Inferència variacional

La inferència variacional (VI) és una família de tècniques que converteixen el càlcul de la posterior bayesiana en un problema d'optimització. En lloc de generar mostres de la posterior exacta —com fa el mètode de Monte Carlo de cadena de Markov (MCMC)—, la VI postula una família de distribucions més simple i tractable, i troba el membre d'aquesta família més proper a la posterior veritable maximitzant el límit inferior de l'evidència (ELBO). Introduïda en la seva forma moderna de models gràfics per Jordan, Ghahramani, Jaakkola i Saul (1999) i tractada de manera exhaustiva estadísticament per Blei, Kucukelbir i McAuliffe (2017), la VI és ara el motor d'inferència escalable estàndard en l'aprenentatge automàtic probabilístic.