Active inference and learning

این مقاله، یک نتیجه استنتاج فعالانه از رفتار انتخابی و یادگیری را ارائه می دهد. این تمرکز بر تمایز بین رفتار هدف و رفتار عادی و نحوه ارتباط آنها با یکدیگر است. ما نشان می دهیم که عادت ها به طور طبیعی (و به طور خودکار) از طریق بهینه سازی سیاست پیوسته هنگامی که عوامل با سیاست های عمل دولت مجهز می شوند، ظهور می کنند. در استنتاج فعال، رفتار، جنبه های اکتشافی (معرفت شناختی) و استثمعی (عملگرا) دارند که به ابهام و ریسک حساس هستند، در حالی که رفتار معرفتی (حل ابهام) رفتار رفتار عملگرایانه (به دنبال اشتباه) و ظهور عادت های بعدی است. گرچه سیاستهای هدفمند و معمول معمولا با طرحهای مبتنی بر مدل و بدون مدل سازگار هستند، اما تمایز مهم تر بین شیوه های باور نکردنی و مبتنی بر اعتقاد پیدا شده است. به روز رسانی باورهای اساسی (تئوری) یک نظریه فرایند جامع (اگر استعاری) برای چندین پدیده را شامل می شود، از جمله انتقال واکنش های دوپامین، یادگیری معکوس، شکل گیری عادت و کاهش ارزش. در نهایت، ما نشان می دهیم که استنتاج فعال در صورت عدم ابهام، به یک طرح کلاسیک (بلمن) کاهش می یابد.