимизировать свободную энергию, она неявно выполняет активный вывод и максимизирует доказательства своей модели мира.
Однако свободная энергия также является верхней границей самоинформации о результатах, где долгосрочным средним значением неожиданности является энтропия. Это означает, что если система действует так, чтобы минимизировать свободную энергию, она неявно устанавливает верхнюю границу энтропии результатов - или сенсорных состояний - выборок. [10] [11] [ нужен лучший источник ]
Связь с другими теориями
Активный вывод тесно связан с теоремой регулятора хорошо [12] и связанных с ними счетов самоорганизации , [13] [14] , таких как самосборка , формирование структуры , Автопоэзис [15] и practopoiesis . [16] Он обращается к темам, рассматриваемым в кибернетике , синергетике [17] и воплощенном познании . Поскольку свободная энергия может быть выражена как ожидаемая энергия наблюдений при вариационной плотности за вычетом ее энтропии, это также связано с принципом максимальной энтропии . [18] Наконец, поскольку среднее значение энергии - это действие, принцип минимума вариационной свободной энергии - это принцип наименьшего действия .
Определение
Определение (непрерывная формулировка): активный вывод опирается на кортеж,
- Образец пространства - откуда случайные колебания нарисованы
- Скрытые или внешние состояния - которые вызывают сенсорные состояния и зависят от действий
- Сенсорные состояния - вероятностное отображение действий и скрытых состояний
- Действие - это зависит от сенсорных и внутренних состояний
- Внутренние состояния - которые вызывают действие и зависят от сенсорных состояний
- Генеративная плотность - над сенсорными и скрытыми состояниями в рамках генеративной модели
- Вариационная плотность - по скрытым состояниям который параметризован внутренними состояниями
Действие и восприятие
Цель состоит в том, чтобы максимизировать модельные доказательства. или минимизировать удивление . Обычно это связано с непреодолимой маргинализацией по скрытым состояниям, поэтому неожиданность заменяется верхней вариационной границей свободной энергии. [8] Однако это означает, что внутренние состояния также должны минимизировать свободную энергию, потому что свободная энергия является функцией сенсорных и внутренних состояний:
Это вызывает двойную минимизацию по отношению к действию и внутренним состояниям, которые соответствуют действию и восприятию соответственно.
Минимизация бесплатной энергии
Минимизация бесплатной энергии и самоорганизация
Минимизация свободной энергии была предложена как отличительная черта самоорганизующихся систем, представленных как случайные динамические системы . [19] Эта формулировка опирается на марковское одеяло (состоящее из действий и сенсорных состояний), которое разделяет внутренние и внешние состояния. Если внутренние состояния и действие минимизируют свободную энергию, то они устанавливают верхнюю границу энтропии сенсорных состояний.
Это потому, что - согласно эргодическим предположениям - долгосрочное среднее значение неожиданности - это энтропия. Эта граница сопротивляется естественной тенденции к беспорядку, связанной со вторым началом термодинамики и флуктуационной теоремой .
Минимизация свободной энергии и байесовский вывод
Все байесовские выводы можно сформулировать в терминах минимизации свободной энергии; например,. [20] [ неудавшаяся проверка ] Когда свободная энергия минимизируется по отношению к внутренним состояниям, минимизируется расхождение Кульбака – Лейблера между вариационной и апостериорной плотностью по скрытым состояниям. Это соответствует приближенному байесовскому выводу - когда форма вариационной плотности фиксирована - и точному байесовскому выводу в противном случае. Таким образом, минимизация свободной энергии обеспечивает общее описание байесовского вывода и фильтрации (например, фильтрация Калмана ). Он также используется при выборе байесовской модели , где свободная энергия может быть полезно разложена на сложность и точность:
Модели с минимальной свободной энергией обеспечивают точное объяснение данных с учетом затрат на сложность (см. Бритву Оккама и более формальные трактовки вычислительных затрат [21] ). Здесь сложность - это расхождение между вариационной плотностью и предшествующими представлениями о скрытых состояниях (т. Е. Эффективными степенями свободы, используемыми для объяснения данных).
Минимизация свободной энергии и термодинамика
Вариационная свободная энергия - это теоретико-информационный функционал, отличный от термодинамической (Гельмгольца) свободной энергии . [22] Однако термин сложности вариационной свободной энергии имеет ту же фиксированную точку, что и свободная энергия Гельмгольца (в предположении, что система термодинамически замкнута, но не изолирована). Это связано с тем, что если сенсорные возмущения приостановлены (на достаточно длительный период времени), сложность сводится к минимуму (поскольку точностью можно пренебречь). В этот момент система находится в равновесии, а внутренние состояния минимизируют свободную энергию Гельмгольца по принципу минимума энергии . [23]
Минимизация свободной энергии и теория информации
Минимизация свободной энергии эквивалентна максимизации взаимной информации между сенсорными состояниями и внутренними состояниями, которые параметризуют вариационную плотность (для фиксированной вариационной плотности энтропии). [10] [ необходим лучший источник ] Это связывает минимизацию свободной энергии с принципом минимальной избыточности [24] и связанными с этим подходами с использованием теории информации для описания оптимального поведения. [25] [26]
Минимизация свободной энергии в нейробиологии
Минимизация свободной энергии обеспечивает полезный способ сформулировать нормативные (байесовские) модели нейронного вывода и обучения в условиях неопределенности [27] и, следовательно, поддерживает байесовскую гипотезу мозга . [28] Нейронные процессы, описываемые минимизацией свободной энергии, зависят от природы скрытых состояний:которые могут включать в себя зависящие от времени переменные, неизменные во времени параметры и точность (обратная дисперсия или температура) случайных флуктуаций. Минимизация переменных, параметров и точности соответствует выводу, обучению и кодированию неопределенности соответственно.
Перцептивный вывод и категоризация
Минимизация свободной энергии формализует понятие бессознательного вывода в восприятии [6] [8] и обеспечивает нормативную (байесовскую) теорию обработки нейронов. Теория связанных процессов нейрональной динамики основана на минимизации свободной энергии посредством градиентного спуска. Это соответствует обобщенной байесовской фильтрации (где ~ обозначает переменную в обобщенных координатах движения, аявляется производным матричным оператором): [29]
Обычно генеративные модели, определяющие свободную энергию, нелинейны и иерархичны (как корковые иерархии в головном мозге). К особым случаям обобщенной фильтрации относится фильтрация Калмана , которая формально эквивалентна предсказуемому кодированию [30] - популярной метафоре передачи сообщений в мозгу. Согласно иерархическим моделям, прогнозирующее кодирование включает в себя повторяющийся обмен восходящими (восходящими) ошибками предсказания и нисходящими (нисходящими) предсказаниями [31], что согласуется с анатомией и физиологией сенсорных [32] и моторных систем. [33]
Восприятие обучения и памяти
В прогнозирующем кодировании оптимизация параметров модели посредством градиентного спуска интеграла по времени свободной энергии (свободное действие) сводится к ассоциативной или геббовской пластичности и связана с синаптической пластичностью в мозге.
Точность восприятия, внимание и заметность
Оптимизация параметров точности соответствует оптимизации усиления ошибок предсказания (ср, усиление Калмана). В нейронально правдоподобных реализациях прогнозирующего кодирования [31] это соответствует оптимизации возбудимости поверхностных пирамидных клеток и интерпретируется с точки зрения увеличения внимания. [34]
Что касается противоречия между принципами «сверху вниз» и «снизу вверх», которое рассматривалось как основная открытая проблема внимания, вычислительная модель смогла проиллюстрировать циркуляционную природу взаимодействия между механизмами «сверху вниз» и «снизу вверх». Используя устоявшуюся модель эмерджентного внимания, а именно SAIM, авторы предложили модель PE-SAIM, которая в отличие от стандартной версии подходит к избирательному вниманию с позиции сверху вниз. Модель учитывает ошибки прогнозирования пересылки, отправленные на тот же уровень или на уровень выше, чтобы минимизировать функцию энергии, указывающую разницу между данными и их причиной или, другими словами, между генеративной моделью и апостериорной. Чтобы повысить достоверность, они также включили в свою модель нейронную конкуренцию между стимулами. Примечательной особенностью этой модели является переформулировка функции свободной энергии только с точки зрения ошибок прогноза во время выполнения задачи.
где, - функция полной энергии нейронных сетей, и- ошибка прогноза между генеративной моделью (априорной) и апостериорной, изменяющейся во времени. [35] ). Сравнение двух моделей выявляет заметное сходство между их результатами и указывает на заметное несоответствие: в стандартной версии SAIM основное внимание уделяется возбуждающим связям, тогда как в PE-SAIM основное внимание уделяется возбуждающим связям. тормозящие связи будут использоваться, чтобы сделать вывод. Модель также оказалась пригодной для прогнозирования данных ЭЭГ и фМРТ, взятых из экспериментов на людях, с высокой точностью. В том же духе Яхья и др. также применил принцип свободной энергии, чтобы предложить вычислительную модель для сопоставления шаблонов в скрытом избирательном визуальном внимании, которое в основном полагается на SAIM. [36] Согласно этому исследованию, полная свободная энергия всего пространства состояний достигается путем вставки нисходящих сигналов в исходные нейронные сети, посредством чего мы получаем динамическую систему, содержащую как прямую, так и обратную ошибку предсказания.
Активный вывод
Когда к действию применяется градиентный спуск , моторный контроль можно понять в терминах классических рефлекторных дуг, задействованных с помощью нисходящих (кортикоспинальных) предсказаний. Это обеспечивает формализм, который обобщает решение точки равновесия - проблемы степеней свободы [37] - на траектории движения.
Активный вывод и оптимальный контроль
Активный вывод связан с оптимальным управлением путем замены функций значений или затрат на выполнение предыдущими представлениями о переходах между состояниями или потоке. [38] Это использует тесную связь между байесовской фильтрацией и решением уравнения Беллмана . Однако активный вывод начинается с (априорного) потока которые указаны с помощью скаляра и вектор функции стоимости пространства состояний (см. разложение Гельмгольца ). Здесь, - амплитуда случайных колебаний, а стоимость - . Приоры переполнены вызывать априорные состояния это решение соответствующих прямых уравнений Колмогорова . [39] Напротив, оптимальное управление оптимизирует поток, учитывая функцию стоимости, в предположении, что(т. е. поток не скручивается или имеет детальный баланс). Обычно это влечет за собой решение обратных уравнений Колмогорова . [40]
Активный вывод и теория оптимальных решений (игры)
Проблемы оптимального решения (обычно формулируемые как частично наблюдаемые марковские процессы принятия решений ) обрабатываются в рамках активного вывода путем включения функций полезности в предшествующие убеждения. В этом параметре состояния с высокой полезностью (низкой стоимостью) - это состояния, которые агент ожидает занять. Оснащая генеративную модель скрытыми состояниями, которые моделируют управление, политики (управляющие последовательности), минимизирующие вариационную свободную энергию, приводят к состояниям высокой полезности. [41]
Считается, что нейробиологически нейромодуляторы, такие как дофамин , сообщают о точности ошибок прогнозирования, модулируя усиление ошибок прогнозирования кодирования основных клеток. [42] Это тесно связано, но формально отличается от роли дофамина в сообщении об ошибках прогнозирования как таковых [43] и связанных с ними вычислительных счетах. [44]
Активный вывод и когнитивная нейробиология
Активный вывод использовался для решения ряда проблем в когнитивной нейробиологии , функции мозга и нейропсихиатрии, в том числе: наблюдение за действием, [45] зеркальные нейроны, [46] саккады и визуальный поиск, [47] [48] движения глаз, [49] ] сон, [50] иллюзии, [51] внимание, [34] выбор действия, [42] сознание, [52] [53] истерия [54] и психоз. [55] Объяснение действий в активном умозаключении часто зависит от идеи, что у мозга есть «устойчивые прогнозы», которые он не может обновить, что приводит к действиям, которые приводят к тому, что эти прогнозы сбываются. [56]
Смотрите также
- Восприятие, связанное с действием
- Доступность - доступность - это возможность воздействия на объект или окружающую среду.
- Автопоэзис - системная концепция, предполагающая автоматическое воспроизведение и обслуживание.
- Байесовские подходы к функции мозга
- Теория принятия решений - Изучение выбора агента
- Воплощенное познание - междисциплинарная теория
- Свободная энергия (значения)
- Инфо-метрики
- Оптимальный контроль
- Адаптивная система , также известная как Practopoiesis
- Предиктивное кодирование - теория функции мозга
- Практопоэз
- Самоорганизация - процесс создания порядка посредством локальных взаимодействий.
- Синергетика (Хакен)
- Вариационные байесовские методы
- Философия «как будто»
Рекомендации
- ^ Фристон, Карл; Килнер, Джеймс; Харрисон, Ли (2006). «Принцип свободной энергии для мозга» (PDF) . Журнал физиологии-Париж . Elsevier BV. 100 (1–3): 70–87. DOI : 10.1016 / j.jphysparis.2006.10.001 . ISSN 0928-4257 . PMID 17097864 . S2CID 637885 .
- ^ a b Шон Равив: гений нейробиолог, который может держать ключ к истинному ИИ . В: Wired, 13 ноября 2018 г.
- ^ Фрид, Питер (2010). «Исследовательский дайджест». Нейропсихоанализ . Informa UK Limited. 12 (1): 103–106. DOI : 10.1080 / 15294145.2010.10773634 . ISSN 1529-4145 . S2CID 220306712 .
- ^ Коломбо, Маттео; Райт, Кори (10.09.2018). «Первые принципы наук о жизни: принцип свободной энергии, органицизм и механизм» . Synthese . ООО "Спрингер Сайенс энд Бизнес Медиа". DOI : 10.1007 / s11229-018-01932-ш . ISSN 0039-7857 .
- ^ Фристон, Карл (2018). «О мокриц и человеке: байесовское описание познания, жизни и сознания. Интервью с Карлом Фристоном (Мартин Фортье и Даниэль Фридман)» . Бюллетень АЛИУС . 2 : 17–43.
- ^ a b Гельмгольц, Х. (1866/1962). Что касается восприятия в целом. В «Трактате по физиологической оптике» (J. Southall, Trans., 3 ed., Vol. III). Нью-Йорк: Дувр.
- ^ Грегори, Р.Л. (1980-07-08). «Восприятие как гипотезы» . Философские труды Лондонского королевского общества. B, биологические науки . Королевское общество. 290 (1038): 181–197. Bibcode : 1980RSPTB.290..181G . DOI : 10.1098 / rstb.1980.0090 . ISSN 0080-4622 . JSTOR 2395424 . PMID 6106237 .
- ^ а б в Даян, Питер; Хинтон, Джеффри Э .; Neal, Radford M .; Земель, Ричард С. (1995). «Машина Гельмгольца» (PDF) . Нейронные вычисления . MIT Press - Журналы. 7 (5): 889–904. DOI : 10.1162 / neco.1995.7.5.889 . ISSN 0899-7667 . PMID 7584891 . S2CID 1890561 .
- Перейти ↑ Beal, MJ (2003). Вариационные алгоритмы приближенного байесовского вывода . Кандидат наук. Диссертация, Университетский колледж Лондона.
- ^ а б Карл, Фристон (31 октября 2012 г.). «Принцип свободной энергии для биологических систем» (PDF) . Энтропия . MDPI AG. 14 (11): 2100–2121. Bibcode : 2012Entrp..14.2100K . DOI : 10.3390 / e14112100 . ISSN 1099-4300 . PMC 3510653 . PMID 23204829 .
- ^ Коломбо, Маттео; Райт, Кори (10.09.2018). «Первые принципы наук о жизни: принцип свободной энергии, органицизм и механизм» . Synthese . ООО "Спрингер Сайенс энд Бизнес Медиа". DOI : 10.1007 / s11229-018-01932-ш . ISSN 0039-7857 .
- Перейти ↑ Conant, RC, & Ashby, RW (1970). Каждый Хороший Регулятор системы должен быть моделью этой системы . Int. J. Systems Sci. , 1 (2), 89–97.
- Перейти ↑ Kauffman, S. (1993). Истоки порядка: самоорганизация и отбор в эволюции . Оксфорд: Издательство Оксфордского университета.
- ^ Nicolis Г., и Пригожин, И. (1977). Самоорганизация в неравновесных системах. Нью-Йорк: Джон Вили.
- Перейти ↑ Maturana, HR, & Varela, F. (1980). Автопоэзис: организация жизни . В В. Ф. Матурана HR (ред.), Автопоэзис и познание. Дордрехт, Нидерланды: Рейдел.
- ^ Николич, Д. (2015). Практопоэзис: или как жизнь способствует развитию ума . Журнал теоретической биологии, 373, 40-61.
- ^ Хакен, Х. (1983). Синергетика: введение. Неравновесный фазовый переход и самоорганизация в физике, химии и биологии (3-е изд.). Берлин: Springer Verlag.
- Перейти ↑ Jaynes, ET (1957). Теория информации и статистическая механика . Physical Review Series II, 106 (4), 620–30.
- ^ Crauel, H., & Flandoli, F. (1994). Аттракторы для случайных динамических систем . Поля отношения теории вероятностей, 100, 365–393.
- ^ Roweis, S., & Ghahramani, Z. (1999). Объединительный обзор линейных гауссовских моделей . Neural Computat. , 11 (2), 305–45. DOI : 10,1162 / 089976699300016674
- Перейти ↑ Ortega, PA, & Braun, DA (2012). Термодинамика как теория принятия решений с затратами на обработку информации . Труды Королевского общества A, vol. 469, нет. 2153 (20120683).
- ^ Эванс, DJ (2003). Теорема о неравновесной свободной энергии для детерминированных систем . Молекулярная физика, 101, 15551–4.
- ^ Jarzynski, C. (1997). Неравновесное равенство разностей свободной энергии . Phys. Rev. Lett., 78, 2690.
- ^ Барлоу, Х. (1961). Возможные принципы, лежащие в основе трансформации сенсорных сообщений. Архивировано 3 июня 2012 г. в Wayback Machine . В У. Розенблите (ред.), Сенсорная коммуникация (стр. 217-34). Кембридж, Массачусетс: MIT Press.
- ^ Линскер, Р. (1990). Перцептивная нейронная организация: некоторые подходы, основанные на сетевых моделях и теории информации . Annu Rev Neurosci. , 13, 257–81.
- ^ Bialek, W., Nemenman И., и Tishby, N. (2001). Предсказуемость, сложность и обучение . Neural Computat., 13 (11), 2409–63.
- ^ Friston, К. (2010). Принцип свободной энергии: единая теория мозга? Nat Rev Neurosci. , 11 (2), 127–38.
- ^ Knill, округ Колумбия, и Pouget, A. (2004). Байесовский мозг: роль неопределенности в нейронном кодировании и вычислениях . Trends Neurosci. , 27 (12), 712–9.
- ^ Friston, К., Stephan, К. Ли, Б., и Daunizeau, J. (2010). Обобщенная фильтрация . Математические проблемы техники, т., 2010, 621670
- Перейти ↑ Rao, RP, & Ballard, DH (1999). Предиктивное кодирование в зрительной коре: функциональная интерпретация некоторых внеклассических эффектов рецептивного поля . Nat Neurosci. , 2 (1), 79–87.
- ^ а б Мамфорд, Д. (1992). О вычислительной архитектуре неокортекса . II. Биол. Киберн. , 66, 241–51.
- ^ Бастос, AM, Usrey, WM, Adams, RA, Mangun, GR, Fries, P., & Friston, KJ (2012). Канонические микросхемы для прогнозирующего кодирования . Нейрон, 76 (4), 695–711.
- Перейти ↑ Adams, RA, Shipp, S., & Friston, KJ (2013). Предсказания, а не команды: активный вывод в двигательной системе . Функция структуры мозга. , 218 (3), 611–43
- ^ a b Фельдман, Х., & Фристон, KJ (2010). Внимание, неуверенность и свободная энергия . Границы неврологии человека, 4, 215.
- ↑ Abadi KA, Yahya K., Amini M., Heinke D. & Friston, KJ (2019). Возбуждающая и тормозящая обратная связь в байесовских формулировках построения сцены . 16 R. Soc. Интерфейс
- Перейти ↑ Yahya K., Fard PR, & Friston, KJ (2014). [DOI: 10.1007 / s10339-013-0597-6 Подход свободной энергии к визуальному вниманию: модель коннекционизма]. Cogn Process (2014) 15: 107.
- Перейти ↑ Feldman, AG, & Levin, MF (1995). Происхождение и использование позиционных систем отсчета в моторном управлении . Behav Brain Sci. , 18, 723–806.
- ^ Friston, К., (2011). Что является оптимальным в управлении моторикой? . Нейрон, 72 (3), 488–98.
- ^ Friston, К., и Ао, P. (2012). Свободная энергия, ценность и аттракторы . Вычислительные и математические методы в медицине, 2012, 937860.
- ^ Kappen, H., (2005). Интегралы по траекториям и нарушение симметрии в теории оптимального управления . Журнал статистической механики: теория и эксперимент, 11, с. P11011.
- ^ Friston, К., Samothrakis, С. & Монтегю Р., (2012). Активный вывод и агентство: оптимальное управление без функций затрат . Биол. Кибернетика, 106 (8–9), 523–41.
- ^ a b Фристон, К. Дж. Шайнер Т., Фицджеральд Т., Галеа Дж. М., Адамс Р., Браун Х., Долан Р. Дж., Моран Р., Стефан К. Э., Бестманн С. (2012). Допамин, аффорданс и активные выводы . PLoS Comput. Биол., 8 (1), с. e1002327.
- ^ Fiorillo, CD, Tobler, PN & Schultz, W. (2003). Дискретное кодирование вероятности и неопределенности вознаграждения дофаминовыми нейронами . Наука, 299 (5614), 1898–902.
- Перейти ↑ Frank, MJ, (2005). Динамическая модуляция дофамина в базальных ганглиях: нейрокомпьютерный учет когнитивных нарушений при паркинсонизме, принимаемом и не принимаемым лекарствами . J. Cogn Neurosci., 1 января, стр. 51–72.
- ^ Friston, К., Mattout, Дж & Килнер J., (2011). Понимание действий и активный вывод . Biol Cybern., 104, 137–160.
- ^ Килнер, JM, Friston, KJ & Фрит, CD, (2007). Предиктивное кодирование: учет системы зеркальных нейронов . Cogn Process., 8 (3), стр. 159–66.
- ^ Friston, К., Адамс, Р. А., Perrinet, Л. & Breakspear, М., (2012). Восприятие как гипотезы: саккады как эксперименты . Фронт Психол., 3, 151.
- ^ Мирза, М., Адамс, Р., Матис, К., Фристон, К. (2018). Визуальное исследование человека снижает неуверенность в воспринимаемом мире . PLoS One, 13 (1): e0190429
- ^ Перринет Л., Адамс Р., Фристон, К. Активный вывод, движения глаз и задержки глазодвигательных . Биологическая кибернетика, 108 (6): 777-801, 2014.
- Перейти ↑ Hobson, JA & Friston, KJ, (2012). Сознание в бодрствовании и сновидении: нейробиологические и функциональные соображения . Prog Neurobiol, 98 (1), стр. 82–98.
- ^ Brown, H., & Friston, KJ (2012). Свободная энергия и иллюзии: эффект корнсвита . Фронт Психол, 3, 43.
- ^ Рудрауф, Дэвид; Беннекен, Даниэль; Гранич, Изабела; Ландини, Грегори; Фристон, Карл; Уиллифорд, Кеннет (07.09.2017). «Математическая модель воплощенного сознания» (PDF) . Журнал теоретической биологии . 428 : 106–131. DOI : 10.1016 / j.jtbi.2017.05.032 . ISSN 0022-5193 . PMID 28554611 .
- ^ К. Уиллифорд; D, Беннекен; К, Фристон; Д., Рудрауф (17 декабря 2018 г.). «Модель проективного сознания и феноменальная самость» . Границы психологии . 9 : 2571. DOI : 10,3389 / fpsyg.2018.02571 . PMC 6304424 . PMID 30618988 .
- ^ Эдвардс, MJ, Адамс, Р. Браун, Х., Pareés И., и Friston, KJ (2012). Байесовское объяснение «истерии» . Мозг, 135 (Pt 11): 3495–512.
- ^ Адамс RA, Perrinet LU, Friston K. (2012). Плавное преследование и визуальная окклюзия: активный вывод и глазодвигательный контроль при шизофрении . PLoS One. , 12; 7 (10): e47502
- ^ Йон, Даниэль; Ланге, Флорис П. де; Пресс, Клэр (2019-01-01). «Прогнозирующий мозг как упрямый ученый» . Тенденции в когнитивных науках . 23 (1): 6–8. DOI : 10.1016 / j.tics.2018.10.003 . ISSN 1364-6613 . PMID 30429054 . S2CID 53280000 .
Внешние ссылки
- Поведенческие и мозговые науки (Энди Кларк)