في عالم الذكاء الاصطناعي (AI)، يعتبر الاستدلال النشط (Active Inference) من المفاهيم الأساسية في اتخاذ القرارات. ومن خلال تقليل دالة طاقة الحرية المتوقعة (Expected Free Energy Functional)، يقوم الاستدلال النشط بتجميع المعلومات وصياغتها بطرق مبتكرة. ولكن، ماذا لو أضفنا توقّعاً حول نتائج لم تلاحظ بعد؟

إذاً، تصبح دالة طاقة الحرية غير مستقلة مما يعقد من عملية تمرير الرسائل (Message Passing) — هذا ما تم توضيحه في دراسة حديثة تبنت صياغة بديلة تعتمد على دالة طاقة الحرية لبيت (Bethe Free Energy Functional).

تضمن الدراسة أن يسهم التوجه المعرفي (Epistemic Drive) من خلال فرض قيود معلوماتية، إلى جانب تطبيع (Normalization) وتهميش (Marginalization) وقيود الشكل (Form Constraints). حيث يُشدد على أنه يجب أن تكون المعلومات الثنائية (Mutual Information) بين الملاحظات المستقبلية والدول والمعطيات، أكبر على الأقل من الإنتروبيا المتعلقة بالأهداف.

مع تحديد قيمة معينة لمضاعف كاروش-كون-توكر (Karush-Kuhn-Tucker multiplier)، يتم استعادة النقطة الثابتة لهذه الدالة المعقدة، مما يؤدي إلى حل متوقع لطاقة الحرية. كما تبين الدراسة كيف أن تغيير الطلب على المعلومات يؤثر على حركة المضاعف من خلال مجالات غير نشطة، داخلية، ومشبعة.

يشير هذا البحث إلى أن قدرة الوكلاء المعرفية تقل تماماً في النطاق غير النشط، بينما تصل إلى أقصى حد في النطاق المشبع، مما يفتح آفاقاً جديدة لفهم آليات اتخاذ القرار.

في النهاية، تمت مقارنة أداء الوكيل المدعوم بقيود بيت مع طرائق أخرى مثل EFE وQ-MDP في ثلاث مهام مختلفة، مما يبرز فعالية النموذج المقترح.