Lancelot

预印本正在审查主动推断，贝叶斯最佳设计和预期的实用程序Noor Sajid 1*，Lancelot da Costa 1,2，Thomas Parr 1和Karl

抽象的主动推理是自由能原理的推论，是描述某些类型的随机动态系统的行为的形式方法 - 具有感知的外观。在本章中，我们描述了主动推断如何在单个命令下结合贝叶斯决策理论和最佳的贝叶斯设计原理，以最大程度地减少预期自由能。正是主动推理的这一方面允许自然而然地出现寻求信息行为。从预期的自由能中删除先前的结果偏好时，主动推断将减少为最佳贝叶斯设计，即信息增益最大化。相反，在没有歧义和相对风险的情况下，即预期的效用最大化，主动推论会减少贝叶斯决策理论。使用这些限制案例，我们说明了当代理选择优化预期效用，预期信息增益和预期自由能的动作时，行为如何不同。我们的T迷宫模拟显示了优化的预期自由能产生目标指导的信息寻求行为，同时优化预期的实用程序会诱导纯粹的利用行为，并最大程度地提高信息增益产生本质上动机的行为。