主動推論可透過逐步模型比較連結實驗資料

Smith、Friston 與 Whyte 提供主動推論的逐步教學，從馬可夫決策過程、部分可觀察狀態、生成模型與政策選擇開始，示範如何建立模型、模擬行為與神經訊號，並將模型擬合到實驗資料。它的實用價值是把宏大理論轉成具體可操作的研究流程；同時也顯示，實證主張必須落在明確任務、模型比較與資料擬合上。

思與行

• 以三臂賭博機任務為起點，實作一個最簡單的主動推論模型。
• 與參數數量相近的強化學習模型比較預測表現，避免只報告單一模型擬合度。

參考

• 教學論文：A step-by-step tutorial on active inference and its application to empirical data（Smith, Friston & Whyte, 2022）。
• 延伸：理論評估必須交代可觀察變項與競爭模型、強化學習與主動推論比較應看不同場景的增益。