Ti sei mai chiesto perché il ritornello di una canzone sia così memorabile? @InferenceActive (KB5) e @jakub_smekal (KB7) sono entrambi dottori di ricerca di Stanford che cercano nei brani musicali i principi universali dell'apprendimento. Daniel ha studiato ecologia ed evoluzione, e Jakub sta attualmente studiando AI, fisica e neuroscienze. Si sono incontrati in Kernel e hanno co-scritto due articoli che esplorano l'‘Inferenza Attiva’, una disciplina focalizzata sullo studio unificato di come ‘ricevere input sensoriali attraverso l'azione’ e ‘aggiornare il proprio modello interno del mondo’ possano essere compresi simultaneamente. Analizzano la matematica dietro la 'sorpresa familiare'. Passano dall'inferenza attiva, al principio di energia libera, alla quantificazione dell'incertezza nei modelli di deep learning, e all'idea di ‘descolarizzazione’ di Ivan Illich. Speriamo che tu possa goderti la storia attiva e in corso di due ricercatori talentuosi e del loro lavoro. 00:01:00 - Introduzioni e background 00:02:00 - Come Daniel e Jakub si sono incontrati attraverso DeSci 00:03:00 - Il lavoro di Daniel sugli ecosistemi epistemici e le strutture di incentivo 00:04:00 - Definizione di “Inferenza attiva” 00:05:00 - Jakub aggiunge spiegazione del framework di inferenza bayesiana 00:06:00 - Principio di energia libera e minimizzazione della sorpresa 00:07:00 - Dettagli tecnici: approssimazione del gradiente e limiti di evidenza 00:09:00 - Applicare l'inferenza attiva a blockchain e sistemi di comunicazione 00:11:00 - Active Blockference e modellazione basata su agenti 00:13:00 - Contesto DeSchool e connessione Kernel 00:15:00 - Origini del lavoro GNN (Notazione Generalizzata) e divario tra prosa e codice 00:18:00 - Fondazione dell'Active Inference Institute 00:20:00 - Inferenza attiva applicata alla musica/arte e "sorpresa familiare" 00:22:00 - Aspettative culturali e filtraggio dell'attenzione nella musica 00:24:00 - Quantificazione della sorpresa musicale e dinamiche della fan base 00:26:00 - Il "problema della stanza buia" e il comportamento di ricerca di novità 00:28:00 - La ricerca di dottorato di Jakub sul deep learning 00:31:00 - Sfide nella calibrazione dei modelli e nella quantificazione dell'incertezza 00:33:00 - Il coinvolgimento continuo di Daniel in Kernel/DeSchool e il focus sulla comunità 00:34:00 - La visione di DeSchool e la filosofia educativa 00:36:00 - Pensieri finali