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

Sintesi Tecnica: Sincronizzazione delle Menti attraverso la Codifica Predittiva Collettiva

Enunciato del Problema
La sincronizzazione inter-cerebrale (IBS) osservata nelle interazioni diadiche in tempo reale, come gli scambi genitore-neonato, suggerisce che gli agenti interagenti sviluppino rappresentazioni latenti allineate. Tuttavia, le spiegazioni computazionali su come tale allineamento emerga tra agenti dotati solo di accesso sensoriale locale e conoscenza interna asimmetrica rimangono poco sviluppate. Una sfida centrale consiste nel modellare come due agenti, ciascuno dotato di stati interni privati e dati sensoriali limitati, possano coordinarsi per regolare gli stati corporei mentre allineano simultaneamente le loro rappresentazioni latenti, senza richiedere l'accesso diretto agli stati nascosti dell'altro o il mantenimento di modelli ricorsivi profondi dell'altro.

Metodologia
Gli autori propongono un modello computazionale costruttivo di co-regolazione omeostatica genitore-neonato che integra due quadri principali:

1. Inferenza Interocezionale Attiva (POMDP): L'interazione è modellata come un Processo Decisionale di Markov Parzialmente Osservabile (POMDP). Due agenti, un genitore (Agente A) e un neonato (Agente B), possiedono conoscenze asimmetriche del modello generativo:
   • Il Genitore possiede una matrice accurata di transizione degli stati ($B_A$) che codifica come le azioni trasformano gli stati viscerali, ma deve apprendere la matrice di generazione sensoriale ($A_A$) che collega la sua inferenza dello stato del neonato ai segnali esteroceptivi osservati (ad esempio, il brivido).
   • Il Neonato possiede una matrice accurata di generazione sensoriale ($A_B$) per la percezione interocezionale diretta del proprio stato, ma deve apprendere la matrice di transizione degli stati ($B_B$) che cattura come le azioni influenzano il suo corpo.
   • Entrambi gli agenti elaborano input sensoriali localmente disponibili e apprendono le rispettive matrici sconosciute online tramite distribuzioni di Dirichlet.
2. Codifica Predittiva Collettiva (CPC) tramite MHNG: Per mediare l'accordo sulle azioni regolatorie, gli agenti utilizzano il Gioco dei Nomi Metropolis–Hastings (MHNG). Una variabile comunicativa condivisa (simbolo $w$) viene campionata in base alle rappresentazioni interne degli agenti ($z$). L'accettazione di un simbolo proposto è determinata da una probabilità di Metropolis–Hastings calcolabile localmente, che dipende esclusivamente dal modello generativo interno dell'ascoltatore. Ciò permette agli agenti di vincolare le credenze posteriori reciproche senza accesso diretto agli stati nascosti del partner.

La simulazione ha luogo in un mondo a griglia discreto $6 \times 6$ che rappresenta lo stato viscerale del neonato (energia e temperatura corporea). Gli agenti mirano a mantenere lo stato in una regione di alta preferenza a priori ($C$) attraverso azioni cooperative (Raffreddare, Riscaldare, Mangiare, Giocare, Dormire).

Setup Sperimentale e Metriche
Lo studio confronta tre condizioni:

• MHNG: I simboli emergono attraverso la comunicazione bidirezionale genitore-neonato utilizzando il protocollo MHNG.
• Solo-A: Il neonato accetta sempre la proposta del genitore; il genitore rifiuta sempre quella del neonato.
• Solo-B: Il genitore accetta sempre la proposta del neonato; il neonato rifiuta sempre quella del genitore.

Le metriche chiave includono:

• Adattività ($C_{norm}$): Il grado in cui lo stato viscerale del neonato si allinea con la regione di alta preferenza a priori.
• Entropia Media ($\bar{H}$): L'entropia delle matrici generative apprese ($A$ per il genitore, $B$ per il neonato), indicante l'accuratezza predittiva.
• Somiglianza della Rappresentazione Mentale ($JSD_z$): La distanza di Jensen–Shannon tra le distribuzioni posteriori degli stati latenti del genitore e del neonato ($q(z_A)$ e $q(z_B)$).

Risultati Chiave

1. Prestazioni Regolatorie: L'interazione mediata da MHNG ha regolato lo stato viscerale del neonato in modo più adattivo rispetto alle condizioni di controllo unilaterale (Solo-A e Solo-B). Lo stato viscerale nella condizione MHNG è rimasto nella regione di alta preferenza a priori fin dalla fase iniziale dell'apprendimento.
2. Allineamento Rapido degli Stati Latenti: La distanza di Jensen–Shannon ($JSD_z$) tra le posteriori degli agenti si è avvicinata a zero dopo circa 20 iterazioni, indicando una rapida sincronizzazione delle rappresentazioni interne.
3. Disaccoppiamento tra Allineamento e Convergenza del Modello: La convergenza delle matrici generative (indicata dalla diminuzione dell'entropia $\bar{H}$) è avvenuta molto più tardi, saturando intorno alle 500 iterazioni. Crucialmente, la sincronia rappresentazionale è emersa molto prima della convergenza dei modelli del mondo appresi.
4. Meccanismo dell'Asimmetria: Il rapido allineamento è attribuito alla natura complementare delle conoscenze degli agenti: il neonato coglie il proprio stato viscerale attraverso una generazione sensoriale bottom-up accurata ($A_B$), mentre il genitore coglie lo stato attraverso transizioni di stato top-down accurate ($B_A$).

Significato e Affermazioni
Il documento afferma di offrire un "conto costruttivo minimale" dell'allineamento degli stati latenti che è compatibile con l'IBS riportata negli studi di iperscanning. Il contributo principale consiste nel dimostrare che la sincronia rappresentazionale non presuppone modelli del mondo pienamente condivisi. Al contrario, agenti con conoscenza asimmetrica e accesso sensoriale locale possono raggiungere un rapido allineamento delle loro credenze latenti attraverso una variabile comunicativa condivisa governata da probabilità di accettazione calcolabili localmente.

Gli autori posizionano l'ipotesi della Codifica Predittiva Collettiva (CPC), operazionalizzata tramite MHNG, come una base computazionale candidata per l'allineamento inter-cerebrale. Sostengono che questo quadro spiega come l'interazione sociale possa vincolare le credenze posteriori e facilitare la co-regolazione senza richiedere agli agenti di accedere direttamente alle osservazioni reciproche o di mantenere complessi modelli ricorsivi dell'altro.

Limitazioni e Direzioni Future
Gli autori riconoscono che il modello attuale utilizza un mondo a griglia discreto semplificato e bidimensionale e assume che le preferenze a priori ($C$) e le matrici di interpretazione ($E$) siano condivise e statiche. Di conseguenza, il modello non affronta la dinamica della stessa emergenza dei simboli. Si propone un lavoro futuro per allineare il modello con organismi reali o robot utilizzando rappresentazioni continue e multidimensionali e per introdurre regole di apprendimento per le matrici $C$ e $E$ al fine di modellare l'emergere del significato sociale.