主动推断与人工推理：把"洞见时刻"写成可计算的实验选择

Nature Communications · 2026-09-08 · 期刊论文（Karl Friston 等）

• 论文处理的是"采样哪些结果能最大程度揭示世界模型结构"这一问题，为结构学习（尤其是规则发现）提供了原则性方法：在主动推断框架下，策略（动作组合）依据期望自由能（期望信息增益 + 价值）来选择。
• 信息增益被定义为"考虑与不考虑动作后果"两种预测后验之间的 KL 散度；模型后验可用贝叶斯模型缩减（BMR）基于已积累的参数后验快速高效评估，从而选出能区分不同候选模型的动作——即最优实验设计的精神。
• 以部分可观测离散模型（经典"三球范式"）演示这种主动选择/推理，此前该范式被用来描述经由（合成）内省或"睡眠"产生的人工洞见与"啊哈"时刻；全文聚焦样本效率。
• 看点：给"AI 科学家"提供了理论根基——科研自动化的核心不是"多试"，而是"选最能消解模型不确定性的那个实验"。这与本站关注的"AI 科研智能体"路线高度互补：agent 负责执行，主动推断负责选题。
• 🔗 打开原文

本文摘自《每日前沿研究简报 · 2026-09-10》「五、AI 科研：可核查性、主动推断与转化鸿沟（本站 AI 科研频道对口前沿）」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。