Inteligencia sin objetivo
Es el mismo cart-pole que en «Mira cómo aprende un agente», pero aquí no hay recompensa ni aprendizaje. En cada instante, el agente imagina muchos futuros aleatorios para cada movimiento y elige el que mantiene vivos más futuros. El equilibrio surge gratis. Pulsa empujar y mira cómo se salva solo.
Resumen
Un péndulo caído es un callejón sin salida: casi no quedan futuros. Un péndulo en equilibrio mantiene abiertos miles de caminos. Así que «mantén tus opciones abiertas» es equilibrar, sin que nadie enuncie jamás el objetivo.
Metodología
Una fuerza entrópica causal Monte-Carlo (Wissner-Gross y Freer, 2013): para cada acción, despliega muchos futuros aleatorios a lo largo de un horizonte y estima cuánta libertad futura preserva; actúa hacia el máximo. Las barras muestran esa estimación, en vivo.
Aplicaciones
Motivación intrínseca y exploración en RL, «empowerment» en robótica, búsqueda abierta — y una tesis provocadora y debatida: que la inteligencia misma es una fuerza hacia la libertad futura de acción.