20 Dec 2025 – 7 Mar 2026
Free Energy Principle (FEP)은 뇌가 예측하지 못한 값, 즉 surprise를 최소화하는 방향으로 작동한다고 주장한다. Active Inference는 Free Energy Principle에 기반하여 수식을 해석하고, 이 수식에서 창발되는 뇌의 추론 및 의사결정 과정을 모델링하는 학문이다. 본 스터디 1조는 Thomas Parr의 책을 읽고 토의하며 Active Inference에 대하여 탐구하였다.
| 차시 | 내용 (Report) | 발제자 (Slides) |
|---|---|---|
| 1 | 1. Overview | 전체 |
| 2. The Low Road to Active Inference | 이서현 | |
| 3. The High Road to Active Inference | 윤시원, 서효정 | |
| 2 | 4. The Generative Models of Active Inference | 윤시원 |
| 5. Message Passing and Neurobiology | 이서현 | |
| 6. A Recipe for Designing Active Inference Models | 이서영 | |
| 7. Active Inference in Discrete Time | 서효정 | |
| 3 | 8. Active Inference in Continuous Time | 서효정, 이서현 |
| 9. Model-Based Data Analysis | 윤시원, 이서영 | |
| 10. Active Inference as a Unified Theory of Sentient Behavior | 전체 | |
| 4 | 현대 AI Model과 Active Inference 비교 | 윤시원 |
| Experimental Validation of the Free-Energy Principle with In Vitro Neural Networks | 서효정 |
확률적 뇌 신경과학은 실제 관찰한 바를 확률 model로 나타내며 이로부터 새로운 지식을 얻는 것을 목표한다. 때문에 실제 현상을 확률 model로 변환하는 과정은 필수적인데, 본 스터디 2조는 다양한 예제에 기반하여 확률 modeling하는 방법에 대하여 탐구하였다.
| 차시 | 내용 | 발제자 (Slides) |
|---|---|---|
| 1 | 1. Uncertainty and Inference | 임수빈 |
| 2. Using Bayes’ Rule | 김민선, 곽수현 | |
| 2 | 3. Bayesian Inference under Measurement Noise | 이서현 |
| 4. The Response Distribution | 곽수현 | |
| 5. Cue Combination and Evidence Accumulation | 김민선 | |
| 3 | 2026 AI Co-Scientist Challenge Korea | 전체 |
| 4 | 2026 AI Co-Scientist Challenge Korea | 전체 |
| 5 | 2026 AI Co-Scientist Challenge Korea | 전체 |
| 6 | 2026 AI Co-Scientist Challenge Korea | 전체 |
| 7 | 6. Learning as Inference | 이서현 |
| 7. Discrimination and Detection | 이서현 | |
| 8. Binary Classification | 곽수현 | |
| 9. Top-Level Nuisance Variables and Ambiguity | 곽수현 | |
| 10. Same-Different Judgment | 임수빈 | |
| 11. Search | 임수빈 | |
| 12. Inference in a Changing World | 김민선 | |
| 13. Combining Inference with Utility | 김민선 |