Reti Neurali Attrattrici Auto-ortogonalizzanti dal Principio di Energia Libera

Un recente studio teorico disponibile su arXiv (2505.22749) rivela che le reti neurali attrattrici possono emergere dal principio di energia libera senza la necessità di regole di apprendimento esplicitamente definite. I ricercatori articolano le dinamiche attrattrici come risultato naturale dell'applicazione del principio di energia libera a una partizione universale di sistemi dinamici casuali. Questo metodo produce dinamiche di inferenza e apprendimento biologicamente credibili, culminando in un processo collettivo di inferenza attiva bayesiana a più livelli. In questo quadro, gli attrattori rappresentano credenze a priori, i dati sensoriali vengono integrati in credenze a posteriori durante l'inferenza, e l'apprendimento regola gli accoppiamenti per ridurre la sorpresa a lungo termine. I risultati sono supportati da prove analitiche e simulazioni, fornendo una comprensione fondamentale delle dinamiche auto-organizzanti in sistemi complessi come il cervello, con rilevanza per lo sviluppo di sistemi di IA.