序 文
凡 例
第Ⅰ部
１ 序 章
1.1 はじめに
1.2 生物はどのようにして生存し，適応的に行動するのか？
1.3 能動的推論：第一原理から行動を考える
1.4 本書の構成
1.5 まとめ
２ 能動的推論への常道
2.1 はじめに
2.2 推論としての知覚
2.3 生物の推論と最適性
2.4 推論としての行為
2.5 モデルと世界の間のずれを最小化する
2.6 変分自由エネルギーの最小化
2.7 期待自由エネルギーと推論としての行動計画
2.8 期待自由エネルギーとは何か
2.9 常道の終わりに
2.10 まとめ
３ 能動的推論への王道
3.1 はじめに
3.2 マルコフ・ブランケット
3.3 サプライズの最小化と自己証明
3.4 推論，認知，および確率的ダイナミクスの関係
3.5 能動的推論：行動と認知を理解するための新しい基盤
3.6 モデル，ポリシー，および軌道
3.7 能動的推論のもとでのエナクティブ理論，サイバネティクス理論，予測理論の統合
3.8 能動的推論：生命の誕生から主体性まで
3.9 まとめ
４ 能動的推論の生成モデル
4.1 はじめに
4.2 ベイズ推論から自由エネルギーまで
4.3 生成モデル
4.4 離散時間の能動的推論
4.5 連続時間の能動的推論
4.6 まとめ
５ メッセージパッシングと神経生物学
5.1 はじめに
5.2 微小回路とメッセージ
5.3 運動指令
5.4 皮質下構造
5.5 神経修飾と学習
5.6 連続的な階層と離散的な階層
5.7 まとめ
第Ⅱ部
６ 能動的推論モデルを設計するためのレシピ
6.1 はじめに
6.2 能動的推論モデルの設計：4段階のレシピ
6.3 どんなシステムをモデリングしているのか？
6.4 生成モデルの最も適切な形とは
6.5 どのように生成モデルを設定するか？
6.6 生成プロセスの設定
6.7 能動的推論を用いたデータのシミュレーション，可視化，分析，フィッティング
6.8 まとめ
７ 離散時間の能動的推論
7.1 はじめに
7.2 知覚処理
7.3 推論としての意思決定と行動計画
7.4 情報探索
7.5 学習と新規性
7.6 階層的推論または深い推論
7.7 まとめ
８ 連続時間の能動的推論
8.1 はじめに
8.2 運動制御
8.3 ダイナミカルシステム
8.4 一般化同期
8.5 ハイブリッド（離散および連続）モデル
8.6 まとめ
９ モデルベースのデータ分析
9.1 はじめに
9.2 メタベイズ法
9.3 変分ラプラス法
9.4 パラメトリック経験ベイズ法（PEB）
9.5 モデルベースの解析手順
9.6 生成モデルの例
9.7 誤推論のモデル
9.8 まとめ
10 感覚状態に反応する行動の統一理論としての能動的推論
10.1 はじめに
10.2 これまでのまとめ
10.3 点をつなぐ：能動的推論の統合的視点
10.4 予測する脳，予測する心，そして予測処理
10.5 知 覚
10.6 行為の制御
10.7 効用と意思決定
10.8 行動と限定合理性
10.9 感情価，情動，モチベーション
10.10 ホメオスタシス，アロスタシス，内受容処理
10.11 注意，顕著性，認識的ダイナミクス
10.12 規則学習，因果推論，および高速の般化
10.13 能動的推論と他の分野：未解決の問題
10.14 まとめ
補遺A-数学的背景
A.1 はじめに
A.2 線形代数
A.3 テイラー級数近似
A.4 変分法
A.5 確率的ダイナミクス
補遺B-能動的推論の方程式
B.1 はじめに
B.2 マルコフ決定過程
B.3 （能動的）一般化フィルタリング
補遺C-注釈付きMatlabコードの例
C.1 はじめに
C.2 予備知識
C.3 尤 度
C.4 遷移確率
C.5 事前選好と初期状態
C.6 ポリシー空間
C.7 まとめよう
C.8 シミュレーションとプロッティング
注 記
引用文献
訳者あとがき
索 引
