Surprise! Using Physiological Stress for Allostatic Regulation Under the Active Inference Framework [Pre-Print]

要約

アロスタシスは、生物システムの長期的な生存可能性は、その生理機能と行動の予期的な調整によって達成されると提案します。つまり、長期的な予測誤差を最小限に抑える適応状態としての生理学的ストレスと感情的ストレスが強調されます。
最近では、能動的推論フレームワーク (AIF) も、世界の統計的偶然性の学習を通じて、将来の誤差 (自由エネルギー) を最小限に抑えることで、行動と長期的な適応を説明しようと努めており、アロスタティック制御の形式主義を提供しています。
アロスタシスによって提案された生物学的ホルモン動態のレンズを通して予測誤差を構成することは、生物学的に妥当な方法でこれら 2 つのモデルを統合する方法を提供することを提案します。
この論文では、ホメオスタティックに制御された生理機能において適応的なアロスタティックなメディエーターとして機能する生理的ストレス ホルモン (コルチゾール) の分泌に予測誤差 (驚き) を根拠付けるモデルを開発した最初の研究について説明します。
我々は、確率的環境におけるホメオスタティックおよびアロスタティックな制御によって制御される人工生理機能を備えたアクティブ推論エージェントを使用したシミュレーションで計算モデルを使用してこれを評価します。
我々の結果は、予測誤差の関数として分泌されるコルチゾール（ストレス）のアロスタティック機能が、薬剤の長期生理学的調節に適応的な利点をもたらすことを発見した。
私たちは、情報理論的な予測誤差を低レベルの生体ホルモンのストレス動態と組み合わせることで、身体化されたインテリジェントシステムの長期制御に計算効率の高いモデルを提供できると主張します。

要約(オリジナル)

Allostasis proposes that long-term viability of a living system is achieved through anticipatory adjustments of its physiology and behaviour: emphasising physiological and affective stress as an adaptive state of adaptation that minimizes long-term prediction errors. More recently, the active inference framework (AIF) has also sought to explain action and long-term adaptation through the minimization of future errors (free energy), through the learning of statistical contingencies of the world, offering a formalism for allostatic regulation. We suggest that framing prediction errors through the lens of biological hormonal dynamics proposed by allostasis offers a way to integrate these two models together in a biologically-plausible manner. In this paper, we describe our initial work in developing a model that grounds prediction errors (surprisal) into the secretion of a physiological stress hormone (cortisol) acting as an adaptive, allostatic mediator on a homeostatically-controlled physiology. We evaluate this using a computational model in simulations using an active inference agent endowed with an artificial physiology, regulated through homeostatic and allostatic control in a stochastic environment. Our results find that allostatic functions of cortisol (stress), secreted as a function of prediction errors, provide adaptive advantages to the agent’s long-term physiological regulation. We argue that the coupling of information-theoretic prediction errors to low-level, biological hormonal dynamics of stress can provide a computationally efficient model to long-term regulation for embodied intelligent systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google