你有没有想过为什么一首歌的副歌如此令人难忘？ @InferenceActive (KB5) 和 @jakub_smekal (KB7) 都是斯坦福大学的博士，他们在歌曲中寻找学习的普遍原则。丹尼尔研究生态学和进化，而雅库布目前正在研究人工智能、物理学和神经科学。 他们在Kernel相遇，并共同撰写了两篇论文，探讨“主动推理”，这是一个专注于如何同时理解“通过行动接收感官输入”和“更新你对世界的内部模型”的统一研究学科。 他们解析了“熟悉的惊喜”背后的数学。他们在主动推理、自由能原理、量化深度学习模型中的不确定性以及伊万·伊里奇的“去学校”理念之间跳跃。 我们希望你喜欢这两个才华横溢的研究者及其工作的积极、持续的故事。 00:01:00 - 介绍和背景 00:02:00 - 丹尼尔和雅库布通过DeSci相遇 00:03:00 - 丹尼尔在认知生态系统和激励结构方面的工作 00:04:00 - 定义“主动推理” 00:05:00 - 雅库布补充贝叶斯推理框架的解释 00:06:00 - 自由能原理和最小化惊喜 00:07:00 - 技术细节：梯度近似和证据界限 00:09:00 - 将主动推理应用于区块链和通信系统 00:11:00 - 主动区块推理和基于代理的建模 00:13:00 - 去学校的背景和Kernel的联系 00:15:00 - GNN（广义符号）工作起源和文稿到代码的差距 00:18:00 - 主动推理研究所的成立 00:20:00 - 主动推理应用于音乐/艺术和“熟悉的惊喜” 00:22:00 - 音乐中的文化期望和注意力过滤 00:24:00 - 量化音乐惊喜和粉丝基础动态 00:26:00 - “黑暗房间问题”和寻求新奇的行为 00:28:00 - 雅库布关于深度学习的博士研究 00:31:00 - 模型校准和不确定性量化的挑战 00:33:00 - 丹尼尔在Kernel/去学校的持续参与和社区关注 00:34:00 - 去学校的愿景和教育哲学 00:36:00 - 结束语