观察到在群体成员之间的简单互动中产生的动物集体运动现象，如成群的蝗虫、成群的鱼群、成群的鸟群和成群的有蹄动物，由于其引人注目的视觉特性和其从群体成员之间简单互动中产生，已被广泛研究。最近的研究侧重于更具生物学动机的基于智能体的方法，旨在建模特定行为电路和决策规则，以控制个体行为。研究人员设计了一个基于主动推理的模型，桥接了人类行为的理论和生物学方面。
这个模型类统一了认知和基于物理的观点，提供了对自适应行为的全面理解。它关注个体如何估计与邻居的距离，并利用这些细节进行决策。它有两个部分 – 动态模型描述了距离随时间如何变化，观察模型解释了个体如何感知这些距离。主动推理更新其信念和行动以最小化惊奇。
该模型强调复杂行为是由预测驱动的简单行为产生的。在某些情况下，它收敛到传统的作用力向量，如吸引力、排斥力和一致性，这些作用力向量被作为自由能泛函，作为惊奇的上限。行为可塑性是一种有助于增强和共同表示临时波动的关键机制。与使用特定结果的附加规则或机制不同，可塑性涉及对模型参数进行自由能梯度下降。这个机制被整合到主动推理中，扩展了其应用于模型参数更新。
研究人员希望他们的工作能够成为现有集体动物行为理论模型和更多与神经/机器学习相关的领域（如主动推理和贝叶斯大脑框架）之间的桥梁。他们还强调，他们选择的模型解释了观察到的集体系统的关键属性，并有效地重现了增强和解码信息的能力，而以前的模型在不引入额外机制的情况下难以建模。