01 理論の出発点：なぜ「生きている」ことは「予測誤差を最小化すること」と同値なのか？

数理神経科学者カール・フリストン（Karl Friston）が提唱した自由エネルギー原理（Free Energy Principle: FEP）は、しばしば「脳の情報処理理論」として紹介されますが、その射程は脳を持つ動物にとどまらず、単細胞生物、植物、人工生命エージェント、さらには自己組織化する物理系全般に及ぶ「生命の物理学（Physics of Sentient Systems / Bayesian Mechanics）」です。

その出発点は驚くほどシンプルです。「ある生物（たとえば魚）が、周囲の環境（海）に溶けて消滅することなく、個体としての形や体温・塩分濃度（ホメオスタシス）を保って存在し続けている」とはどういうことでしょうか？ 確率論的に言えば、その魚が取り得るあらゆる物理状態のうち、「水中にいてエラで呼吸している」というごく一部の限定された状態集合（アトラクタ／非平衡定常状態 NESS）の中に高い確率 $p(s)$ で留まり続けており、「陸に打ち上げられて乾燥している」という異常な状態（低い確率 $p(s) \ll 1$）に陥っていないということです。

情報理論において、ある感覚状態 $s$ が起きる確率の負の対数 $-\ln p(s)$ は「サプライズ（Surprise / 自己情報量）」と呼ばれます。つまり、「生物が死なずに境界を維持して生き続けること」と「長期的なサプライズ（予測外の異常事態）の期待値＝エントロピー $H(S) = \mathbb{E}[-\ln p(s)]$ を最小化し続けること」は数学的に全く同じ意味になります。

02 マルコフブランケットと「知覚・行動」の双対性

1. 統計的境界としてのマルコフブランケット $b = (s, a)$

システムが環境から区別された「個体」として定義できるためには、外界の隠れ状態 $\psi$ とシステムの内部状態 $\mu$ の間に、統計的な盾となるマルコフブランケット $b = (s, a)$ が存在しなければなりません（条件付き独立性：$\mu \perp \psi \mid s, a$）。

  • 感覚状態 $s$ (Sensory states): 外界 $\psi$ から影響を受けるが、外界には直接作用しない境界層（例：網膜、細胞膜の受容体、ロボットのセンサ）。
  • 行動状態 $a$ (Active states): 内部状態 $\mu$ によって駆動され、外界 $\psi$ を変化させる境界層（例：筋肉、繊毛・鞭毛、イオンポンプ、アクチュエータ）。

2. 変分自由エネルギー $F$ による知覚と行動の統合

エージェントは外界の真の生成プロセス $p(s, \psi)$ を直接見ることはできないため、内部状態 $\mu$ にエンコードされた近似事後分布（信念）$q(\psi \mid \mu)$ と内部生成モデル $p(s, \psi)$ を使って、サプライズ $-\ln p(s)$ の計算可能な上界である変分自由エネルギー $F(s, a, \mu)$ を最小化します。この $F$ は以下の2通りの式に恒等変形できます：

[分解1: 知覚（Perception）の視点]
$F(s, a, \mu) = \underbrace{D_{\text{KL}}\big[ q(\psi \mid \mu) \,\|\, p(\psi \mid s) \big]}_{\text{真の事後分布とのズレ (Divergence)}} \underbrace{- \ln p(s)}_{\text{サプライズ (Surprise)}}$
$\implies$ 内部状態 $\mu$ を動かして $F$ を下げると、第1項が $0$ に近づき、内部信念 $q(\psi \mid \mu)$ が外界の真の事後分布 $p(\psi \mid s)$ に一致する（ベイズ推論としての知覚・学習）。

[分解2: 行動（Action）の視点]
$F(s, a, \mu) = \underbrace{D_{\text{KL}}\big[ q(\psi \mid \mu) \,\|\, p(\psi) \big]}_{\text{複雑性 (Complexity)}} - \underbrace{\mathbb{E}_{q(\psi \mid \mu)}\big[ \ln p(s \mid \psi) \big]}_{\text{予測精度 (Accuracy)}}$
$\implies$ 行動状態 $a$ を動かして外界に働きかけ、感覚入力 $s(a)$ を変化させて $F$ を下げると、自分の内部モデル（選好する恒常性状態）の予測が当たるような感覚入力 $s$ が選択的にサンプリングされる（能動的推論：Active Inference）。

03 未来への拡張：期待自由エネルギー $G(\pi)$ と好奇心の創発

さらに未来の行動計画（ポリシー $\pi$）を選択するエージェントは、将来得られるであろう感覚系列に対する期待自由エネルギー（Expected Free Energy, $G(\pi)$）を最小化するように行動を選びます。この $G(\pi)$ を展開すると、人工生命やAIにおいて長らく別々に設計されていた2つの性質が1つの式から自然に現れます。

$G(\pi) = - \underbrace{\mathbb{E}_{q}\Big[ D_{\text{KL}}\big[ q(\psi_\tau \mid s_\tau, \pi) \,\|\, q(\psi_\tau \mid \pi) \big] \Big]}_{\text{1. 認識的価値 (Epistemic Value / 内発的好奇心・情報獲得)}} - \underbrace{\mathbb{E}_{q}\big[ \ln p(s_\tau \mid C) \big]}_{\text{2. 実用的価値 (Pragmatic Value / ホメオスタシス選好 } C \text{ の達成)}}$
なぜ生物は探索（Explore）と活用（Exploit）を自然に切り替えられるのか？
能動的推論エージェントは、環境の不確実性が高いうちは第1項（認識的価値：どうすれば外界の隠れ状態 $\psi$ が最もよくわかるかという内発的好奇心）が支配的となって周囲を探索し、環境の構造がわかると第2項（実用的価値：自らの生存選好 $C$ を満たすホメオスタシス維持行動）へと自動的に移行します。

04 強化学習（RL）と能動的推論（Active Inference）の決定的な違い

現代のAI主流である強化学習（Reinforcement Learning）と、ALife・理論神経科学が依拠する能動的推論の違いは、人工生命の設計思想そのものに関わります。

  • 強化学習（RL）： 環境側からエージェントに対して「スカラー報酬 $R_t$」が与えられると仮定し、累積報酬の最大化を目指します。しかし現実の自然界には、空から「+10点」という報酬シグナルを降らせてくれる採点者は存在しません。
  • 能動的推論（Active Inference）： 外界には報酬関数など存在せず、エージェント自身が内包する「自分はどういう状態で存在すべきかという生成モデル（Prior Preferences $p(s \mid C)$：例＝体温37℃、血糖値一定）」と現実の感覚入力とのズレ（自由エネルギー）を最小化するだけです。これにより、外部の設計者に依存しない真の自律性（Autonomy）を記述できます。

05 原典・関連文献リンク

← 前の理論的支柱 (THEORY 01) オートポイエーシスと「脆さ（Precariousness）」 次の理論的支柱 (THEORY 03) → 基底認知（Basal Cognition）と TAME