世界是受控的幻觉：大脑根据贝叶斯概率预测来认识世界吗？(8)

就像我之前提到过的，在对知觉内容进行分类，并在不确定的情境下做决策时，贝叶斯脑的工作状态近似于贝叶斯最优水平。这意味着在对未来（潜在的）状况进行预估时，它尽可能考虑到了所有可用信息和所有概率约束。
你可以给被优化的量取几个名字，但实际上对各种理论进行深挖、整合后发现，不同观点所指的被优化的量看似不同，其实内核都是一样的。有一种考察方式就是把它看作证据（evidence），在信息论中，证据等同于感官和内部世界模型共有信息的最大化。
07 自由能量最小化
我在写自由意志的热力学（TheThermodynamics of Free Will）这篇文章时，详细地讨论了卡尔·弗里斯顿有关主动推理（Active Inference）的理论。
自由能量（Free Energy）最小化是为了优化模型的信息或边际似然性，弗里斯顿将自由能量的定义跟模型意外度（surprise of the model）的最小化联系在了一起（也就是尽量减少与你的内在世界模型不相符的体验）。
该理论进一步将它的元素与生物系统相结合，比如说大脑，因为它可以对外界施加作用。你不该只是在脑中臆想未来，你能对外界施加影响，追求并实现自己的愿望，主动地改变未来。
据弗里斯顿说，主动推理（ActiveInference，AI）跟人工智能（Artificial Intelligence，AI）“撞缩写”并不是个巧合，他相信“在 5 到 10 年内，大多数的机器学习都将涵盖自由能量最小化（Free energy minimization）原理”。
这又令我们想起了达马西奥对稳态的批判：
生命系统并不是静止不动的，为了使意外最小化并在充斥着不确定性的未来中生存，它始终在对外界产生着影响。

就像永不停息的瀑布一般 | gtglobalcinema
最小化的自由能与熵（entropy）有关，因为意外度的时间平均值（time-average over the surprise）给出了熵的度量。这会造成物理性质的结果，弗里斯顿这样说道：