π§ Active Inference as Context Acquisition for AI Agents
μ¬μ©μ μ μ½ μ¬νμ΄λ λ³μκ° κ²°μ¬λμμ λ μμ΄μ νΈκ° μ΄λ€ μ‘μ (μ§λ¬Έ, κ²μ, λꡬ μ€ν λ±)μ ν΄μΌ ν μ§μ λν νλ₯ μ μ΅μ ν νλ μμν¬ μ°κ΅¬μ λλ€.
1. 컨ν μ€νΈ νλ λ μ΄μ΄μ νμ± μΆλ‘ (Active Inference)
- λ¬Έμ μ μ: μμ΄μ νΈλ λΆμμ ν μμ λͺ μΈ νμμ κΈ°λ³Έ κ°μ μ λ°λ₯Όμ§, μλλ©΄ ν ν°μ μλΉνμ¬ μ¬μ©μμκ² λͺ νν μ§λ¬Έν μ§(OQA: Optimal Question Asking) κ²°μ ν΄μΌ ν©λλ€.
- νμ± μΆλ‘ μμν:
- λ΄λΆ μΆλ‘ λ¨κ³: μ μ¬ μμ μν(latent task state)μ λν μ λ’°λ(beliefs) μ λ°μ΄νΈ.
- μΈλΆ κ²°μ λ¨κ³: ν ν° λΉμ© λλΉ κΈ°λ μμ μλμ§(Expected Free Energy under cost)λ₯Ό μ΅μννλλ‘ λ€μ 컨ν μ€νΈ μ‘μ μ μ ν.
- κ²°μ λ‘ μ νκ²½μμλ μμ μλμ§μ μΈμ§μ (epistemic) νλͺ©μ΄ κΈ°λ μ 보 μ΄λ(Expected Information Gain)μΌλ‘ νμλ©λλ€.
2. μ£Όμ μ μ© λΆμΌ
- Optimal Question Asking (OQA): λμ κ³νλ² μ€λΌν΄μ νμ©ν΄ μ΅μ μ μ§λ¬Έ μ ν λ²€μΉλ§νΉ.
- Clarification Before Generation: ν μ€νΈ μμ± μ μ¬μ©μμκ² μ§λ¬Ένμ¬ μ νλ μ κ³ .
- Automated Prompt Optimization: νμ λ ν ν° μμ° νμ ν둬ννΈ μ΅μ ν.
κ΄λ ¨ λ¬Έμ: