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

本文提出了“变态稳态”(allostasis)的概念，即通过生理和行为的预期调整来实现生物系统的长期生存能力，强调生理和情感压力作为适应性状态的调节，以最小化长期预测误差。最近，主动推理框架(Active Inference Framework, AIF)也试图通过学习世界的统计相关性，通过最小化未来错误(自由能)来解释行动和长期适应，提供了一个变态稳态调节的形式化框架。我们建议通过变态稳态所提出的生物激素动力学的视角来框架预测误差，以生物学上可行的方式将这两个模型整合在一起。在本文中，我们描述了我们初步开展的工作，即通过将预测误差(惊异)与一种生理应激激素(皮质醇)的分泌相结合，作为一种适应性的、变态稳态的调节因子，对一个在随机环境下通过稳态和变态稳态控制的人工生理机能的主动推理代理进行了计算模型的模拟评估。我们的结果发现，皮质醇(压力)的变态稳态功能，作为预测误差的函数，为代理的长期生理调节提供了适应性优势。我们认为，将信息论预测误差与压力的低级生物学激素动力学相耦合，可以为具有体内智能系统的长期调节提供一个计算效率高的模型。

本文旨在将预测误差与生物激素动态相结合，探索生物激素在适应性调节中的作用，并提供一个计算模型来解释这种调节机制。

将生物激素的分泌与预测误差相结合，建立一个基于主动推理框架的计算模型，以在随机环境中实现适应性的生理调节。

实验使用了一个基于主动推理的代理模型，并通过模拟来评估生物激素在适应性调节中的作用。结果表明，生物激素的分泌可以提供代理模型长期生理调节的适应性优势。该模型提供了一种计算高效的方法，将信息论的预测误差与低级别的生物激素动态相结合，为具有身体智能的系统提供长期调节机制。

与本文相关的研究包括主动推理框架、生物激素和适应性调节等方面的研究。相关论文包括“Active inference: A process theory”、“Allostasis and the human brain: Integrating models of stress from the social and life sciences”等。