Demo 4：Markov Blanket 与 Active Inference 感知-行动环

Chapter 2 · 贝叶斯图

核心公式：\( \text{Internal} \perp \text{External} \mid \text{Markov Blanket} \)

External 外部状态 Sensory 感觉状态 Internal 内部信念 Active 行动状态

Active Inference 环路图

操作面板

1. 设定外部真实状态

世界有三种可能状态，选择一个作为"真实状态"：

2. 感觉输入（自动生成）

感觉信号：倾向于 "A (安全)"

3. 内部信念 p(External | Sensory)

4. 选择行动

行动可以改变外部状态（Active → External）：

事件日志

系统初始化：外部=A(安全)，内部信念均匀。

观察提示：设置外部状态为"C（危险）"，观察感觉信号如何变化，内部信念如何更新到"倾向 C"。然后选择"靠近"行动，外部状态会切换到"A"，感觉重新生成，信念再次更新。整个过程展示了 perception-action loop：External → Sensory → Internal → Active → External。

文献与案例意图：本 demo 对应教材 §2.1 Markov blanket 的定义。Friston (2010) 和 Parr et al. (2022) 提出 active inference 框架：认知系统通过 Markov blanket（感觉+行动边界）与外部世界间接耦合。内部状态只通过感觉接收信息，通过行动影响外部。教学点：Markov blanket 是"系统边界"的概率图定义；内部与外部通过感觉/行动边界间接耦合。