Codificación predictiva bajo el principio de energía libre

Este artículo considera la predicción y la categorización perceptual como un problema de inferencia que resuelve el cerebro. Asumimos que el cerebro modela el mundo como una jerarquía o cascada de sistemas dinámicos que codifican la estructura causal en el sensorio. La percepción se equipara con la optimización o inversión de estos modelos internos, para explicar los datos sensoriales. Dado un modelo de cómo se generan los datos sensoriales, podemos invocar un enfoque genérico para la inversión del modelo, basado en un límite de energía libre sobre la evidencia del modelo. La formulación consecuente de energía libre proporciona ecuaciones que prescriben el proceso de reconocimiento, es decir, la dinámica de la actividad neuronal que representa las causas de la entrada sensorial. Aquí, nos centramos en un modelo muy general, cuya estructura jerárquica y dinámica permite que cerebros simulados reconozcan y predigan trayectorias o secuencias de estados sensoriales. Primero revisamos modelos dinámicos jerárquicos y su inversión. Luego mostramos que el cerebro tiene la infraestructura necesaria para implementar esta inversión e ilustramos este punto usando pájaros sintéticos que pueden reconocer y categorizar cantos de aves.