你有沒有想過為什麼一首歌的副歌如此令人難忘？ @InferenceActive (KB5) 和 @jakub_smekal (KB7) 都是斯坦福大學的博士，他們在歌曲中尋找學習的普遍原則。丹尼爾研究生態學和進化，而雅庫布目前正在研究人工智慧、物理學和神經科學。 他們在Kernel相遇，並共同撰寫了兩篇論文，探討“主動推理”，這是一個專注於如何同時理解“通過行動接收感官輸入”和“更新你對世界的內部模型”的統一研究學科。 他們解析了“熟悉的驚喜”背後的數學。他們在主動推理、自由能原理、量化深度學習模型中的不確定性以及伊萬·伊里奇的“去學校”理念之間跳躍。 我們希望你喜歡這兩個才華橫溢的研究者及其工作的積極、持續的故事。 00:01:00 - 介紹和背景 00:02:00 - 丹尼爾和雅庫布通過DeSci相遇 00:03:00 - 丹尼爾在認知生態系統和激勵結構方面的工作 00:04:00 - 定義“主動推理” 00:05:00 - 雅庫布補充貝葉斯推理框架的解釋 00:06:00 - 自由能原理和最小化驚喜 00:07:00 - 技術細節：梯度近似和證據界限 00:09:00 - 將主動推理應用於區塊鏈和通信系統 00:11:00 - 主動區塊推理和基於代理的建模 00:13:00 - 去學校的背景和Kernel的聯繫 00:15:00 - GNN（廣義符號）工作起源和文稿到代碼的差距 00:18:00 - 主動推理研究所的成立 00:20:00 - 主動推理應用於音樂/藝術和“熟悉的驚喜” 00:22:00 - 音樂中的文化期望和注意力過濾 00:24:00 - 量化音樂驚喜和粉絲基礎動態 00:26:00 - “黑暗房間問題”和尋求新奇的行為 00:28:00 - 雅庫布關於深度學習的博士研究 00:31:00 - 模型校準和不確定性量化的挑戰 00:33:00 - 丹尼爾在Kernel/去學校的持續參與和社區關注 00:34:00 - 去學校的願景和教育哲學 00:36:00 - 結語