# 卡爾·弗里斯頓：神經科學與自由能原理 > 神經科學家講解自由能原理，用統一框架解釋大腦如何預測世界、減少驚奇，並延伸到生命與行動。 - 原標題：#99 – Karl Friston: Neuroscience and the Free Energy Principle - 期數：第 99 期 - 釋出日期：2020-05-28 - 嘉賓 / 主題：卡爾·弗里斯頓 - 網頁版：https://lex.qiaomu.ai/tw/ep/karl-friston/ - 官方頁面：https://lexfridman.com/karl-friston/ - 精讀字數：約 7759 字（閱讀約 17 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 把一滴油滴進水裡，它會保持一個清晰的邊界。攪拌，它碎成更小的油滴，每一滴仍然有邊界。放上幾天，它還在那兒。 為什麼不會溶解？油和水處在同一個溫度、同一個環境裡，沒有任何東西專門保護這滴油。可它就是不肯散開。 卡爾·弗里斯頓（Karl Friston）從這個問題講起，講了將近一個半小時。他是倫敦大學學院的神經科學家，論文被引用超過二十四萬五千次，是歷史上被引用最多的神經科學家之一。自由能原理（free energy principle）是他的招牌，一個想用單一數學框架同時解釋生命、大腦和自我意識的野心之作。 Lex Fridman 問他：這東西到底有什麼用？弗里斯頓的回答很坦率，作為純粹的理論，它幾乎什麼用都沒有，就像自然選擇理論不會告訴你為什麼人長眼睛。 但在這句話之前，他先花了一個小時，從一滴油講到了自我意識。 ## 大腦不是一鍋魔法湯 Lex 說自己一直把大腦想象成一大團互相連線的物質，一團解不開的亂麻。弗里斯頓說，他學醫之前也是這麼想的。 然後他給了一個我覺得很漂亮的解釋：**層級結構靠剪掉連線建起來，不靠增加連線。** 一個完全連線的網路是一鍋湯，每個節點和其他所有節點直接相連，沒有層次可言。要造出層級，你必須精確地刪掉某些連線，保留另一些。所以層級這個概念的數學本質，就是一個稀疏的、特定的連線結構。 大腦的資料支援這一點：兩個腦區距離越遠，它們之間直接相連的神經纖維就越少。近的地方互相說話，遠的地方得經過中轉。解剖學上的稀疏性，直接對應著資訊傳遞的層級性。 把這些稀疏連線畫出來，得到的是一個洋蔥式的結構。弗里斯頓說，所有感覺輸入、所有傳向肌肉和腺體的運動指令，都在這個洋蔥的表面完成交換。表面之下有一層，再下面還有一層，一路往內，直到最深的核心。每一層都在觀察下一層的交換活動，再向上一層彙報。 他不喜歡"大腦是一鍋魔法湯"這個說法，但他承認自己年輕時也這麼想。稀疏和遞迴屬於大腦的定義性特徵，談不上什麼偶然。刪掉這些結構，剩下的那鍋湯確實什麼也做不了。 Lex 用了一個詞："deep"。弗里斯頓立刻抓住了這個話頭：**deep 是千禧年版的 hierarchical。** 你在任何詞前面加一個"深度"，就聽起來很時髦，但這個詞的隱含意思，就是層級架構。 這個玩笑埋了一顆種子，後面會發芽，變成他對當代機器學習最尖銳的一處批評。 ## 影像的兩難：知道在哪，就不知道何時 腦成像大致分兩路。一路測結構：某個區域的水、脂肪、鐵含量，本質上是解析度極高的 X 光片。另一路測動態功能，這一路又分成兩個陣營。 第一個陣營測血。神經元放電要耗能，能耗必須當場補上。大腦和肌肉不一樣，肌肉可以欠著能量以後還，大腦不行。某塊幾毫米見方的皮層一活躍，區域性血管就得在幾秒鐘內擴張，把血送過去。弗里斯頓用了一個很好的比喻：你得馬上給花園的那一小塊地澆水。 這套機制叫神經血管耦合，它給了 fMRI 訊號，代價是速度。血管反應的時間常數是秒級，神經元放電的時間尺度是毫秒級。所以 fMRI 能告訴你哪塊皮層亮了，精確到幾毫米，但它慢了好幾個數量級，看到的是幾秒鐘前那次神經活動的回聲。 第二個陣營直接測電。EEG 和 MEG 記錄神經元活動產生的電磁場，時間解析度可以到毫秒甚至更快，能看清一次刺激引發的那一連串層級遞迴的訊息傳遞。代價是空間。訊號穿過白質、腦膜、顱骨、頭皮，早就糊成一團，你很難判斷它從哪兒來。 弗里斯頓把這個局面叫作 catch-22：**要麼知道在哪但不知道何時，要麼知道何時但不知道在哪。** 兩類手段必須合起來用，這也是他做了幾十年的事。 然後是分析。過去二十多年，功能影像的主流做法是找熱點：比較兩種條件下的腦活動，看哪塊區域的統計量越過閾值，那塊區域就在圖上畫成一個斑塊。有人客氣地叫它新製圖學。弗里斯頓自己更刻薄，說這是"斑塊學"（blobology），研究斑塊的學問。 他不否認這套方法的戰功。V5 區（也叫中顳區 MT）的故事很典型：神經心理學早就發現，某些腦損傷病人看不見運動，世界在他們眼裡像幻燈片一樣一幀一幀地跳。後來 PET 和 fMRI 證實，處理視覺運動的確實是這麼一塊邊界清晰的區域。類似的發現，過去三十年裡成批出現。 斑塊學只講了一半故事。功能分離告訴你哪塊區域專門幹什麼，功能整合才告訴你這些區域怎麼協同。一個運動視覺任務裡 V5 亮了，只有 V5 亮嗎？別處是不是也在悄悄參與？閾值法在原理上排不掉這個可能。 弗里斯頓還提到一個有意思的技術進展：高場磁共振現在能分辨皮層不同層級的活動，把解析度推到幾毫米以內。皮層的微迴路在整個大腦裡高度重複，看清一層，可能就看清了整個大腦的訊息傳遞原理。他把這個位置叫作"毫米到米之間"的甜蜜點。 往下走得太深，會掉進分子和單個神經元裡，就像為了理解氣體的熱力學去追蹤每一個分子的軌跡。往上走得太粗，又會漏掉連線架構的基本規範。這條中間路線，是他做了一輩子研究之後選的位置。 ## 腦機介面：從天氣系統外面扔石頭 Lex 提到自己去過 Neuralink 待了一天，問弗里斯頓怎麼看腦機介面。 弗里斯頓的回答是"矛盾"（ambivalent），而且他主動承認這個矛盾。 先說好的一面。腦刺激不是新東西，一百年前在同一個機構裡，神經學就是靠刺激狗的腦來看它怎麼反應，然後倒推那塊區域在幹什麼。今天深部腦刺激治療帕金森病已經是標準療法，它同時還是一個研究運動障礙神經動力學的絕佳視窗。經顱磁刺激治療抑鬱症，也是一種相當粗糙但確實有效的干預。 弗里斯頓用了一個很妙的比喻：這有點像電視機映象管壞了的時候拍它兩下，它還能亮。你不懂原理，但干預有效。 更有意思的是感覺替代。給受試者裝一個磁場感測器，用腹部的觸覺壓力來編碼朝向，幾周之後，這個人就把它當成理所當然的了。他不再覺得"我在讀一個感測器"，他就是"感覺到"自己面朝哪個方向。這個現象說明大腦的可塑性有多強，也說明感覺皮層對於"什麼訊號算感覺"其實相當不挑。 然後是負面。首先是頻寬。當前腦機介面能拿到的位元率，是每秒個位數位元的量級。弗里斯頓說，這相當於他只能用極慢的摩爾斯電碼跟我交流，離人們幻想的"治癒截癱、替代失明"差了不止一個數量級。 更根本的問題在後面。大腦是一個高維、非線性、深度結構的非平衡穩態系統。你想接入它、控制它、讓它按你的意願輸出，這個任務的性質更接近於控制天氣。 假設有一群很猛的衛星，能在天氣系統的區域性製造擾動。問題是，你能不能真正進入這個系統，讓它按你要的方式響應？這是混沌控制，規模大到幾乎無法想象。 > 要真正成為系統的一部分，你得和這個系統一起演化。它不像修一臺壞電腦，也不像插一塊外設適配卡。它更像是鑽進天氣模式裡去。（卡爾·弗里斯頓） Lex 在這裡提了一個有力的反駁。他說自己來自機器學習，本能地認為最難的部分是工程，一旦衛星送上天、控制手段到位，剩下的方法論是通用的，強化學習那套東西就能帶你在混沌裡玩遊戲。至於血管那個問題，不能出一點錯，那才是真正讓人絕望的工程挑戰。 弗里斯頓接受了這個反駁，也接受了"非常難但希望不是不可能"這個結論。他的立場一貫：他沒說這件事不可能，他說的是這件事的性質跟大家想的不一樣。 ## 自由能：把"存在"寫成一個數學問題 自由能原理的正式表述是這樣的：任何能在變化環境中存活下來的系統，它的存在性命令都可以寫成一個推斷問題。存在的機率，就是"你存在"這件事的證據。 如果你能把存在問題寫成一個統計問題，那麼過去兩百年為統計推斷發展出來的所有數學，都能拿來描述這個系統的動力學。 這裡最容易搞反方向。弗里斯頓反覆強調：自由能原理並不主張生命在主動最佳化什麼目標；它主張**如果某個東西存在，那麼按照非平衡穩態物理的數學，它必然表現出像是在最佳化某個量的樣子，而這個量恰好等於貝葉斯模型證據**，也就是機器學習裡那個證據下界 ELBO 的相反數。 他把自己比作一個假裝物理學家的心理學家，說這個框架屬於"最雄心勃勃也最平庸"的那一類：如果某個東西存在，它必然呈現這些性質。它不回答為什麼存在。 然後就回到了油滴。介面為什麼能維持？為什麼那塊邊界不會散掉？從計算化學的角度看，這就是大分子構型在最小化它的熱力學自由能。而熱力學自由能和負 ELBO，是同一個數學構造的兩個名字。自組裝、耗散結構、生命起源，在這個框架裡是同一件事的不同說法。 弗里斯頓由此推出了一句我很喜歡的話：**你是你自己的存在證明。** 從統計學上說，你能被觀測到存在，本身就是那個模型成立的證據。 ## 馬爾可夫毯：內部、外部，和那道介面 把"存在"形式化，第一步是定義什麼叫"有邊界"。這要用到統計獨立性：哪些狀態彼此相關，哪些不相關，哪些依賴，哪些不依賴。 一旦你這麼定義，任何包含某物的宇宙裡，狀態就自動分成四類：內部的、外部的，以及介面本身。介面這一層叫馬爾可夫毯（Markov blanket）。然後再把毯態切成兩半：感覺態和活躍態。 這個切分不是隨便切的。馬爾可夫毯的定義決定了外部狀態不能直接影響內部狀態，只能透過毯態來中介。而活躍態和內部狀態合起來，同樣不被外部狀態直接影響。 換句話說，這滴油擁有了自主性。它的表面有一部分，是外部世界碰不到的。內部狀態加上這部分表面，構成了一個自主的動力學系統，看上去像是在最佳化自己的模型證據。 這套推導的邏輯力量在於：它從機率論和非平衡物理裡長出來，沒有向生物學借任何東西。你不需要假設任何關於生命的東西，只要假設"某個東西有邊界"，剩下的就跟著來了。 ## 油滴和蝌蚪之間，隔著一次運動 那麼，油滴和蝌蚪的區別是什麼？ 弗里斯頓的答案出人意料地簡單：運動。 邊界、內部狀態、自主的動力學，這些油滴都有。它能維持形狀，能抵抗溶解，能在水裡保持一個"我"和"非我"的區別。蝌蚪多出來的東西，是**從內部驅動自己移動**的能力。 油滴當然也在動，丟進水裡它就漂，攪一攪它就轉，但那是被外部狀態推著走。它的內部狀態是隨機的、無序的，平均下來等於零，所以整滴油沒有一個統一的意志能表達在表面上。 弗里斯頓舉了一個極端的例子：太陽。太陽當然有內部狀態，內部翻騰劇烈，但那些動力學沒有深度結構，像一鍋熾熱的氣體。它在表面可以很熱鬧，但整個太陽不會朝著某個方向游過去。它的內部活動平均之後互相抵消。 生命體不一樣。內部狀態是有結構的、分層的、深度組織的，所以這些內部狀態能夠協調地驅動活躍態，也就是肌肉、聲帶、腺體、自主神經系統。於是整體真的會動。 接下來這句話，全場最漂亮的一句： > 你能改變宇宙的方式只有一種，就是移動。不管是用聲帶說話，還是走路，還是從腺體裡擠出點什麼，你改變世界的手段就這麼多。而你移動得如此不隨機，這件事本身，就是你活著的證據。（卡爾·弗里斯頓） 蝌蚪比油滴多出來的，是一個閉環：它的活躍態真的改變了外部狀態，外部狀態改變之後又反過來改變它的感覺態，感覺態再更新內部狀態，內部狀態再驅動活躍態。行動與感知構成迴圈，這個迴圈就是趨化性、就是覓食、就是一切行為的原型。 弗里斯頓說，油滴可以看成是一個完美的被動模型，它對"我在一碗水裡"這個假設的推斷已經登峰造極，因為它從不需要檢驗別的可能。而一旦你給油滴裝上主動取樣的能力，它能游過去、能把表面推到這邊那邊、能嘗一嘗化學梯度，它就開始像一個生命了。 ## 機器學習是一滴見過所有資料的油滴 講到這裡，弗里斯頓話鋒一轉，直接點到了 Lex 的老本行。 他說，運動這件事的核心地位，還沒有真正滲透進機器學習。 機器人學裡已經滲透了，強化學習裡某些需要移動攝像頭去取樣的任務也算沾邊。但主流的資料探勘式深度學習，完全沒有處理這個問題。它繞開了：**我們不需要考慮移動，因為我們有大資料**。資料已經全都擺在那裡了，取樣問題不存在。 用他自己的框架來說，今天的機器學習更像那滴油，只不過是一滴被塞進了海量資料、看過幾乎所有可能觀測的油。而蝌蚪得游出去，主動去找它想要的資料。 蝌蚪相信"我喜歡食物"，這可以當成一個假設。假設需要檢驗，怎麼檢驗？游過去，吃一口，看看會發生什麼。吃下去之後感覺良好，這就是"我是那種喜歡這種食物的東西"這個假設的證據。 弗里斯頓的意思是，主動取樣這一步，把統計推斷變成了行為，把模型變成了能動者。而這一步，恰恰是當前大模型正規化整體跳過的部分。資料集是給定的，任務是擬合它，而不是決定去看什麼、不看什麼。 他的批評比"資料質量"、"分佈偏移"這類工程抱怨要深一層。問題不在資料夠不夠。真正的缺口在於，**一個從不需要移動就能看到一切資料的系統，丟掉了整個行動與感知的迴圈**。而那個迴圈，可能正是智慧之所以為智慧的關鍵部分。 ## 意識那條線，也許畫不出來 Lex 接著問了一個大問題：這個框架能不能談意識？ 弗里斯頓先禮後兵。他說這得問專業的哲學家，但他確實認為，用資訊幾何那套數學去刻畫意識，是有路可走的。 第一步是能動性。病毒也有某種意義上的能動性，它會選擇性地尋找宿主細胞、在環境裡移動。但你不會說病毒在規劃，因為它不面向未來。一隻覓食的動物就不同了，它路上會和同伴交流，它有目的，它有一種生物性的自主。再往上，就是能對未來的多種可能做權衡的東西。 技術上的關鍵在一個地方：如果一個系統要規劃，它的生成模型裡必須包含"我的行動會導致什麼後果"這一項。這一項的存在，意味著系統在比較若干條通往未來的路徑。 一旦你在若干行動方案之間做選擇，你就已經在扮演一個在候選方案之間做挑選的推斷機器了。弗里斯頓說，自由意志在這個意義上沒什麼神秘的，它就是**選擇 policy 這件事在推斷框架下的自然寫法**。你的行為在多種可能之間被篩選出來，看起來就像在選。 但再往上，到自我覺察，他說自己不敢下結論。你得先給出一個形式化的定義，而這件事本身就會逼你表態。 這裡他插入了一段只有幾個月前才學到的東西：哲學裡的"模糊性"（vagueness）。他原本一直以為，生命和意識之間那條線總有一天會被精確地畫出來。後來一個哲學家告訴他，也許這個問題本身就問錯了。 一堆沙子，從第幾粒開始算"一堆"？一粒不算，兩粒也不算，那第幾粒算？這個問題沒有答案，並非因為我們還不夠聰明，而在於這個概念本身就是模糊的。 "意識從哪開始"可能屬於同一類問題。 這個讓步很有意思。弗里斯頓花了整個學術生涯尋找統一的數學原理，在這件事上卻主動承認了邊界：也許有些概念天生就沒有銳利的邊緣，你只能描述它的梯度，畫不出那條線。 ## 為什麼需要自我：因為世界上還有別的你 Lex 追問了一句：複雜規劃似乎非得有自我覺察不可。你得把自己放進模型裡，才能規劃出複雜的行動。 弗里斯頓說他完全同意，而且這正好解釋了自我覺察為什麼會演化出來。 他的推理是這樣的。你的生成模型必須適用於你所處的世界。而你所處的世界，主要被什麼東西佔據？被和你一樣的東西佔據。 > 如果我生活在一個由和我類似的東西構成的世界裡，那麼推斷"是我在說話而不是你在說話"這件事，就變成了一項必須完成的任務。如果我一個人在火星上，或者是個叢林裡的野孩子，周圍沒有任何像我的東西，那我根本不需要這個推斷。（卡爾·弗里斯頓） 這個論證的美妙之處在於，它把自我意識從一種神秘的內部屬性，變成了一個**由社會環境逼出來的推斷需求**。自我之所以存在，是因為世界裡有歧義：這個聲音是誰發出的？這個意圖是誰的？如果只有你一個人，這個問題不會出現，你也就沒必要有一個"我"的概念。 再往上一層，就是心智理論。對話時，我必須知道你什麼時候想聽、什麼時候想插話、你的注意力還在不線上。這意味著我的模型裡必須包含一個關於你的模型，而你的模型裡還包含一個關於我的模型。弗里斯頓說，這是生成模型最高階、最精妙的形式。 他和 Lex 這場對話本身就是證據。兩個人能一來一回，而不會同時說話或者一起唱歌，靠的就是這套巢狀模型在實時運轉。弗里斯頓說，如果沒有這套東西，我們就不會有這種交流，不會有這種舞蹈。 他順便提了一句人和寵物的關係。我們總喜歡把自己的屬性塞給貓狗，也總想把機器人做成人形，背後有很深的原因：**假設"你就是我，只是輪到你說"是最省力的讀心方式**。 ## 意義：去把童年聽過的那個故事活出來 最後 Lex 問了那個大問題，意義是什麼。 弗里斯頓先給了物理學家版本：意義就是自由能最小化所必然導致的行為，包括主動搜尋資訊、消解關於"我是什麼東西"的不確定性。 然後他給了另一個版本，說這個版本"令人安心地簡單"，而且回到了你小時候被教的東西。 你有關於自己是什麼樣的人的信念。所有這些自我證明，所有這些在行動中最小化預測誤差的過程，說到底就是**去兌現那些關於你是什麼人的信念**。 而這些信念是別人給你的。童話、睡前故事、父母、朋友、你成長的文化，全都在往你腦子裡塞指令碼。"我是公主，我會遇到一個野獸，他會變成王子。"這些敘事從你很小的時候就開始運轉。 你成年後的目標函式，某種意義上就是把那些早期被植入的敘事活成現實。 而且不是單向的。因為主動推斷是雙向的：你不只是在建模外部世界，你一直在改變它，外部世界也在改變你，你們一起變。所以你也在這個過程裡創造自己的文化，只不過時間尺度不同。 說到這裡，弗里斯頓開始自我解剖。他形容自己被給出的指令碼是愛因斯坦和夏洛克·福爾摩斯的混合物：儘可能大量地抽菸，儘量避免過多的人際接觸，享受"當一個有點古怪的科普作家、也許能起點作用"的幻想。 他父親是工程師，熱愛科學，喜歡愛丁頓那本《空間、時間與引力》，那是廣義相對論第一個普通人能讀懂的版本。他小時候聽的所有童話，都是關於這些角色的。 所以他說，自己長成了一個"溫和版的福爾摩斯加愛因斯坦"在他這雙鞋裡會做的事。 這段話放在一場關於自由能原理的訪談結尾，位置很好。整套理論從非平衡態物理出發，一路推到馬爾可夫毯、主動推斷、自我意識，最後落在一個非常樸素的說法上：**人是被故事驅動的，你的一生是把那些故事變成證據的過程**。 而他最後留給聽眾的那句話，是整個理論最凝練的一句： > 你的手臂會動，是因為你預測它會動，然後你的運動系統去最小化那個預測誤差。（卡爾·弗里斯頓） 這句話可以反覆咀嚼。常識告訴我們，是大腦發出指令，肌肉執行，然後手臂動了。弗里斯頓的順序是反的：大腦先預測手臂在某個位置，然後把實際的本體感覺和這個預測之間的差距消掉，手臂就在消差的過程中到了那個位置。 你以為你在執行命令，其實你在讓世界符合你的預期。 這個視角可以一路放大到人生的尺度。你對自己的預期，你對關係、對工作、對自己是個什麼人的預期，都在以同樣的方式作用於現實。差別只在於，手臂的誤差幾毫秒就消掉了，人生的誤差要消幾十年。 ## 如果只帶走五件事 這場對話資訊量很大，但有幾件事是可以直接拿去用的。 - **把"層級"理解成剪枝，而不是堆疊。** 設計系統、組建團隊、整理知識，層次感來自主動刪掉不該有的連線，不來自不斷往上加層。 - **檢查你正在最佳化的目標，是不是別人替你寫好的。** 按弗里斯頓的說法，人的行為本質是兌現關於自己的信念，而這些信念大多來自童年。想改行為，先去看那些指令碼是從哪來的。 - **給"主動取樣"留出位置。** 如果你做的系統，或者你自己的學習方式，只是在被動消費已有的資料，那你就是那滴油。真正的差別在於會不會決定去看什麼。 - **把預測當作一種干預手段。** 你對他人的預期會改變你對待他人的方式，從而真的把對方塑造成你預期的樣子。管理和教育上的代價都很大，值得警惕。 - **接受有些界限是模糊的。** 生命、意識、一堆沙子，這些概念的邊界可能天生不銳利。遇到這類問題，別再逼自己找那條精確的線，改成描述梯度，會更誠實，也更好用。