# 卡尔·弗里斯顿：神经科学与自由能原理 > 神经科学家讲解自由能原理，用统一框架解释大脑如何预测世界、减少惊奇，并延伸到生命与行动。 - 原标题：#99 – Karl Friston: Neuroscience and the Free Energy Principle - 期数：第 99 期 - 发布日期：2020-05-28 - 嘉宾 / 主题：卡尔·弗里斯顿 - 网页版：https://lexfridman-cn.pages.dev/ep/karl-friston/ - 官方页面：https://lexfridman.com/karl-friston/ - 精读字数：约 7759 字（阅读约 17 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 把一滴油滴进水里，它会保持一个清晰的边界。搅拌，它碎成更小的油滴，每一滴仍然有边界。放上几天，它还在那儿。 为什么不会溶解？油和水处在同一个温度、同一个环境里，没有任何东西专门保护这滴油。可它就是不肯散开。 卡尔·弗里斯顿（Karl Friston）从这个问题讲起，讲了将近一个半小时。他是伦敦大学学院的神经科学家，论文被引用超过二十四万五千次，是历史上被引用最多的神经科学家之一。自由能原理（free energy principle）是他的招牌，一个想用单一数学框架同时解释生命、大脑和自我意识的野心之作。 Lex Fridman 问他：这东西到底有什么用？弗里斯顿的回答很坦率，作为纯粹的理论，它几乎什么用都没有，就像自然选择理论不会告诉你为什么人长眼睛。 但在这句话之前，他先花了一个小时，从一滴油讲到了自我意识。 ## 大脑不是一锅魔法汤 Lex 说自己一直把大脑想象成一大团互相连接的物质，一团解不开的乱麻。弗里斯顿说，他学医之前也是这么想的。 然后他给了一个我觉得很漂亮的解释：**层级结构靠剪掉连接建起来，不靠增加连接。** 一个完全连接的网络是一锅汤，每个节点和其他所有节点直接相连，没有层次可言。要造出层级，你必须精确地删掉某些连接，保留另一些。所以层级这个概念的数学本质，就是一个稀疏的、特定的连接结构。 大脑的数据支持这一点：两个脑区距离越远，它们之间直接相连的神经纤维就越少。近的地方互相说话，远的地方得经过中转。解剖学上的稀疏性，直接对应着信息传递的层级性。 把这些稀疏连接画出来，得到的是一个洋葱式的结构。弗里斯顿说，所有感觉输入、所有传向肌肉和腺体的运动指令，都在这个洋葱的表面完成交换。表面之下有一层，再下面还有一层，一路往内，直到最深的核心。每一层都在观察下一层的交换活动，再向上一层汇报。 他不喜欢"大脑是一锅魔法汤"这个说法，但他承认自己年轻时也这么想。稀疏和递归属于大脑的定义性特征，谈不上什么偶然。删掉这些结构，剩下的那锅汤确实什么也做不了。 Lex 用了一个词："deep"。弗里斯顿立刻抓住了这个话头：**deep 是千禧年版的 hierarchical。** 你在任何词前面加一个"深度"，就听起来很时髦，但这个词的隐含意思，就是层级架构。 这个玩笑埋了一颗种子，后面会发芽，变成他对当代机器学习最尖锐的一处批评。 ## 影像的两难：知道在哪，就不知道何时 脑成像大致分两路。一路测结构：某个区域的水、脂肪、铁含量，本质上是分辨率极高的 X 光片。另一路测动态功能，这一路又分成两个阵营。 第一个阵营测血。神经元放电要耗能，能耗必须当场补上。大脑和肌肉不一样，肌肉可以欠着能量以后还，大脑不行。某块几毫米见方的皮层一活跃，局部血管就得在几秒钟内扩张，把血送过去。弗里斯顿用了一个很好的比喻：你得马上给花园的那一小块地浇水。 这套机制叫神经血管耦合，它给了 fMRI 信号，代价是速度。血管反应的时间常数是秒级，神经元放电的时间尺度是毫秒级。所以 fMRI 能告诉你哪块皮层亮了，精确到几毫米，但它慢了好几个数量级，看到的是几秒钟前那次神经活动的回声。 第二个阵营直接测电。EEG 和 MEG 记录神经元活动产生的电磁场，时间分辨率可以到毫秒甚至更快，能看清一次刺激引发的那一连串层级递归的消息传递。代价是空间。信号穿过白质、脑膜、颅骨、头皮，早就糊成一团，你很难判断它从哪儿来。 弗里斯顿把这个局面叫作 catch-22：**要么知道在哪但不知道何时，要么知道何时但不知道在哪。** 两类手段必须合起来用，这也是他做了几十年的事。 然后是分析。过去二十多年，功能影像的主流做法是找热点：比较两种条件下的脑活动，看哪块区域的统计量越过阈值，那块区域就在图上画成一个斑块。有人客气地叫它新制图学。弗里斯顿自己更刻薄，说这是"斑块学"（blobology），研究斑块的学问。 他不否认这套方法的战功。V5 区（也叫中颞区 MT）的故事很典型：神经心理学早就发现，某些脑损伤病人看不见运动，世界在他们眼里像幻灯片一样一帧一帧地跳。后来 PET 和 fMRI 证实，处理视觉运动的确实是这么一块边界清晰的区域。类似的发现，过去三十年里成批出现。 斑块学只讲了一半故事。功能分离告诉你哪块区域专门干什么，功能整合才告诉你这些区域怎么协同。一个运动视觉任务里 V5 亮了，只有 V5 亮吗？别处是不是也在悄悄参与？阈值法在原理上排不掉这个可能。 弗里斯顿还提到一个有意思的技术进展：高场磁共振现在能分辨皮层不同层级的活动，把分辨率推到几毫米以内。皮层的微回路在整个大脑里高度重复，看清一层，可能就看清了整个大脑的消息传递原理。他把这个位置叫作"毫米到米之间"的甜蜜点。 往下走得太深，会掉进分子和单个神经元里，就像为了理解气体的热力学去追踪每一个分子的轨迹。往上走得太粗，又会漏掉连接架构的基本规范。这条中间路线，是他做了一辈子研究之后选的位置。 ## 脑机接口：从天气系统外面扔石头 Lex 提到自己去过 Neuralink 待了一天，问弗里斯顿怎么看脑机接口。 弗里斯顿的回答是"矛盾"（ambivalent），而且他主动承认这个矛盾。 先说好的一面。脑刺激不是新东西，一百年前在同一个机构里，神经学就是靠刺激狗的脑来看它怎么反应，然后倒推那块区域在干什么。今天深部脑刺激治疗帕金森病已经是标准疗法，它同时还是一个研究运动障碍神经动力学的绝佳窗口。经颅磁刺激治疗抑郁症，也是一种相当粗糙但确实有效的干预。 弗里斯顿用了一个很妙的比喻：这有点像电视机显像管坏了的时候拍它两下，它还能亮。你不懂原理，但干预有效。 更有意思的是感觉替代。给受试者装一个磁场传感器，用腹部的触觉压力来编码朝向，几周之后，这个人就把它当成理所当然的了。他不再觉得"我在读一个传感器"，他就是"感觉到"自己面朝哪个方向。这个现象说明大脑的可塑性有多强，也说明感觉皮层对于"什么信号算感觉"其实相当不挑。 然后是负面。首先是带宽。当前脑机接口能拿到的比特率，是每秒个位数比特的量级。弗里斯顿说，这相当于他只能用极慢的摩尔斯电码跟我交流，离人们幻想的"治愈截瘫、替代失明"差了不止一个数量级。 更根本的问题在后面。大脑是一个高维、非线性、深度结构的非平衡稳态系统。你想接入它、控制它、让它按你的意愿输出，这个任务的性质更接近于控制天气。 假设有一群很猛的卫星，能在天气系统的局部制造扰动。问题是，你能不能真正进入这个系统，让它按你要的方式响应？这是混沌控制，规模大到几乎无法想象。 > 要真正成为系统的一部分，你得和这个系统一起演化。它不像修一台坏电脑，也不像插一块外设适配卡。它更像是钻进天气模式里去。（卡尔·弗里斯顿） Lex 在这里提了一个有力的反驳。他说自己来自机器学习，本能地认为最难的部分是工程，一旦卫星送上天、控制手段到位，剩下的方法论是通用的，强化学习那套东西就能带你在混沌里玩游戏。至于血管那个问题，不能出一点错，那才是真正让人绝望的工程挑战。 弗里斯顿接受了这个反驳，也接受了"非常难但希望不是不可能"这个结论。他的立场一贯：他没说这件事不可能，他说的是这件事的性质跟大家想的不一样。 ## 自由能：把"存在"写成一个数学问题 自由能原理的正式表述是这样的：任何能在变化环境中存活下来的系统，它的存在性命令都可以写成一个推断问题。存在的概率，就是"你存在"这件事的证据。 如果你能把存在问题写成一个统计问题，那么过去两百年为统计推断发展出来的所有数学，都能拿来描述这个系统的动力学。 这里最容易搞反方向。弗里斯顿反复强调：自由能原理并不主张生命在主动优化什么目标；它主张**如果某个东西存在，那么按照非平衡稳态物理的数学，它必然表现出像是在优化某个量的样子，而这个量恰好等于贝叶斯模型证据**，也就是机器学习里那个证据下界 ELBO 的相反数。 他把自己比作一个假装物理学家的心理学家，说这个框架属于"最雄心勃勃也最平庸"的那一类：如果某个东西存在，它必然呈现这些性质。它不回答为什么存在。 然后就回到了油滴。界面为什么能维持？为什么那块边界不会散掉？从计算化学的角度看，这就是大分子构型在最小化它的热力学自由能。而热力学自由能和负 ELBO，是同一个数学构造的两个名字。自组装、耗散结构、生命起源，在这个框架里是同一件事的不同说法。 弗里斯顿由此推出了一句我很喜欢的话：**你是你自己的存在证明。** 从统计学上说，你能被观测到存在，本身就是那个模型成立的证据。 ## 马尔可夫毯：内部、外部，和那道界面 把"存在"形式化，第一步是定义什么叫"有边界"。这要用到统计独立性：哪些状态彼此相关，哪些不相关，哪些依赖，哪些不依赖。 一旦你这么定义，任何包含某物的宇宙里，状态就自动分成四类：内部的、外部的，以及界面本身。界面这一层叫马尔可夫毯（Markov blanket）。然后再把毯态切成两半：感觉态和活跃态。 这个切分不是随便切的。马尔可夫毯的定义决定了外部状态不能直接影响内部状态，只能通过毯态来中介。而活跃态和内部状态合起来，同样不被外部状态直接影响。 换句话说，这滴油拥有了自主性。它的表面有一部分，是外部世界碰不到的。内部状态加上这部分表面，构成了一个自主的动力学系统，看上去像是在优化自己的模型证据。 这套推导的逻辑力量在于：它从概率论和非平衡物理里长出来，没有向生物学借任何东西。你不需要假设任何关于生命的东西，只要假设"某个东西有边界"，剩下的就跟着来了。 ## 油滴和蝌蚪之间，隔着一次运动 那么，油滴和蝌蚪的区别是什么？ 弗里斯顿的答案出人意料地简单：运动。 边界、内部状态、自主的动力学，这些油滴都有。它能维持形状，能抵抗溶解，能在水里保持一个"我"和"非我"的区别。蝌蚪多出来的东西，是**从内部驱动自己移动**的能力。 油滴当然也在动，丢进水里它就漂，搅一搅它就转，但那是被外部状态推着走。它的内部状态是随机的、无序的，平均下来等于零，所以整滴油没有一个统一的意志能表达在表面上。 弗里斯顿举了一个极端的例子：太阳。太阳当然有内部状态，内部翻腾剧烈，但那些动力学没有深度结构，像一锅炽热的气体。它在表面可以很热闹，但整个太阳不会朝着某个方向游过去。它的内部活动平均之后互相抵消。 生命体不一样。内部状态是有结构的、分层的、深度组织的，所以这些内部状态能够协调地驱动活跃态，也就是肌肉、声带、腺体、自主神经系统。于是整体真的会动。 接下来这句话，全场最漂亮的一句： > 你能改变宇宙的方式只有一种，就是移动。不管是用声带说话，还是走路，还是从腺体里挤出点什么，你改变世界的手段就这么多。而你移动得如此不随机，这件事本身，就是你活着的证据。（卡尔·弗里斯顿） 蝌蚪比油滴多出来的，是一个闭环：它的活跃态真的改变了外部状态，外部状态改变之后又反过来改变它的感觉态，感觉态再更新内部状态，内部状态再驱动活跃态。行动与感知构成循环，这个循环就是趋化性、就是觅食、就是一切行为的原型。 弗里斯顿说，油滴可以看成是一个完美的被动模型，它对"我在一碗水里"这个假设的推断已经登峰造极，因为它从不需要检验别的可能。而一旦你给油滴装上主动采样的能力，它能游过去、能把表面推到这边那边、能尝一尝化学梯度，它就开始像一个生命了。 ## 机器学习是一滴见过所有数据的油滴 讲到这里，弗里斯顿话锋一转，直接点到了 Lex 的老本行。 他说，运动这件事的核心地位，还没有真正渗透进机器学习。 机器人学里已经渗透了，强化学习里某些需要移动摄像头去采样的任务也算沾边。但主流的数据挖掘式深度学习，完全没有处理这个问题。它绕开了：**我们不需要考虑移动，因为我们有大数据**。数据已经全都摆在那里了，采样问题不存在。 用他自己的框架来说，今天的机器学习更像那滴油，只不过是一滴被塞进了海量数据、看过几乎所有可能观测的油。而蝌蚪得游出去，主动去找它想要的数据。 蝌蚪相信"我喜欢食物"，这可以当成一个假设。假设需要检验，怎么检验？游过去，吃一口，看看会发生什么。吃下去之后感觉良好，这就是"我是那种喜欢这种食物的东西"这个假设的证据。 弗里斯顿的意思是，主动采样这一步，把统计推断变成了行为，把模型变成了能动者。而这一步，恰恰是当前大模型范式整体跳过的部分。数据集是给定的，任务是拟合它，而不是决定去看什么、不看什么。 他的批评比"数据质量"、"分布偏移"这类工程抱怨要深一层。问题不在数据够不够。真正的缺口在于，**一个从不需要移动就能看到一切数据的系统，丢掉了整个行动与感知的循环**。而那个循环，可能正是智能之所以为智能的关键部分。 ## 意识那条线，也许画不出来 Lex 接着问了一个大问题：这个框架能不能谈意识？ 弗里斯顿先礼后兵。他说这得问专业的哲学家，但他确实认为，用信息几何那套数学去刻画意识，是有路可走的。 第一步是能动性。病毒也有某种意义上的能动性，它会选择性地寻找宿主细胞、在环境里移动。但你不会说病毒在规划，因为它不面向未来。一只觅食的动物就不同了，它路上会和同伴交流，它有目的，它有一种生物性的自主。再往上，就是能对未来的多种可能做权衡的东西。 技术上的关键在一个地方：如果一个系统要规划，它的生成模型里必须包含"我的行动会导致什么后果"这一项。这一项的存在，意味着系统在比较若干条通往未来的路径。 一旦你在若干行动方案之间做选择，你就已经在扮演一个在候选方案之间做挑选的推断机器了。弗里斯顿说，自由意志在这个意义上没什么神秘的，它就是**选择 policy 这件事在推断框架下的自然写法**。你的行为在多种可能之间被筛选出来，看起来就像在选。 但再往上，到自我觉察，他说自己不敢下结论。你得先给出一个形式化的定义，而这件事本身就会逼你表态。 这里他插入了一段只有几个月前才学到的东西：哲学里的"模糊性"（vagueness）。他原本一直以为，生命和意识之间那条线总有一天会被精确地画出来。后来一个哲学家告诉他，也许这个问题本身就问错了。 一堆沙子，从第几粒开始算"一堆"？一粒不算，两粒也不算，那第几粒算？这个问题没有答案，并非因为我们还不够聪明，而在于这个概念本身就是模糊的。 "意识从哪开始"可能属于同一类问题。 这个让步很有意思。弗里斯顿花了整个学术生涯寻找统一的数学原理，在这件事上却主动承认了边界：也许有些概念天生就没有锐利的边缘，你只能描述它的梯度，画不出那条线。 ## 为什么需要自我：因为世界上还有别的你 Lex 追问了一句：复杂规划似乎非得有自我觉察不可。你得把自己放进模型里，才能规划出复杂的行动。 弗里斯顿说他完全同意，而且这正好解释了自我觉察为什么会演化出来。 他的推理是这样的。你的生成模型必须适用于你所处的世界。而你所处的世界，主要被什么东西占据？被和你一样的东西占据。 > 如果我生活在一个由和我类似的东西构成的世界里，那么推断"是我在说话而不是你在说话"这件事，就变成了一项必须完成的任务。如果我一个人在火星上，或者是个丛林里的野孩子，周围没有任何像我的东西，那我根本不需要这个推断。（卡尔·弗里斯顿） 这个论证的美妙之处在于，它把自我意识从一种神秘的内部属性，变成了一个**由社会环境逼出来的推断需求**。自我之所以存在，是因为世界里有歧义：这个声音是谁发出的？这个意图是谁的？如果只有你一个人，这个问题不会出现，你也就没必要有一个"我"的概念。 再往上一层，就是心智理论。对话时，我必须知道你什么时候想听、什么时候想插话、你的注意力还在不在线。这意味着我的模型里必须包含一个关于你的模型，而你的模型里还包含一个关于我的模型。弗里斯顿说，这是生成模型最高级、最精妙的形式。 他和 Lex 这场对话本身就是证据。两个人能一来一回，而不会同时说话或者一起唱歌，靠的就是这套嵌套模型在实时运转。弗里斯顿说，如果没有这套东西，我们就不会有这种交流，不会有这种舞蹈。 他顺便提了一句人和宠物的关系。我们总喜欢把自己的属性塞给猫狗，也总想把机器人做成人形，背后有很深的原因：**假设"你就是我，只是轮到你说"是最省力的读心方式**。 ## 意义：去把童年听过的那个故事活出来 最后 Lex 问了那个大问题，意义是什么。 弗里斯顿先给了物理学家版本：意义就是自由能最小化所必然导致的行为，包括主动搜索信息、消解关于"我是什么东西"的不确定性。 然后他给了另一个版本，说这个版本"令人安心地简单"，而且回到了你小时候被教的东西。 你有关于自己是什么样的人的信念。所有这些自我证明，所有这些在行动中最小化预测误差的过程，说到底就是**去兑现那些关于你是什么人的信念**。 而这些信念是别人给你的。童话、睡前故事、父母、朋友、你成长的文化，全都在往你脑子里塞脚本。"我是公主，我会遇到一个野兽，他会变成王子。"这些叙事从你很小的时候就开始运转。 你成年后的目标函数，某种意义上就是把那些早期被植入的叙事活成现实。 而且不是单向的。因为主动推断是双向的：你不只是在建模外部世界，你一直在改变它，外部世界也在改变你，你们一起变。所以你也在这个过程里创造自己的文化，只不过时间尺度不同。 说到这里，弗里斯顿开始自我解剖。他形容自己被给出的脚本是爱因斯坦和夏洛克·福尔摩斯的混合物：尽可能大量地抽烟，尽量避免过多的人际接触，享受"当一个有点古怪的科普作家、也许能起点作用"的幻想。 他父亲是工程师，热爱科学，喜欢爱丁顿那本《空间、时间与引力》，那是广义相对论第一个普通人能读懂的版本。他小时候听的所有童话，都是关于这些角色的。 所以他说，自己长成了一个"温和版的福尔摩斯加爱因斯坦"在他这双鞋里会做的事。 这段话放在一场关于自由能原理的访谈结尾，位置很好。整套理论从非平衡态物理出发，一路推到马尔可夫毯、主动推断、自我意识，最后落在一个非常朴素的说法上：**人是被故事驱动的，你的一生是把那些故事变成证据的过程**。 而他最后留给听众的那句话，是整个理论最凝练的一句： > 你的手臂会动，是因为你预测它会动，然后你的运动系统去最小化那个预测误差。（卡尔·弗里斯顿） 这句话可以反复咀嚼。常识告诉我们，是大脑发出指令，肌肉执行，然后手臂动了。弗里斯顿的顺序是反的：大脑先预测手臂在某个位置，然后把实际的本体感觉和这个预测之间的差距消掉，手臂就在消差的过程中到了那个位置。 你以为你在执行命令，其实你在让世界符合你的预期。 这个视角可以一路放大到人生的尺度。你对自己的预期，你对关系、对工作、对自己是个什么人的预期，都在以同样的方式作用于现实。差别只在于，手臂的误差几毫秒就消掉了，人生的误差要消几十年。 ## 如果只带走五件事 这场对话信息量很大，但有几件事是可以直接拿去用的。 - **把"层级"理解成剪枝，而不是堆叠。** 设计系统、组建团队、整理知识，层次感来自主动删掉不该有的连接，不来自不断往上加层。 - **检查你正在优化的目标，是不是别人替你写好的。** 按弗里斯顿的说法，人的行为本质是兑现关于自己的信念，而这些信念大多来自童年。想改行为，先去看那些脚本是从哪来的。 - **给"主动采样"留出位置。** 如果你做的系统，或者你自己的学习方式，只是在被动消费已有的数据，那你就是那滴油。真正的差别在于会不会决定去看什么。 - **把预测当作一种干预手段。** 你对他人的预期会改变你对待他人的方式，从而真的把对方塑造成你预期的样子。管理和教育上的代价都很大，值得警惕。 - **接受有些界限是模糊的。** 生命、意识、一堆沙子，这些概念的边界可能天生不锐利。遇到这类问题，别再逼自己找那条精确的线，改成描述梯度，会更诚实，也更好用。