神經學家卡爾·弗里斯頓最初將自由能原理用在神經科學，是為了治療神經疾病以及合理的解釋世界，卻未想到數學化之后的自由能原理可以應用于人工智能領域，但對于許多人來說，自由能理論的解釋難以理解，但不可否認這位人工智能領域帶來了新的發展方向。ShaunRaviv(@ShaunRaviv)是一位生活在佐治亞州亞特蘭大的作家，該篇文章發表在12月份期刊。

卡爾·弗里斯頓（Karl Friston）的自由能原理，可能是自查爾斯·達爾文自然選擇理論以來最包羅萬象的觀點。但是想要理解它，你需要一探弗里斯頓的內心。

一．每周的“請教卡爾”會議

當英國國王喬治三世（George III）在其統治末期開始表現出強烈的急性躁狂癥跡象時，關于王室瘋狂的謠言在公眾心中迅速增多。有一個傳說是說國王喬治想和某棵樹握手，而且堅信這棵樹是普魯士國王。另一個傳說則講述了他是如何被帶到倫敦布盧姆斯伯里區皇后廣場的一所房子里接受治療的。傳說中，當國王接受醫生的治療時，喬治的妻子夏洛特女王租用當地一家酒吧的地窖，為國王的晚餐儲備食物。

兩個多世紀后，這個關于皇后廣場的故事仍然在倫敦的旅游指南中流行，不管故事是不是真的，多年來這個社區一直在進化，好像是為了順應這個故事。夏洛特女王的一座金屬雕像矗立在廣場的北端，而街角的酒吧被稱為“女王的貯藏室”(The Queen’s Larder)，廣場安靜的長方形花園，現在幾乎被從事腦力勞動的人和大腦需要運轉的人包圍。國家神經病學和神經外科醫院占據了皇后廣場的一個角落，現代皇室都很可能來這里尋求治療，而倫敦大學學院的著名神經科學研究設施就在它的外圍。去年7月，在一周的完美天氣中，數十名神經病患者和他們的家人在草地外緣的木制長凳上度過了安靜的時光。

在某個典型的周一，卡爾·弗里斯頓于中午12：25抵達皇后廣場，在夏洛特女王雕像旁的花園里抽著一支煙，他的身體微曲，身影孤獨，白發濃密。弗里斯頓是倫敦大學學院著名的功能成像實驗室的科學主任，在那里工作的每個人都知道這個叫FIL的實驗室。抽完煙后，弗里斯頓走到廣場的西邊，走進一棟磚石建筑，來到四樓的一間會議室，那里可能會有二十到二十幾個人面對著一堵空白的墻等著他。弗里斯頓喜歡遲到五分鐘，所以其他人都已經到了。

對人群的問候很可能是他當天首次講話，因為弗里斯頓不愿在中午前與其他人交談。(在家里，他將通過一系列大家都理解的微笑和咕嚕聲，與妻子和三個兒子交談。)他也很少單獨與人見面，相反他更喜歡舉行像這樣的公開會議，學生、博士后以及那些渴望了解弗里斯頓專業知識的人都可以在那里尋求他的知識，近年來，這類人的數量幾乎達到了可笑的程度。“他認為，如果某個人有個想法、問題或正在進行的項目，了解這個問題的最好方法就是讓整個團隊聚在一起，傾聽這個人的意見，然后每個人都有機會提出問題和討論。因此，一個人的學習變成了每個人的學習。”大衛·本里莫(David Benrimoh)說：“這是非常特別的，因為卡爾有很多事要去做。”

每次周一會議開始時，每個人都會先說出他們的問題。弗里斯頓一邊聽一邊慢吞吞地轉著圈子，他的眼鏡停在鼻尖，所以他總是低下頭來看說話的人。接下來的幾個小時，他依次回答問題。“他是一位維多利亞時代的紳士，有著維多利亞時代的風度和品味。”正如一位朋友所描述的弗里斯頓那樣，他以禮貌和迅速的方式回答最令人困惑的問題。我開始稱之為“請教卡爾”會議的詢問與回答環節，是耐力、記憶力、知識面和創造性思維的非凡壯舉。當弗里斯頓退到懸在辦公室外極小的金屬陽臺上再吸一支煙的時候，會議通常就結束了。

二．成名于革命性的統計參數圖

弗里斯頓首次先成為學術界的英雄人物，是因為他設計了許多最重要的工具，使人類的大腦為科學所識別。1990年，他發明了統計參數圖，這是一種計算技術，正如一位神經學家所說，可以把經過“擠壓”的大腦圖像形成一致的形狀，這樣研究人員就可以對不同顱骨內的活動進行同類比較。在統計參數圖的基礎上，出現了一種名為基于體素的形態計量學，這是一種成像技術，并且應用到了一項著名的研究，研究結果表明倫敦出租車司機在學習“知識”時，海馬后部逐漸長大。①(①要獲得倫敦出租車執照，司機必須記住320條路線和許多在查令十字路口6英里范圍內的地標。這個艱苦的過程包括一次筆試，以及一系列與考官的一對一面試.)

2011年發表在《科學》雜志上的一項研究，使用了弗里斯頓發明的第三個名為“動態因果模型”的腦成像分析軟件，來確定大腦損傷嚴重的人有輕微的意識，還是只是植物人。

當弗里斯頓在2006年被選入皇家研究員學會時，該學院稱他對大腦研究的影響是“革命性的”，并說90%以上的發表在腦成像上的論文都使用了他的方法。兩年前，艾倫人工智能研究所(Allen Institute for Artificial Intelligence)，一個由人工智能先驅奧倫·埃齊奧尼(Oren Etzioni)領導的研究機構，計算出弗里斯頓是世界上最常被引用的神經學家，有很高的他引指數，這個指數是用來衡量研究人員出版物影響的指標，他的指數幾乎是愛因斯坦的兩倍。科睿唯安公司（Clarivate Analytics）在過去20多年的時間里成功預測了46位諾貝爾科學獎得主，去年，該公司將弗里斯頓列為生理學或醫學界最有可能獲得諾貝爾獎的三位獲獎者之一。

三．自由能原理是突破人工智能研究的希望

然而，值得注意的是，這些天前來拜訪弗里斯頓的研究人員中，很少有人來談論大腦成像。在今年夏天的10天時間里，弗里斯頓分別為某位天體物理學家，幾位哲學家，某位計算機工程師，Amazon Echo某位更有魅力的競爭對手，世界上最大的保險公司之一的人工智能主管，某位尋求制造更好助聽器的神經學家，以及某家應用機器學習幫助治療抑郁癥的初創公司的精神病學家提供了建議，他們中的大多數人過來，是因為他們迫切地想要完全理解其他的東西。

在過去的十多年里，弗里斯頓花了大量的時間和精力來發展他稱為自由能原理的想法。(弗里斯頓稱他的神經影像學研究是一項日常工作，就像某位爵士音樂家可能在當地公共圖書館的輪班工作一樣。)有了這個想法，弗里斯頓相信他已經確定了所有生命的組織原則，以及所有的智慧。“如果你還活著。”他開始回答，“你就必須表現出什么樣的行為？”

首先是壞消息，即自由能原理令人難以理解。事實上，它是如此困難，整個房間的無比聰明的人都嘗試過并且未能掌握它。一個擁有3000名粉絲的Twitter賬戶②的存在只是為了模仿它的難以理解，幾乎每個與我交談的人，包括致力于這方面的研究人員，告訴我他們沒有完全理解它。（②該賬戶名為@FarlKriston。樣本推文：“生命是擁有馬爾可夫毯（Markov blanket）的任何（遍歷）隨機動力系統的必然和突發屬性，別忘了這點！”）

但通常這些人都急忙補充說，自由能原理的核心是講一個簡單的故事，解決某個基本的難題。熱力學第二定律告訴我們宇宙趨向于熵值增加，趨向于消融，但是生物會強烈抵制。我們每天早上醒來，幾乎和昨天一樣，我們的細胞和器官之間，我們和世界之間都有著明顯的分離。那是怎么做到這一點？弗里斯頓的自由能原理說，所有的生命在組織的任意尺度上，從單個細胞到人腦，都有其數十億個神經元，都是由同樣的普遍要求驅動的，而這個指令可以簡化為一個數學函數。他說，活著就是要減少你的期望和感官輸入之間的鴻溝，或者，用弗里斯東的術語，就是將自由能降到最低。

為了了解這一理論的潛在影響，你所要做的就是看看周一早上擁擠在FIL門口的人群。有些人來這里是因為他們想利用自由能原理來統一思想理論，為生物學提供新的基礎并解釋我們所知道的生命，另一些人希望自由能原理能使精神病學的研究是基于對大腦的了解，還有一些人來這里是因為他們想利用弗里斯頓的想法來突破人工智能研究的障礙，但是他們都有一個共同的原因，那就是唯一真正理解卡爾·弗里斯頓的自由能原理的人可能只有卡爾·弗里斯頓本人。

弗里斯頓的辦公室，一位朋友形容他為“維多利亞時代的紳士，有維多利亞時代的風度和品味。

四．高產學者的成長歷程

弗里斯頓不僅是他領域中最有影響力的學者之一，他也是所有學科中最多產的學者之一。他今年59歲，每天晚上和周末都在工作，自世紀之交以來發表了1000多篇學術論文。僅在2017年，他就成為85篇文章的主要作者或合著者之一③，這相當于每四天就有一篇文章。(③《自然》雜志2018年的一篇文章分析了“超級多產”學者的現象，作者將這些學者定義為任何一年內擁有超過72篇論文的人。)

但如果你問他，這一成果不僅僅是一種雄心勃勃的職業道德的結果，它也是他傾向于嚴格逃避主義傾向的標志。

弗里斯頓在他的內心生活中劃出了一個精心管理的界限，以防范入侵，其中許多似乎是關于“為他人擔憂”。與私下交談相比，他更喜歡在舞臺上與其他人保持舒適的距離，他沒有手機，他總是穿著深藍色的西裝，這是他某次在清倉店買的兩套之一。他發現自己每周在皇后廣場的例行會議被打亂了，這“相當傷腦筋”，因此他傾向于在國際會議上避開其他人，他不喜歡為自己的觀點辯護。

同時，弗里斯頓對他作為學者的動力有著異常清晰和坦率的態度。他發現，在一個需要數周時間才能解決的難題中迷失自我是一件令人難以置信的令人寬慰的事情——就像為了一根煙而消失一樣。他在書中雄辯地描述了自己的癡迷，這種癡迷可以追溯到童年時代，他一直在尋找融合、統一、簡化這個世界表面喧囂的方法。

弗里斯頓將他的自由能原則追溯到他8歲那年的一個炎熱的夏天，他和他的家人住在利物浦附近有圍墻的英國城市切斯特，他的母親讓他去花園里玩。他翻過一根舊原木，發現了幾只木虱在移動，這是一種長著甲蟲狀外骨骼的小蟲子，一開始他以為，它們是在瘋狂地尋找庇護和黑暗。在盯著它們看了半個小時后，他推斷出它們其實并不是在尋找陰影。“那是一種幻覺。”弗里斯頓說：“我帶上桌面的幻想”

他意識到，木虱的移動沒有更大的用途，至少和人類上車去辦事時候的目的性不一樣。這些生物的活動是隨機的，它們在太陽溫暖的時候移動得更快④。(④小弗里斯頓可能是對的，許多種類的木虱會在直射的陽光下曬干，有些則會對溫度的上升產生運動反應，這是隨機運動水平的提高。)

弗里斯頓稱這是他的第一次科學洞察，“所有這些人為的、人格化的，對目標和它們生存的解釋以及類似的解釋，似乎都只是在脫離。”他說：“你剛才所觀察到的就是，從某種意義上說，這是沒有其它辦法的事。”

弗里斯頓的父親是一名土木工程師，在英格蘭各地的橋梁項目上工作，家人和他一起搬來搬去。在弗里斯頓的第一個十年里，年輕的弗里斯頓就讀于六所不同的學校，他的老師們常常不知道該對他做什么，他通過獨自解決問題來挽救自己脆弱的自尊心。在10歲的時候，他設計了一個自動扶正機器人，理論上，它使用自校正反饋制動器和水銀液位，可以在攜帶一杯水的同時穿越不平的地面。在學校，一位心理學家被引進來了解弗里斯頓是怎么想出來的。“你很聰明，卡爾。”弗里斯頓的母親不止一次的安慰他說：“別讓別人說你不夠聰明。”弗里斯頓說自己并不相信她。

當弗里斯頓十幾歲的時候，他又有了另一個木虱時刻。他剛看完電視走到臥室時，注意到窗外櫻花盛開。從那以后，他突然被一種從未遺忘的念頭迷住了，“必須有一種方法來理解一切，從零開始。”他想：“如果只允許我從整個宇宙中的一個點開始，我能從中得到我所需要的一切嗎？”他在床上呆了幾個小時，做了第一次嘗試，“顯然，我完全失敗了。”他說。

在中學快要結束時，弗里斯頓和他的同學們參加了一個早期的計算機輔助咨詢實驗，他們回答了一系列的問題，答案被輸入到卡片，然后通過機器來推斷完美的職業選擇。弗里斯頓曾描述過他如何喜歡電子設計以及自然的獨處，所以電腦建議他成為一名電視天線安裝工。這似乎不對，所以他拜訪了學校的職業顧問，說他想從數學和物理學的角度研究大腦。咨詢師告訴弗里斯頓，他應該成為一名精神病醫生，這意味著他不得不學習醫學，這讓弗里斯頓感到恐怖。

弗里斯頓和顧問都把精神病學，和他作為未來研究人員應該追求的心理學混為一談，但事實證明，這是一個幸運的錯誤，因為它使弗里斯頓走上了一條研究身心的道路⑤，并且走向了他生命中最成熟的經歷之一，一次讓弗里斯頓失去理智的經歷。（⑤弗里斯頓也有時間做其他事情，19歲的時候，他花了整整一個假期試圖把所有的物理都擠在一頁紙上，他失敗了，但他成功適應了所有的量子力學。)

五．精神病院的工作經歷

在完成醫學學習后，弗里斯頓搬到牛津，在維多利亞女王時代成立的利特爾莫爾（Littlemore）醫院實習兩年。根據1845年的“精神病法”建立的利特爾莫爾醫院，最初是為了幫助把所有“窮苦的瘋子”從濟貧院轉移到真正的醫院。到了20世紀80年代中期，當弗里斯頓到達時，它是英格蘭市郊最后的幾所舊精神病院之一。

弗里斯頓被分配到一組32名慢性精神分裂癥患者中，他們是利特爾莫爾市（Littlemore）最貧困的居民，對他們來說，治療主要意味著遏制。弗里斯頓以明顯的懷舊情緒回憶起他以前的病人，是他們使得弗里斯頓了解大腦中的連接很容易被破壞的方式。“這是一個很好的工作場所。”他說：“這個小小的社區充滿了強烈的精神病理學。”

每周他帶領小組進行兩次90分鐘的治療，病人們一起探索他們的疾病，讓人想起今天的“問卡爾”會議。這個小組包括了30多年后仍然激勵弗里斯頓思考的五顏六色的人物，希拉里⑥看起來能夠飾演“唐頓莊園”里的高級廚師，但在來到利特爾莫爾醫院之前，她用一把菜刀砍掉了鄰居的頭，因為她確信鄰居已經變成了一只邪惡的、人形大小的烏鴉。(⑥在這個故事中，弗里斯頓在利特爾莫爾醫院的病人的名字已經做了改變)

還有歐內斯特(Ernest)，他喜歡瑪莎百貨(Marks & Spencer)柔和的開衫，和與之相配的橡皮底帆布鞋，“像你能想象的那樣，他是一個猖獗而不可救藥的戀童癖。”弗里斯頓說。

還有羅伯特，一個能言善辯的年輕人，如果他沒有患上嚴重的精神分裂癥，他可能是一名大學生。在羅伯特所有思考的事情中，他很沉迷于思考天使的大便，他思考這些東西是祝福還是詛咒，它是否可以被眼睛看到，他似乎很困惑，因為沒有其他人想過這些問題。對弗里斯頓來說，天使大便的概念本身就是一個奇跡，它說明了精神分裂癥患者的能力，他們可以將大腦功能更加正常的人很難接觸到的概念組合起來。“想出一些像天使大便這樣的東西是非常困難的。” 弗里斯頓說：“我絕對想不出來。”

在利特爾莫爾之后，弗里斯頓在上世紀90年代初使用了一種名為PET掃描的相對較新的技術，試圖了解精神分裂癥患者大腦中發生了什么，他一路發明了統計參數圖，不尋常的是，弗里斯頓堅持認為這項技術應該自由分享，而不是專利和商業化，這在很大程度上解釋了為什么它變得如此廣泛。弗里斯頓飛往世界各地，比如美國馬里蘭州貝塞斯達的國立衛生研究院，把它教給其他研究人員。“實際上，我只是帶著四分之一的生物識別磁帶，上了飛機，把它帶到那邊，然后下載，花一天時間去工作，教別人如何使用它，然后回家休息。”弗里斯頓說：“這就是開放源碼軟件在那個時代的運作方式。”

六．辛頓給弗里斯頓帶來啟發

弗里斯頓于1994年來到皇后廣場，幾年來他在FIL的辦公室，離蓋茨比計算神經科學小組（Gatsby Computational Neuroscience Unit）只有幾扇門的距離。蓋茨比的研究人員從生活系統和機器系統中研究感知以及學習理論，它由創始人、認知心理學家和計算機科學家杰弗里·辛頓(Geoffrey Hinton)管理，蓋茨比正日益成為神經成像的主要實驗室之一，也逐漸成為有興趣將數學模型應用于神經系統的神經科學家們的訓練場所。

弗里斯頓和其他許多人一樣，被辛頓對嚴肅的統計模型展現“孩子般的熱情”所迷住，這兩個人成了朋友⑦。⑦當時，辛頓住在卡姆登（Camden）一座特別嘈雜的建筑里，鄰居家的水管很吵，于是他用橡膠和?英寸厚的干墻在地下室的臥室里建了一個隔音箱，這樣他和他的妻子就可以在那里睡覺。)

隨著時間的推移，辛頓說服了弗里斯頓，認為思考大腦的最好方法是把大腦想象成一臺貝葉斯概率機器。這個思想可以追溯到19世紀赫爾曼·馮·赫爾姆霍茲的作品，即大腦以一種概率的方式計算和感知，不斷地根據感官的貢獻做出預測和調整信念，根據最流行的現代貝葉斯解釋，大腦是一個“推理機”，它尋求最小化“預測誤差”。

2001年，辛頓離開倫敦前往多倫多大學，在那里他成為人工智能領域最重要的人物之一，他奠定了如今大部分深度學習研究的基礎⑧。（⑧2012年，辛頓贏得了ImageNet挑戰賽，這是一項在建立的1500萬圖像數據庫中識別物體的競賽，由Fei-Fei Li建立。ImageNet有助于將神經網絡以及辛頓推向人工智能的最前沿。）

在辛頓離開之前，弗里斯頓最后一次拜訪了這位蓋茨比的朋友。辛頓描述了他設計的一種新技術，使計算機程序能夠更有效地模擬人類的決策，這是一個集成許多不同概率模型輸入的過程，現在機器學習中稱之為“專家產品”。

這次會面使弗里斯頓及時轉彎，受辛頓思想的啟發，本著智力上的互惠精神，弗里斯頓給辛頓發了一套筆記，說明他把幾個看似“無關的大腦的解剖、生理和心理物理屬性”聯系起來的想法。弗里斯頓在2005年發表了這些筆記，這是他之后將持續研究的關于自由能原理的幾十篇論文中的第一篇。

卡爾·弗里斯頓辦公室里使用的馬爾可夫毯子——“讓你的內心自1856年以后保持溫暖”。

七．數學公式實現自由能原理

甚至弗里斯頓在描述自由能原理時也很難決定從哪里開始，他經常把其他人送上維基百科，但就我而言，從弗里斯頓辦公室坐墊上覆蓋的那層毛毯開始研究，似乎合情合理。

這是一件白色的羊毛毯子，上面印著一幅黑白人物肖像，畫的是名為安德烈·安德烈耶維奇·馬爾科夫(Andrei Andreyevich Markov)的俄羅斯數學家，他留著絡腮胡子，表情嚴肅，死于1922年。這是一種長毛絨的滌綸面料，是弗里斯頓的兒子送給他的惡作劇禮物，里面卻藏著已經成為自由能原理核心的一個想法。馬爾可夫是這個被稱為“馬爾可夫毯”(Markov blanket)的概念的同義詞，在機器學習中，“馬爾科夫毯”本質上是一個手段，可以將一組變量與分層系統中的其他變量區分開來。與弗里斯頓h指數相當的心理學家克里斯托弗·弗里斯特(Christopher frith)，曾將馬爾科夫毯描述為“細胞膜的認知形式，將毯內的狀態與外界的狀態隔離開來。”

在弗里斯頓看來，宇宙是由馬爾可夫毛毯內的馬爾可夫毛毯構成的，我們每個人都有一個馬爾科夫毯，它將我們與非我們的事物區分開來，在我們體內有毯分離器官，器官中有毯分離細胞，細胞中有毯分離細胞器。這些毯定義了生物是如何隨著時間的推移而存在的，它們之間的行為也各不相同。沒有它們，我們只是消散到太空中的熱氣。

“這就是你們讀過的馬爾科夫毯子，這是它，你們能感受一下。”當我第一次看到他辦公室的毯子時，弗里斯頓冷冷地說。情不自禁，我確實短暫地伸出手去觸摸了一下。自從我第一次讀到馬爾可夫毛毯時，就能到處見到。馬爾可夫毯出現在一片樹葉、一棵樹和一只蚊子上，在倫敦，我看到他們圍繞著FIL的博士后，圍繞著反法西斯集會上身穿黑衣的抗議者，圍繞著住在運河里小船上的人們。每個人都有一個隱形斗篷，每個人都有一個不同的生命系統，這個系統可以最大限度地減少自己的自由能。

自由能本身的概念來源于物理學，這意味著如果不深入到數學公式中，就很難精確地解釋。從某種意義上說，這就是它之所以強大的原因，因為它不僅僅是一個修辭概念，而是一個可以被模擬的可測量的數量，使用的數學方法，與弗里斯頓用來解釋大腦圖像到這種改變世界的效果相同。但是，如果你把這個概念從數學翻譯成英語，你大概會得到以下結論，即自由能是你所期望的狀態和傳感器告訴你的狀態之間的差異。或者，換句話說，當你最小化自由能時，你最小化了意外。

八．自由能原理的普適性

據弗里斯頓說，任何具有抵制無序和解體傾向的生物系統⑨都遵循自由能原則，無論是原生動物還是職業籃球隊。(⑨ 2013年，弗里斯頓運行了一個模型，模擬原始湯中充滿漂浮的分子，他編程使它既符合基本物理原理，又符合自由能原理，這個模型產生的結果看起來像有組織的生活。)

單細胞有機體具有與大腦相同的減少意外的必要性。

唯一的區別是，隨著自組織生物系統的發展，人類的大腦極其復雜，它吸收了來自數十億個感受器的信息，并且需要有效地將這些信息組織成一個精確的世界模型。弗里斯頓說：“從某種意義上說，大腦是一個奇妙的器官，它產生的假設或幻想適合于解釋這些無數的模式，也就是它所接收到的一系列感官信息。”為了預測下波、下下波甚至下下下波感覺會告訴它什么，大腦不斷地根據感官傳遞回來的信息進行推理和更新信念，并試圖將預測錯誤的信號降到最低。

到目前為止，你可能已經注意到，這聽起來很像辛頓在上世紀90年代告訴弗里斯頓的，貝葉斯關于大腦作為一個“推理機”的想法。事實上，辛頓認為貝葉斯模型是自由能原理的基礎(“自由能”甚至是“預測誤差”的一個粗略的同義詞)。但是對于弗里斯頓來說，貝葉斯模型的局限性是因為它只解釋了信念和感知之間的相互作用，而并不能解釋身體或行動，它不能把你從椅子上弄下來。

這對弗里斯頓來說是不夠的，他用“主動推理”這個詞來描述生物體在世界上游走時盡量減少意外的方式。弗里斯頓認為，當大腦做出的預測沒有立即被感官反饋所證實時，它可以通過兩種方式之一將自由能降到最低，一是它可以修正預測并吸收意外，承認錯誤，更新世界模型。或者它能采取行動，使預測成為現實。如果我推斷我正用左手食指觸摸我的鼻子，但我的本體感受器告訴我，我的手臂掛在身邊，這時我可以把我大腦憤怒的錯誤預測信號降到最低，方法是舉起那只手臂，把一只手指壓到我的臉中間。

事實上，這就是自由能原理解釋了我們所做的一切，即感知，行動，計劃，解決問題。當我上車去辦事的時候，我就是通過行動來確認我的假設（也是幻想）來最小化自由能。

對于弗里斯頓來說，將動作和運動合并到等式中是非常重要的。他說，甚至知覺本身是“行動的奴隸”，因為為收集信息，眼睛的投射，隔膜把空氣吸入鼻子，手指對表面產生摩擦，所有這些精細的運動都存在于一個更大的計劃、探索⑩、和行動的連續統一體中。（⑩弗里斯頓對這種探索的稱呼是“認知覓食”。弗里斯頓在同事中因他的術語而“飽受詬病”，這些詞被統稱為弗里斯頓語(Fristonese)。）

“我們以世界為樣本。”弗里斯頓寫道：“以確保我們的預測成為自我實現的預言。”

九．自由能原理解釋精神疾病

那么，當我們的預言無法自我實現時，會發生什么呢？一個系統被意外所淹沒會是什么樣子？自由能原理，它不僅是一個統一行動、感知和計劃的理論，也是一個精神疾病的理論，當大腦對感官反映的證據作出錯誤判斷時，麻煩就會發生。例如，患有精神分裂癥的人可能無法更新他們的世界模型來解釋眼睛的感官輸入。在其他人可能會看到一個友好的鄰居，希拉里可能會看到一只巨大的、邪惡的烏鴉。弗里斯頓說：“如果你想一想精神疾病，實際上是大多數神經疾病，那就是信仰破裂或錯誤推理的幻覺和妄想。”

在過去的幾年里，弗里斯頓和其他一些科學家利用自由能原理幫助解釋焦慮、抑郁和精神病，以及孤獨癥、帕金森病和精神病的某些癥狀。在許多情況下，多虧了弗里斯頓的神經成像方法，科學家已經知道大腦的哪些區域會在不同的疾病中發生故障，哪些信號會被破壞，但這還不夠繼續后面的研究。“僅僅知道是哪些突觸、哪些大腦連接不正常是不夠的。”他說：“你需要有一個關于信念的微積分。”

因此，自由能原理提供了統一的關于思維如何運作，以及精神如何故障的解釋。因此，也有理由認為它有可能使我們走上從頭開始構建思想的道路。

幾年前，一組英國研究人員決定用一種新的分析工具重新審視喬治三世瘋癲的事實。他們將國王寫的大約500封信裝入機器學習引擎，并費力地訓練該系統識別各種文本特征，即單詞重復、句子長度、句法復雜性等等。在訓練過程結束時，系統能夠預測這封皇家信件，是在狂躁狀態寫的，或是在神智正常時寫的。

十．自由能原理較“強化學習”技術的優勢

這種類型匹配技術，與過去幾年來，計算機識別人臉、貓以及語音類型的技術大致相似，推動了計算技術的巨大進步，但它需要大量的預先數據和人力監督，而且可能很脆弱。另一種人工智能方法，被稱為強化學習，在游戲取勝中顯現出難以置信的成功，包括圍棋、國際象棋、雅達利的打磚塊游戲等。強化學習不需要人類對大量的訓練數據進行標注，它只需要告訴神經網絡去尋求某種獎勵，通常是在游戲中獲取勝利，神經網絡通過一遍又一遍的玩這個游戲來學習，優化任何可能會讓它進入最后勝利的動作，就像狗學會執行某些任務以獲得獎勵一樣。

但強化學習也有相當大的局限性。在現實世界中，大多數情況都不是圍繞一個簡單的目標來組織的，有時你必須停止玩“打磚塊”游戲，比如你需要去上個廁所，需要去滅個火，或者需要去和你的老板說話。而且大多數環境并不像游戲那樣穩定和規則約束，神經網絡背后的重點在于它們應該像人類一樣思考，但強化學習并不能真正達到目的。

對弗里斯頓和他的狂熱者來說，這種失敗是完全合理的。畢竟根據自由能原理，人類思維的根本動力不是尋求某種武斷的外在回報，而是為了最小化預測誤差，顯然，神經網絡也應該這樣做。自由能原理背后的貝葉斯公式，那些很難翻譯成英語的公式，已經用機器學習的語言寫出來了，這一點很有幫助。

2014年，Netflix機器學習基礎設施主管朱莉·皮特(Julie Pitt)發現了弗里斯頓和自由能原理，這改變了她的想法。(皮特的推特簡歷上寫道：“我通過積極推理推斷自己的行為。”)除了在Netflix的工作之外，她還在探索一個業余項目，即將這個原理應用在一個名為“數量級實驗室”中。皮特說，自由能模型的美妙之處在于，它允許人工主體（artificial agent）在任何環境中活動，即使是新的和未知的環境。在舊的強化學習模式下，你必須不斷制定新的規則和分部獎勵，讓你的主體應對一個復雜的世界。但自由能主體總是產生自己固有的回報，將意外降到最低程度。皮特說，這種獎勵包括了外出探索的必要性。

2017年末，由倫敦國王學院(King‘s College London)神經學家兼工程師羅莎琳·莫蘭(Rosalyn Moran)領導的一個小組，在3D射擊游戲“末日”(Doom)的一個版本中，讓兩名人工智能玩家對決，目的是將主動推理驅動的主體與報酬最大化驅動的主體進行比較。

以獎勵為基礎的主體的目標是在游戲中殺死一個怪物，但是自由能驅動的主體只需要盡量減少意外。這位弗里斯頓的主體慢慢地出發了，但最終它開始表現得好像有了游戲的模型，它似乎開始有意識，例如，當怪物有向右移動的傾向時，主體會向左移動。

過了一段時間，很明顯即使在游戲的訓練環境中，獎勵最大化主體“顯然不那么健壯”，自由能主體已經能更好地了解自己的環境。莫蘭說：“它的表現超過了強化學習主體，因為它是在探索。”在另一種模擬中，自由能最小化主體與真正的人類玩家對抗，故事也是相似的。在迅速取得類似人類的表現之前，弗里斯頓主體都在開始緩慢、積極地探索，就是弗里斯頓所說的“認知覓食”。

莫蘭告訴我，“主動推理”模式正開始擴展到更主流的深度學習研究，盡管進展緩慢。弗里斯頓的一些學生繼續在DeepMind和GoogleBrain工作，其中一人創建了華為的人工智能理論實驗室。“它正從皇后廣場擴散。”莫蘭說，但它仍然沒有強化學習那么普遍，因為后者即使是大學生也能學習，“還沒有教大學生自由能原理。”

十一．前景無限卻又難以理解

當我第一次問弗里斯頓自由能原理和人工智能之間的聯系時，他預測，在5到10年內，大多數機器學習都會吸收自由能最小化。第二次，他的回答卻是滑稽的，他說：“想想為什么這被稱為積極推理。”當他等待我接上他的文字游戲時，他潔白的牙齒隨著微笑顯露出來。“嗯，這是人工智能。”弗里斯頓說：“那么主動推理是新人工智能嗎？當然，主動推理的首字母縮寫就是AI。”這不是弗里斯東式笑話第一次從我耳邊掠過。

我在倫敦的時候，弗里斯頓在某家貿易公司做過一次報告。大約有60名娃娃臉面容的股票交易員在結束了他們一天的工作后出席了會議，弗里斯頓描述了自由能原理如何模擬人工主體的好奇心。大約15分鐘后，他要求聽懂的觀眾舉手，卻只看到三只手，于是他倒過來問：“如果你覺得這完全是胡說八道，你不知道我在說什么，你能把手舉起來嗎？”這一次，很多人舉手，我覺得沒舉手的人都很有禮貌。還有45分鐘，弗里斯頓轉向演講組織者，看著他，好像在說，到底是怎么回事？經理結結巴巴地說：“這里的每個人都很聰明。”弗里斯頓親切地表示同意，并結束了他的演講。

第二天早上，我問弗里斯頓，他是否認為談話進行得很順利，因為那些聰明的年輕人似乎很少能理解他。“對于很大一部分觀眾，這個理論跟他們毫無關系。”他說：“有時候他們很生氣，因為他們聽說這件事很重要，但他們不明白。他們不得不告訴自己這是垃圾，然后離開，你慢慢就會習慣的。”

2010年，哥倫比亞大學(Columbia University)的精神病學家彼得·弗里德(Peter Freed)召集了15名大腦研究人員，討論弗里斯頓的一篇論文。弗里德在《神經精神分析》雜志上描述了所發生的事情：“房間里有很多數學相關人員，包括三名統計學家、兩名物理學家、一名物理化學家、一名核物理學家和一大群神經成像專家，但顯然我們并沒理解這篇論文。我和普林斯頓的物理學家，斯坦福大學的神經生理學家，冷泉港的神經生物學家都見過面，來討論這篇論文，結果又一次空白，因為太多的方程式，太多的假設，太多的移動部分，太全球化的理論，而且也沒有機會提問，所以人們放棄了。”

但對于所有對弗里斯頓的不可理解感到憤怒的人來說，卻也有很多人認為他已經打開了一個巨大的寶藏，這個想法可能會和達爾文的自然選擇理論一樣廣泛。2014年，加拿大哲學家麥克斯韋·拉姆斯特德(Maxwell Ramsted)第一次閱讀弗里斯頓的著作時，他已經在努力尋找方法，以期將存在于不同規模的復雜生物系統聯系起來，從細胞到大腦，再到個人，再到文化。2016年，他遇到了弗里斯頓，弗里斯頓告訴他，適用于細胞分化的數學（即未分化的細胞分化的過程）也可以應用于文化動態。“這對我來說是一次改變生活的談話。”拉姆斯特德說：“我差點流鼻血。”

“這在歷史上絕對是新奇的。”拉姆斯特德對我說，當時我們正坐在皇后廣場的長凳上，周圍都是病人和周圍醫院的工作人員，在弗里斯頓出現之前，“我們注定永遠在這個沒有共識的多學科空間里徘徊。”他繼續說：“自由能原理提供了這種共識。”

2017年，拉姆斯特德和弗里斯頓與墨爾本大學的保羅·巴德科克合著了一篇論文，他們用馬爾可夫毯描述了所有的生命。如同細胞是一個被馬爾可夫毯覆蓋的系統，為了生存而最小化自由能一樣，部落、宗教和物種也是如此。

在拉姆斯特德的論文發表后，當時的認知神經學家米迦·艾倫寫道，自由能原理已經演變成艾薩克·阿西莫夫的精神史的真實版本?，這是一種虛構的系統，可以把所有的心理學、歷史和物理學歸結為一門統計科學。(?在1951年出版的《基地》一書中，阿西莫夫筆下一個人物將心理歷史定義為“數學的一個分支，它處理人類綜合體對固定社會和經濟刺激的反應”。)

確實，自由能原理似乎已經擴展到這樣一種地步，即使它不能解釋一切，其實也幾乎差不多可以了。(弗里斯頓告訴我，當細胞被迷惑時，癌癥和腫瘤可能是錯誤推斷的結果。)正如艾倫所問的：一個可以解釋一切的理論，是不是其實什么都沒有解釋？

十二．自私的研究動機

在我旅行的最后一天，我在里克曼斯沃思（Rickmansworth）拜訪了弗里斯頓，他住在一個裝滿動物標本的房子里，這是他妻子的愛好。

碰巧，里克曼斯沃思鎮出現在《銀河系漫游指南》(Hitchhiker‘s Guide to the Galaxy)的第一頁，在這個小鎮上，“一個獨自坐在一家小咖啡館里的女孩”突然發現了讓世界變得“美好而幸福”的秘密，但命運會介入，“她還沒來得及打電話告訴任何人這件事，就發生了一場可怕而愚蠢的災難，這個想法永遠消失了。”

目前還不清楚，是否正如它的一些信徒所認為的那樣，自由能原理是讓世界變得美好而幸福的秘訣。弗里斯頓本人在我們的談話中傾向于采取一種更加謹慎的語氣，只是暗示了積極的推論及其推論是相當有希望的。甚至有幾次，他承認自己可能只是在“胡說八道”。在我參加的上一次小組會議上，他告訴與會者，自由能原理是一個“似乎”的概念，它不要求生物或事物是為了生存而最小化自由能，它僅僅是對生物自組織的一種解釋。

弗里斯頓的母親幾年前去世了，但最近他回想起她在他童年時的一再保證：你很聰明，卡爾。“我從來不太相信她。”他說：“可是現在我發現自己突然被她的論點所誘惑了，現在我確實相信我是相當聰明的。“但他說，這種新的自尊心也促使他重新審視自己的自信。

弗里斯頓說，他的工作有兩個主要動機。他說，有朝一日，自由能原理帶來真正的人工意識當然是最好的，但這并不是他的首要任務之一。相反，他的第一大愿望是推進精神分裂癥的研究，幫助修復病人的大腦，就像他在舊精神病院認識的那樣。他說，他的第二個主要動機是“更自私”的。回到那個晚上，在十幾歲的時候，他在臥室里看著櫻花想：“我能用最簡單的方法解決這一切嗎？

“這是一件很放縱自己的事，背后沒有無私的臨床同情心。這只是一種自私的愿望，想要盡可能徹底、嚴格和簡單地理解事物。”他說：“我經常回想人們對我講的笑話，有時是惡意的，有時是非常有趣的，但我始終無法溝通。我想，我不是為你寫的，我是為自己而寫。”

弗里斯頓告訴我，他偶爾會錯過最后一班開往里克曼斯沃思回家的火車，他沉迷在某個問題上好幾個星期。因此他將睡在辦公室，蜷縮在他坐墊的馬爾可夫毛毯下，安全和安全地脫離外部世界。