Synchronizing Minds through Collective Predictive Coding: A Computational Model of Parent-Infant Homeostatic Co-Regulation

Technische Zusammenfassung: Synchronisierung von Mitten durch kollektives prädiktives Codieren

Problemstellung
Die bei Echtzeit-Dyaden-Interaktionen, wie etwa beim Austausch zwischen Eltern und Säugling, beobachtete Interhirn-Synchronisation (IBS) deutet darauf hin, dass interagierende Agenten abgestimmte latente Repräsentationen entwickeln. Allerdings bleiben computergestützte Erklärungen dafür, wie eine solche Abstimmung zwischen Agenten mit nur lokalem sensorischem Zugang und asymmetrischem internem Wissen entsteht, unterentwickelt. Eine zentrale Herausforderung besteht darin zu modellieren, wie zwei Agenten, die jeweils private interne Zustände und begrenzte Sensordaten besitzen, koordinieren können, um körperliche Zustände zu regulieren und gleichzeitig ihre latenten Repräsentationen abzustimmen, ohne direkten Zugriff auf die verborgenen Zustände des anderen zu benötigen oder tief rekursive Modelle des anderen aufrechterhalten zu müssen.

Methodik
Die Autoren schlagen ein konstruktives computergestütztes Modell der homöostatischen Co-Regulation zwischen Eltern und Säugling vor, das zwei primäre Rahmenwerke integriert:

1. Aktive Interozeptive Inferenz (POMDP): Die Interaktion wird als Partially Observable Markov Decision Process (POMDP) modelliert. Zwei Agenten, ein Elternteil (Agent A) und ein Säugling (Agent B), verfügen über asymmetrisches generatives Modellwissen:
   • Das Elternteil besitzt eine genaue Zustandsübergangsmatrix ($B_A$), die kodiert, wie Aktionen viszerale Zustände transformieren, muss jedoch die sensorische Generierungsmatrix ($A_A$) erlernen, die seine Inferenz des Zustands des Säuglings mit beobachteten exterozeptiven Hinweisen (z. B. Schüttelfrost) verknüpft.
   • Der Säugling besitzt eine genaue sensorische Generierungsmatrix ($A_B$) für die direkte interozeptive Wahrnehmung seines eigenen Zustands, muss jedoch die Zustandsübergangsmatrix ($B_B$) erlernen, die erfasst, wie Aktionen seinen Körper beeinflussen.
   • Beide Agenten verarbeiten lokal verfügbare sensorische Eingaben und lernen ihre jeweiligen unbekannten Matrizen online mittels Dirichlet-Verteilungen.
2. Kollektives Prädiktives Codieren (CPC) via MHNG: Um eine Einigung über regulatorische Aktionen zu vermitteln, nutzen die Agenten das Metropolis–Hastings Naming Game (MHNG). Eine gemeinsame kommunikative Variable (Symbol $w$) wird basierend auf den internen Repräsentationen ($z$) der Agenten gesampelt. Die Annahme eines vorgeschlagenen Symbols wird durch eine lokal berechenbare Metropolis–Hastings-Wahrscheinlichkeit bestimmt, die ausschließlich vom internen generativen Modell des Zuhörers abhängt. Dies ermöglicht den Agenten, die posteriori-Glaubenssätze des anderen einzuschränken, ohne direkten Zugriff auf die verborgenen Zustände des Partners zu benötigen.

Die Simulation findet in einer diskreten $6 \times 6$-Gitterwelt statt, die den viszeralen Zustand des Säuglings (Energie und Körpertemperatur) darstellt. Die Agenten zielen darauf ab, den Zustand durch kooperative Aktionen (Kühlen, Wärmen, Essen, Spielen, Schlafen) in einem Bereich hoher Prior-Präferenz ($C$) zu halten.

Experimenteller Aufbau und Metriken
Die Studie vergleicht drei Bedingungen:

• MHNG: Symbole entstehen durch bidirektionale Eltern-Säugling-Kommunikation unter Verwendung des MHNG-Protokolls.
• A-only: Der Säugling akzeptiert immer den Vorschlag des Elternteils; das Elternteil lehnt immer den Vorschlag des Säuglings ab.
• B-only: Das Elternteil akzeptiert immer den Vorschlag des Säuglings; der Säugling lehnt immer den Vorschlag des Elternteils ab.

Zu den wichtigsten Metriken gehören:

• Anpassungsfähigkeit ($C_{norm}$): Der Grad, in dem der viszeralle Zustand des Säuglings mit dem Bereich hoher Prior-Präferenz übereinstimmt.
• Durchschnittliche Entropie ($\bar{H}$): Die Entropie der gelernten generativen Matrizen ($A$ für das Elternteil, $B$ für den Säugling), die die prädiktive Genauigkeit anzeigt.
• Ähnlichkeit der mentalen Repräsentation ($JSD_z$): Die Jensen–Shannon-Distanz zwischen den Posterior-Verteilungen der latenten Zustände des Elternteils und des Säuglings ($q(z_A)$ und $q(z_B)$).

Hauptergebnisse

1. Regulatorische Leistung: Die durch MHNG vermittelte Interaktion regulierte den viszeralen Zustand des Säuglings adaptiver als die einseitigen Kontrollbedingungen (A-only und B-only). Der viszerale Zustand in der MHNG-Bedingung verblieb von der frühen Phase des Lernens an im Bereich hoher Prior-Präferenz.
2. Schnelle Ausrichtung latenter Zustände: Die Jensen–Shannon-Distanz ($JSD_z$) zwischen den Posterior-Verteilungen der Agenten näherte sich nach etwa 20 Iterationen Null an, was eine schnelle Synchronisation interner Repräsentationen anzeigt.
3. Entkopplung von Ausrichtung und Modellkonvergenz: Die Konvergenz der generativen Matrizen (angezeigt durch abnehmende Entropie $\bar{H}$) trat viel später ein und sättigte sich bei etwa 500 Iterationen. Entscheidend ist, dass repräsentationale Synchronizität weit früher entstand als die Konvergenz der gelernten Weltmodelle.
4. Mechanismus der Asymmetrie: Die schnelle Ausrichtung wird der komplementären Natur des Wissens der Agenten zugeschrieben: Der Säugling erfasst seinen viszeralen Zustand über eine genaue bottom-up sensorische Generierung ($A_B$), während das Elternteil den Zustand über genaue top-down Zustandsübergänge ($B_A$) erfasst.

Bedeutung und Behauptungen
Die Arbeit behauptet, einen „minimalen konstruktiven Account" der Ausrichtung latenter Zustände zu bieten, der mit der in Hyperscanning-Studien berichteten IBS vereinbar ist. Der Hauptbeitrag besteht darin zu zeigen, dass repräsentationale Synchronizität keine vollständig geteilten Weltmodelle voraussetzt. Stattdessen können Agenten mit asymmetrischem Wissen und lokalem sensorischem Zugang eine schnelle Ausrichtung ihrer latenten Glaubenssätze durch eine gemeinsame kommunikative Variable erreichen, die durch lokal berechenbare Akzeptanzwahrscheinlichkeiten gesteuert wird.

Die Autoren positionieren die Hypothese des Kollektiven Prädiktiven Codierens (CPC), operationalisiert durch MHNG, als einen möglichen computergestützten Grundbaustein für Interhirn-Ausrichtung. Sie argumentieren, dass dieses Rahmenwerk erklärt, wie soziale Interaktion Posterior-Glaubenssätze einschränken und Co-Regulation fördern kann, ohne dass Agenten direkten Zugriff auf die Beobachtungen des anderen benötigen oder komplexe rekursive Modelle des anderen aufrechterhalten müssen.

Einschränkungen und zukünftige Richtungen
Die Autoren räumen ein, dass das aktuelle Modell eine vereinfachte, zweidimensionale diskrete Gitterwelt verwendet und annimmt, dass Prior-Präferenzen ($C$) und Interpretationsmatrizen ($E$) geteilt und statisch sind. Folglich adressiert das Modell nicht die Dynamik der Symbolentstehung selbst. Als zukünftige Arbeit wird vorgeschlagen, das Modell mit realen Organismen oder Robotern unter Verwendung kontinuierlicher, mehrdimensionaler Repräsentationen abzugleichen und Lernregeln für $C$- und $E$-Matrizen einzuführen, um die Entstehung sozialer Bedeutung zu modellieren.