MétaCan
Menu
Retour à la cohorte
Enregistrement W4396674227 · doi:10.3390/systems12050163

Sustainability under Active Inference

2024· article· en· W4396674227 sur OpenAlexaff
Mahault Albarracin, Maxwell J. D. Ramstead, Riddhi J. Pitliya, Inês Hipólito, Lancelot Da Costa, Maria Raffa, Axel Constant, Sarah Grace Manski

Notice bibliographique

RevueSystems · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésSustainabilityInferenceComputer scienceBusinessArtificial intelligenceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

In this paper, we explore the known connection among sustainability, resilience, and well-being within the framework of active inference. Initially, we revisit how the notions of well-being and resilience intersect within active inference before defining sustainability. We adopt a holistic concept of sustainability denoting the enduring capacity to meet needs over time without depleting crucial resources. It extends beyond material wealth to encompass community networks, labor, and knowledge. Using the free energy principle, we can emphasize the role of fostering resource renewal, harmonious system–entity exchanges, and practices that encourage self-organization and resilience as pathways to achieving sustainability both as an agent and as a part of a collective. We start by connecting active inference with well-being, building on existing work. We then attempt to link resilience with sustainability, asserting that resilience alone is insufficient for sustainable outcomes. While crucial for absorbing shocks and stresses, resilience must be intrinsically linked with sustainability to ensure that adaptive capacities do not merely perpetuate existing vulnerabilities. Rather, it should facilitate transformative processes that address the root causes of unsustainability. Sustainability, therefore, must manifest across extended timescales and all system strata, from individual components to the broader system, to uphold ecological integrity, economic stability, and social well-being. We explain how sustainability manifests at the level of an agent and then at the level of collectives and systems. To model and quantify the interdependencies between resources and their impact on overall system sustainability, we introduce the application of network theory and dynamical systems theory. We emphasize the optimization of precision or learning rates through the active inference framework, advocating for an approach that fosters the elastic and plastic resilience necessary for long-term sustainability and abundance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,006
Communication savante0,0050,009
Science ouverte0,0030,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,183
Tête enseignante GPT0,470
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSystemsMême sujetComplex Systems and Decision MakingTravaux en français237 207