能動的推論（Active Inference）の詳細解説

能動的推論（Active Inference）の詳細解説

能動的推論（Active Inference, AIF）は、カール・フリストン（Karl Friston）が提唱した自由エネルギー原理（Free Energy Principle, FEP）の核心的な展開形です。FEPが「すべての自己組織化システム（生命・脳など）は変分自由エネルギーを最小化する」という普遍的な原理であるのに対し、能動的推論は「行動を通じて世界を変え、予測を満たす」具体的なプロセス理論です。

簡単に言うと：

受動的推論（Perceptual Inference）：感覚入力を受け取って内部モデルを更新（予測誤差を修正）。
能動的推論：行動を選択・実行して感覚入力を「予測通りにする」（世界を自分の予測に合わせる）。

これにより、知覚・学習・行動・計画・意思決定がすべて「自由エネルギー最小化」という単一の原理で統一されます。脳やAIエージェントが「驚き（surprise）を避け、自己を維持する」ための自然なメカニズムです。

1. なぜ「能動的」か？　FEPとの関係

FEPでは、システムは変分自由エネルギー（Variational Free Energy, VFE）を最小化します。これは「予測誤差の上限」として計算可能で、ベイズ推論の近似です。

知覚（Perceptual Inference）：内部の生成モデルを更新してVFEを減らす（モデルを現実により近づける）。
行動（Active Inference）：行動により外界を変えて感覚入力を予測通りにし、VFEを減らす。

能動的推論は後者を扱い、「世界を自分の信念に合わせる」という積極的な戦略を取ります。これが生物の適応行動（例：喉が渇いたら水を飲む）の本質です。

2. 数学的基礎：期待自由エネルギー（Expected Free Energy, EFE / G）

行動選択の鍵は期待自由エネルギー（Expected Free Energy）です。将来的な自由エネルギーを予測し、それを最小化する行動を選びます。

主な展開形（簡略化）：

[
G(\pi) = \underbrace{\mathbb{E}{Q(o,s|\pi)} \left[ \ln Q(s|\pi) – \ln P(s,o) \right]}{\text{Risk (リスク)}} + \underbrace{\mathbb{E}{Q(s|\pi)} \left[ H[P(o|s)] \right]}{\text{Ambiguity (曖昧さ)}}
]

Risk（実利的価値 / Pragmatic Value）：現在の信念（好ましい状態）と予測される未来のズレ（目標達成の失敗リスク）。
Ambiguity（認識的価値 / Epistemic Value）：未来の観測の不確実性（探索・情報獲得の価値）。

行動政策 (\pi) を選び、G(π) を最小化するものが選択されます。これにより：

実利的価値 → 目標達成（exploitation）。
認識的価値 → 好奇心・探索（exploration）。

この2つのバランスが自然に生まれるのが能動的推論の美点です。

（注：詳細な導出は変分ベイズ推論に基づき、Markov Blanketでシステムと環境を分離して扱います。）

3. プロセス全体の流れ

生成モデル（Generative Model）の構築：脳/AIは「世界の因果モデル」（隠れ状態 s → 観測 o）を内部に持つ。
予測生成：上位層から下位層へ予測を降ろす（トップダウン）。
予測誤差検知：感覚入力とのズレを計算。
知覚更新：誤差を最小化するよう信念を修正（受動的）。
行動選択：期待自由エネルギーが最小になる行動を実行（能動的）。
世界を変える：行動により感覚入力が予測に近づき、自由エネルギーが低下。

これが予測符号化（Predictive Coding）と統合され、階層的・時間的に展開します（深層能動的推論）。

4. 具体例

生物学的例：飢餓 → 「食べ物があるはず」という予測 → 探しに行く行動（世界を予測通りに変える）。探索（新しい場所）と搾取（知ってる場所）のバランスがEFEで自然に決まる。
AI・ロボティクス：ロボットが未知環境を探索しながら目標達成。深層能動的推論で世界モデルを学習し、質問生成や空間知識獲得を実現（例：実ロボット実験）。
精神医学：統合失調症は予測誤差処理の異常 → 能動的推論が破綻し、妄想が生じる。自閉症は予測が弱く、曖昧さが過大評価される。

5. ヨブ記の文脈での示唆（前回の議論つなぎ）

ヨブの理不尽な苦難は巨大な予測誤差。友人たちは低次モデル維持（受動的推論のみ）で誤差を無視しようとしたが、ヨブは能動的推論的に神に抗議・対話（行動）し、世界モデルを宇宙スケールへ更新。神の「答え」（自然描写）はヨブの期待自由エネルギーを最小化する「高次行動」として機能します。まさに「苦難の中で積極的に意味を創出する」プロセスです。

6. 応用と限界

強み：内発的動機（好奇心）・探索-搾取バランス・具身体化AIに最適。ロボティクス、計算精神医学、HCIで実用化が進む。
限界：数学的に複雑で大規模実装が難しい。完全な生物再現にはまだ至らず、発展途上。

能動的推論は「脳がどうやって世界と相互作用するか」を根本から説明する強力な枠組みです。FEP全体の「行動版」と言えます。数学的詳細（EFEの導出）や具体的なAI実装例、最新論文の深掘りが必要でしたらお知らせください！

1. なぜ「能動的」か？ FEPとの関係