Aktive Inferenz: Wie Agenten ohne Aktionsbewusstsein handeln

In der neuesten Veröffentlichung auf arXiv (2508.12027v1) wird die aktive Inferenz als ein formales Rahmenwerk vorgestellt, das kognitive Prozesse als eine Art approximative Bayessche Inferenz beschreibt. Dabei minimieren adaptive Agenten die variationale und die erwartete freie Energie, um Wahrnehmung, Lernen und Handlungswahl zu steuern.

Die Autoren unterscheiden zwischen „action‑aware“ und „action‑unaware“ Agenten. Während die erstgenannten über ein Efferenz‑Copy‑Signal verfügen und ihre eigenen Handlungen kennen, müssen die letzteren ihr motorisches Verhalten aus den zuletzt beobachteten Zuständen ableiten. Dieser Unterschied spiegelt die zentrale Debatte in der Motorik wider, ob Agenten über ein internes Wissen ihrer Aktionen verfügen oder nicht.

Durch einen Vergleich der beiden Agententypen in zwei Navigationsaufgaben zeigen die Forscher, wie die Kenntnis der eigenen Handlungen die Planung und die Erreichung bevorzugter Zustände beeinflusst. Die Ergebnisse deuten darauf hin, dass action‑aware Agenten in der Regel effizienter handeln, während action‑unaware Agenten dennoch in der Lage sind, ihre Umwelt erfolgreich zu erkunden, wenn sie die Beobachtungen geschickt nutzen.

Die Studie liefert wichtige Einblicke für die Entwicklung von autonomen Systemen, die ohne explizite Aktionsinformationen auskommen müssen, und legt damit einen Beitrag zur theoretischen Basis der kognitiven Robotik und der Neurowissenschaften nahe.