編譯 凌寒

當英國國王喬治三世（KING GEORGE III）在位末期開始表現(xiàn)出明顯的急性躁狂癥時，有關王室瘋狂的傳言迅速在公眾的腦海中流傳。有傳言說，喬治國王試圖和一棵樹握手，因為他相信這棵樹是普魯士的國王。另一種傳言則描述了他是如何被匆忙帶到倫敦布盧姆斯伯里區(qū)皇后廣場的一所房子里，同他的臣民一起接受治療的。喬治國王的妻子夏洛特王后在國王住院期間，租用了當?shù)匾患揖瓢傻木平褋頌閲醮鎯χ谱髡偷氖巢摹?/p>

兩個多世紀過去了，這則關于皇后廣場的故事仍然在倫敦旅游指南中廣受歡迎。不管傳言是真是假，這些年來附近街區(qū)似乎一直朝著符合這個故事的方向發(fā)展。廣場北端矗立著一座夏洛特王后的金屬雕像；街角的酒吧叫作“女王的貯藏室”；廣場上靜謐的長方形花園現(xiàn)在幾乎被研究大腦和大腦需要運轉的人所包圍。英國國家神經(jīng)病學和神經(jīng)外科學醫(yī)院——現(xiàn)代的皇室成員很可能會去那里尋求治療——占據(jù)了皇后廣場的一角，而倫敦大學學院享譽世界的神經(jīng)科學研究機構則圍繞在醫(yī)院周邊。2017年7月天氣極好的某個星期，數(shù)十名神經(jīng)病患者和他們的家人在草坪外緣的木質長椅上安靜地度過了一段時間。

在通常的星期一，卡爾·弗里斯頓（Karl Friston）中午12點25分到達皇后廣場，在夏洛特王后雕像旁的花園里抽了一支煙。弗里斯頓是倫敦大學學院著名的功能成像實驗室（在那里工作的每個人都知道這個叫做FIL的實驗室）的科研主任，他微微有些駝背，有著一頭濃密的灰色頭發(fā)，常常獨來獨往。抽完煙后，弗里斯頓踱步到廣場西側，走進一座磚和石灰?guī)r砌成的建筑中，來到四樓的一間研討室，那里可能有2到20多人正在等他。

他對大家的問候很可能是他一天中第一次實質性的發(fā)言，因為弗里斯頓不喜歡在中午之前和其他人說話。他也極少和人單獨見面。相反，他更喜歡召開這樣的公開會議，在這類會議中，學生、博士后和渴望獲得弗里斯頓的專家意見的公眾人士可以尋求他的專業(yè)知識。他認為，如果一個人有一種想法、一個問題或一項正在進行的項目，那么了解它的最佳方式就是讓整個團隊聚在一起，聽取這個人的意見，然后每個人都有機會提問和討論。因此，一個人的學問就變成了所有人的學問。 在每周一的會議開始時，每個人都會在會議之初陳述自己的問題。弗里斯頓會一邊聽，一邊從容踱步。然后，他會在接下來的幾個小時里依次回答問題，他甚至會用禮貌而干脆的措辭來回答最讓人困惑的問題。

弗里斯頓首次成為學術界的英雄人物，是因為他發(fā)明了許多最為重要的工具，正是這些工具使得人類的大腦可以為科學所解讀。1990年，他發(fā)明了統(tǒng)計參數(shù)映射，這是一種計算技術，這種計算技術可以把大腦圖像“壓縮折疊”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橫向對比。從統(tǒng)計參數(shù)映射中獲得“體素形態(tài)測量法”（voxel-based morphometry），這是曾在一項著名的研究中使用過的成像技術，該研究表明，倫敦出租車司機在學習“知識” 的過程中，他們的海馬體后側會增長。2011年，發(fā)表在《科學》雜志上的一項研究使用了弗里斯頓發(fā)明的第三代大腦成像分析軟件：動態(tài)因果模型，以確定嚴重腦損傷的人到底是處于最低程度的有意識狀態(tài)還是僅僅是植物人狀態(tài)。

2006年，弗里斯頓入選英國皇家學會?；始覍W會稱他對大腦研究的影響是“革命性”的，大腦成像領域發(fā)表的論文中，90%以上使用了他的方法。2016年，艾倫人工智能研究所經(jīng)計算得出，弗里斯頓是世界上被引用次數(shù)最多的神經(jīng)科學家，他的h指數(shù)（用來衡量科研人員發(fā)表論文影響力的指標）幾乎是愛因斯坦的兩倍。2017年，科睿唯安將弗里斯頓列為諾貝爾生理學或醫(yī)學獎最有可能的3位獲獎者之一。而過去的20多年，科睿唯安成功預測出46位諾貝爾科學獎得主。

然而，值得注意的是，近期拜訪弗里斯頓的研究人員中卻很少有人提到大腦成像。2018年夏天，10天之內，弗里斯頓對如下人員進行了咨詢：天體物理學家、幾個哲學家、著手打造出Amazon Echo競品的計算機工程師、全球最大保險公司之一的人工智能負責人、試圖制造更好助聽器的神經(jīng)科學家、著眼于應用機器學習來幫助治療抑郁癥的精神病學家。他們中的大多數(shù)人之所以來到這里是因為他們渴望了解別的事情。

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

在過去10年左右的時間里，弗里斯頓投入了大量的時間和精力以開發(fā)他稱之為自由能原理的想法。有了這個想法，弗里斯頓相信他已經(jīng)參透了所有生命和所有智慧的組織原理。他試圖回答：“如果你還活著，你必須表現(xiàn)出什么樣的行為?”

首先，壞消息是：理解自由能原理異常困難。許多非常聰明的人試圖理解它，但都失敗了。而我采訪過的幾乎每一個人，包括該相關領域的研究人員在內，都告訴我，他們并沒有完全理解它。

但是，這些人通常會急于補充道，自由能原理的核心講述了一個簡單故事，解決了一個基本難題。熱力學第二定律告訴我們宇宙趨向于熵和消失，但是生物卻強烈地抵制它。弗里斯頓的自由能原理認為，所有生命，無論其機體組成的規(guī)模大?。◤膯蝹€細胞到擁有千億神經(jīng)元的人類大腦）都受到同一個普遍規(guī)則的驅動，這種規(guī)則可以簡化為數(shù)學函數(shù)。他說，生存就是縮小你的期望和你的感官輸入之間的鴻溝。或者，用弗里斯頓式的術語來說，就是最小化自由能。

要了解這一理論的潛在含義，你只要看看周一早上闖進FIL門口的人就行了。有些人來這里是因為他們想利用自由能原理來統(tǒng)一心智方面的理論，為生物學提供新的基礎。另一些人則希望自由能原理能夠以大腦的功能理解最終為精神病學奠定基礎。還有一些人想利用弗里斯頓的點子來突破人工智能研究的障礙。但是，他們來這里的共同原因是：唯一真正理解弗里斯頓的自由能原理的人可能就是弗里斯頓本人。

弗里斯頓不僅是他所在領域最有影響力的學者之一；他也是所有學科中最多產(chǎn)的人之一。自世紀之交以來，他發(fā)表了1 000多篇學術論文。僅在2017年，他就以主要作者或共同作者的身份發(fā)表了85篇論文。

弗里斯頓追溯起自己研究自由能原理的歷程，這始于他8歲那年一個炎熱的夏天。他和家人住在利物浦附近城墻環(huán)繞的英國切斯特市，他母親叫他到花園里去玩。他把一根舊木頭翻過來，發(fā)現(xiàn)了幾只木虱在四處亂竄，起初他以為這些木虱是在尋找遮蔽處和黑暗。盯著它們看了半個小時后，他推斷這些小蟲子其實并不是在找陰涼處?！备ダ锼诡D說：“那是一種幻覺，是我自己制造的幻想。”他意識到這些木虱的活動并沒有目的，這些生物的運動是隨機的。

弗里斯頓辦公室里的馬爾科夫毯——始于1856年，呵護你內心的溫暖

弗里斯頓把這件事稱為他的第一個科學洞見，那一刻“所有人為的、擬人化的關于目的和生存之類的解釋似乎都土崩瓦解了?！?在10多歲的時候，弗里斯頓經(jīng)歷了另一次“木虱時刻”。他剛剛看完電視回到臥室，注意到窗外花繁葉茂的櫻桃樹。他突然被一個念頭緊緊纏住，自那以后再也沒能逃開。“一定有一種理解萬物的方法，如果我只被允許從整個宇宙的一個點開始，那么我是否能從中得到我需要的其他的一切呢?”他在床上躺了好幾個小時，做出了第一次嘗試?！帮@然，我徹底失敗了?！彼f道。

完成醫(yī)學學業(yè)后，弗里斯頓搬到牛津，在一所名為利特莫里爾的維多利亞時代的醫(yī)院作為住院實習生實習了兩年。弗里斯頓被分配給一組由32名慢性精神分裂癥患者組成的小組，他們是利特莫爾最窮困的居民。

離開利特莫爾之后，在20世紀90年代早期的大部分時間里，弗里斯頓使用相對較新穎的技術：PET掃描，試圖了解精神分裂癥患者的大腦內部到底發(fā)生了什么。在這一過程中，他發(fā)明了統(tǒng)計參數(shù)映射。弗里斯頓堅持認為這項技術應該免費分享，而不是專利化或商業(yè)化，這在很大程度上解釋了這項技術是如何變得如此普及的。

1994年，弗里斯頓來到皇后廣場，有好幾年時間他在FIL的辦公室跟蓋茨比計算神經(jīng)科學中心隔了幾扇門。蓋茨比計算神經(jīng)科學中心（供科研人員研究生命和機器系統(tǒng)的感知和學習理論的地方）由其創(chuàng)始人、認知心理學家、計算機科學家杰弗里·辛頓（Geoffrey Hinton）管理。當FIL逐漸發(fā)展成為神經(jīng)成像方面的領先實驗室之一時，蓋茨比計算神經(jīng)科學中心也逐漸成為將數(shù)學模型應用于神經(jīng)系統(tǒng)很感興趣的神經(jīng)科學家們的訓練基地。

和其他許多人一樣，弗里斯頓被辛頓對最成熟的統(tǒng)計模型那“孩子般幼稚的熱情”所吸引，兩人成了朋友。

時光荏苒，辛頓說服了弗里斯頓，讓他相信研究大腦的最佳途徑就是把它看作一臺貝葉斯概率機。這一觀點可以追溯到19世紀赫爾曼·馮·亥姆霍茲（Hermann von Helmholtz）的研究理論，即大腦以概率的方式計算和感知，不斷做出預測，并根據(jù)感官提供的信息調整觀念。根據(jù)最流行的現(xiàn)代貝葉斯理論，大腦就是尋求最小化“預測誤差”的 “推理引擎”。

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，為當今深度學習領域的許多研究奠定了基礎。

然而，在辛頓離開之前，弗里斯頓最后一次去蓋茨比計算神經(jīng)科學中心拜訪了這位朋友。辛頓描述了他發(fā)明的一種新技術，這種技術可以讓計算機程序更有效地模擬人類的決策過程，集成了許多不同概率模型輸入的程序，在如今的機器學習中被稱為“專家級產(chǎn)品”。

受辛頓想法的啟發(fā)，本著知識互惠的精神，弗里斯頓寄給辛頓一套記錄著自己想法的筆記，這個想法將大腦的“相關的解剖學、生理學和心理物理學屬性”聯(lián)系在了一起。弗里斯頓在2005年發(fā)表了這些筆記，他后來寫了幾十篇關于自由能原理的論文，這是他的第一篇。

在描述自由能原理時，就連弗里斯頓自己也很難決定從哪里說起。他經(jīng)常讓大家自己去查維基百科。但對我來說，從弗里斯頓辦公室的沙發(fā)床上鋪著的毯子開始說起似乎最合適。

這是一條白色的羊毛沙發(fā)毯，上面印著一副黑白定制肖像，畫的是一位名叫安德烈·安德烈耶維奇·馬爾科夫（Andrei Andreyevich Markov）的俄羅斯數(shù)學家，留著絡腮胡子，表情嚴肅，1922年去世。被稱為“馬爾科夫毯”（ Markov blanket）的概念就是以馬爾科夫命名的，在機器學習中，馬爾科夫毯是基本屏障，將層級系統(tǒng)的一組變量與其他變量區(qū)分開來。心理學家克里斯托弗·弗里斯（Christopher Frith）曾將馬爾科夫毯描述為“細胞膜的認知版本，將細胞內的狀態(tài)與外界的狀態(tài)隔離開來”。

在弗里斯頓的心目中，宇宙是由一個套一個的馬爾科夫毯組成的。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(qū)分開來。在我們體內，馬爾科夫毯將器官分開，器官內的馬爾科夫毯將細胞分開，細胞內的馬爾科夫毯將細胞器分開。馬爾科夫毯定義了生物如何隨著時間而存在，定義了生物的行為如何相互區(qū)別。沒有馬爾科夫毯，我們只是逐漸消散在以太的熱氣。

“這就是你們讀到過的馬爾科夫毯。就是這個。你可以摸摸看。”當我第一次看到他辦公室里那條毯子時，弗里斯頓冷冷地說道。我情不自禁，我確實伸出手去用手指碰了碰那條毯子。自從我第一次讀到馬可夫毯這個詞，我就到處都能看到它們的身影。馬爾科夫毯圍繞在一片樹葉、一棵樹和一只蚊子周圍。在倫敦，我看到馬爾科夫毯圍繞在FIL的博士后周圍，圍繞在反法西斯集會上身著黑衣的抗議者周圍，圍繞在住在運河里的小船上的人們周圍。每個人周身都披著隱形的斗篷，每個斗篷下都有一個不同的生命系統(tǒng)，它能將自身的自由能最小化。

自由能的概念本身來自于物理學，這意味著如果不涉及數(shù)學公式就很難精確地解釋它。從某種意義上說，這就是它的強大之處：它不僅是一個夸張的概念，還是一個能夠模式化的可測的量，使用的數(shù)學方法與弗里斯頓用來解釋大腦圖像的方法相同。但是，如果你把這個概念從數(shù)學翻譯成語言，大致就是這樣的：自由能就是你期望達到的狀態(tài)和你的感官告訴你你所達到的狀態(tài)之間的差?；蛘邠Q句話說，當你在最小化自由能的時候，你就是最小化意外。根據(jù)弗里斯頓的觀點，任何能夠抵抗紊亂和分解傾向的生物系統(tǒng)都遵循自由能原理。

單細胞生物具有減少意外的指令，大腦同樣如此。唯一的區(qū)別是：隨著自組織生物系統(tǒng)的發(fā)展，人類大腦變得極其復雜：它從數(shù)十億感官感受器汲取信息，它需要高效地將這些信息整理成精確的世界模型。弗里斯頓說：“從某種意義上說，大腦確實是一個神奇的器官，它產(chǎn)生的假設或幻想適用于解釋這些無數(shù)的模式和接收到的感官信息流。”

弗里斯頓使用“主動推理”這個術語來描述生物體最小化意外的方式。弗里斯頓認為，當大腦做出的預測并不能立即通過感官反饋被證實時，它可以通過以下兩種方式之一最小化自由能：它可以修正自己的預測、吸收意外、承認誤差、更新它的世界模型，或者它會行動使預測成真。假如我推測我正在用左手食指摸鼻子，但是我的感受器告訴我；我的胳膊還垂在我的旁邊，我就可以通過抬起胳膊，把手指按到我的臉中間來最小化我大腦的預測誤差信號。

事實上，這就是自由能原理如何解釋我們所做的一切：感知、行動、計劃、解決問題。當我乘車出差時，我可以通過行動來確認我的假設（我的幻想），從而最小化自由能。

事實證明，自由能原理不僅是關于行動、感知和計劃的統(tǒng)一理論；它同時也是有關精神疾病的理論。當大腦分給感官輸入的信息比重過少或過多時，麻煩就來了。例如，某位精神分裂癥患者可能無法更新他們的世界模型來解釋來自眼睛的感官輸入。“如果你思考一下精神疾病，大部分的神經(jīng)類疾病，它們只不過是破碎的信念或錯誤的推斷（幻覺和錯覺）?！备ダ锼诡D說道。

在過去的幾年里，弗里斯頓和其他一些科學家已經(jīng)利用自由能原理來幫助解釋焦慮、抑郁和精神病，以及自閉癥、帕金森病和精神變態(tài)的某些癥狀。在許多情況下，科學家已經(jīng)知道（多虧了弗里斯頓的神經(jīng)成像方法）在不同的疾病中，大腦的哪些區(qū)域容易出現(xiàn)功能障礙，哪些信號容易受到干擾。但僅僅只是這些還不夠。他說道：“僅僅了解哪些突觸、或者哪些大腦連接運作不正常是不夠的，需要關于信念的計算式?！?/p>

所以，自由能原理為心智如何運作提供了統(tǒng)一的解釋，也為心智如何失靈提供了統(tǒng)一的解釋。因此，它也可能使我們走上一條從頭開始建立心智體系的道路。

幾年前，一組英國科研人員決定用一種新的分析工具重新審視喬治國王三世瘋癲的事實。他們將國王寫的大約500封信載入機器學習引擎，并對系統(tǒng)進行了艱苦的訓練，以識別各種文本特征：單詞重復、句子長度、句法復雜性等等。在培訓過程結束的時候，系統(tǒng)已經(jīng)能夠預測出某封王室信函是國王在狂躁時期寫的，還是在神志清醒時期寫的。

人工智能的另一種方法稱作強化學習，強化學習不需要人類對大量的訓練數(shù)據(jù)進行標注，它只需要告訴神經(jīng)網(wǎng)絡去尋求某種獎勵，通常就是在游戲中獲勝。神經(jīng)網(wǎng)絡通過一遍又一遍的玩游戲來學習，優(yōu)化任何可能會讓它進入最終對決的動作。但強化學習也有相當大的局限性。在現(xiàn)實世界中，大多數(shù)情況并不是圍繞著一個單一的、狹隘定義的目標來組織的，現(xiàn)實世界中的大多數(shù)環(huán)境并不像游戲那樣穩(wěn)定和受規(guī)則約束。

對于弗里斯頓和他的狂熱追隨者來說，這種失敗是完全有理由的。畢竟，根據(jù)自由能原理，人類思想的根本驅動力并不是尋求某種任意的外在獎勵，而是為了最小化預測誤差。顯然，神經(jīng)網(wǎng)絡也應該這樣做。

2014年，Netflix機器學習基礎設施主管朱莉·皮特（Julie Pitt）發(fā)現(xiàn)了弗里斯頓和自由能原理，這改變了她的想法。皮特說，自由能模型的美妙之處在于，它允許人工主體在任何環(huán)境中發(fā)揮作用，即便是新的且未知的環(huán)境。在舊的強化學習模式下，你必須不斷制定新的規(guī)則和獎勵來讓你的主體去應對復雜的世界。但是，自由能主體卻總是能產(chǎn)生它自己的內在獎勵：最小化意外。

2017年底，由倫敦國王學院神經(jīng)系統(tǒng)科學家兼工程師羅莎琳·莫蘭（Rosalyn Moran）領導的一支團隊，在某一版本的3D射擊游戲《毀滅戰(zhàn)士》中，讓兩名AI玩家對抗。目的是對由主動推理驅動的主體和由獎勵最大化驅動的主體進行比較?；讵剟畹闹黧w的目標是殺死游戲中的怪物，但是自由能驅動的主體只需要將意外最小化。一段時間后，明顯可以看出，即使在游戲的玩具環(huán)境中，獎勵最大化主體也“明顯不那么穩(wěn)健”；自由能主體能夠更好了解它的環(huán)境。莫蘭表示：“它比強化學習表現(xiàn)更好，因為它在探索?！痹诹硪豢钅M游戲中，自由能最小化主體與真人玩家進行對抗，其過程大同小異。弗里斯頓式主體在迅速實現(xiàn)仿人類的表現(xiàn)之前，一開始也是緩慢卻積極地探索各種選擇，按照弗里斯頓的說法就是認知式覓食。莫蘭告訴我,盡管速度緩慢，但主動推理已經(jīng)開始蔓延到更多的主流深度學習的研究中。

當我第一次向弗里斯頓請教自由能原理和人工智能之間的聯(lián)系時，他預測在5到10年內，大部分機器學習將會包含自由能最小化。到了第二次，他的回答就很風趣了。弗里斯頓說道：“想想它為什么被稱為主動推理（active inference）”，嗯，就是人工智能（AI）呀，主動推理是新的人工智能嗎？是的，就是首字母縮寫?！?/p>

我在倫敦的時候，弗里斯頓在一家量化交易公司做了一次報告。大約有60名娃娃臉的股票交易員在結束了一天的工作后，出席了會議。弗里斯頓描述了自由能原理是如何在人工主體中模擬好奇心的。大約15分鐘后，他告訴聽眾如果能聽明白他在說什么的話就舉手。只有三人舉手，所以他把問題反過來問了：“如果你覺得這完全是胡說八道，并且根本聽不懂我在說什么，就請舉起手來好嗎?”這一次，很多人舉起了手，并且我覺得其他沒舉手的人也是出于禮貌。

第二天早上，想到那些聰明的年輕人中似乎很少有人能理解他，我問弗里斯頓他是否認為這場報告進行得很順利。他說道：“將有相當一部分觀眾能理解，只是不適合他們。有時他們會感到沮喪，因為這很重要，但他們自己又理解不了。他們覺得自己必須認為這是垃圾，然后離開。你會習慣的?！?/p>

2010年，哥倫比亞大學的精神病學家彼得·弗里德（Peter Freed）召集了15名大腦研究人員，來討論弗里斯頓的論文。弗里德是這樣描述《神經(jīng)心理分析》雜志上刊登的這篇論文的，“屋子里的人擁有豐富的數(shù)學知識：有三位統(tǒng)計學家、兩位物理學家、一位物理化學家、一位核物理學家和許多神經(jīng)成像專家，但顯然我們沒有得償所愿。我與普林斯頓大學的物理學家、斯坦福大學的神經(jīng)生理學家、冷泉港實驗室的神經(jīng)生物學家會面討論這篇論文。所有人再次一無所獲：太多方程式、太多假設、太多運動部件、太過全球化的理論，根本沒有提出問題的機會，于是人們放棄了?！?/p>

但是，對于所有被弗里斯頓的不可理喻激怒的人來說，幾乎同樣多的人認為他開啟了某種巨大的東西，這是一個可以和達爾文的自然選擇學說相媲美的想法。2014年，加拿大哲學家麥克斯韋·拉姆斯特德（Maxwell Ramstead）第一次讀弗里斯頓的著作時，他就已經(jīng)在努力尋找方法，將以不同尺度存在的復雜生命系統(tǒng)（從細胞到大腦、從個體到文化）聯(lián)系起來。2016年，他見到了弗里斯頓，弗里斯頓告訴他，適用于細胞分化的數(shù)學原理同樣也適用于文化動態(tài)。拉姆斯特德說：“對我來說，這次對話足以改變一生?！?/p>

我們坐在皇后廣場的長椅上，周圍滿是附近醫(yī)院的患者和工作人員，拉姆斯特德說：“這在歷史上絕對是新奇的，在弗里斯頓出現(xiàn)之前，我們注定要永遠徘徊在這個缺乏通用貨幣的多學科世界上，自由能原理帶來了這種貨幣?！?/p>

2017年，拉姆斯特德、弗里斯頓以及墨爾本大學的保羅·拜德拷克（Paul Badcock）合著了一篇論文，在這篇論文中，他們用馬爾科夫毯來描述所有的生命。正如細胞是為了生存而將自由能最小化的馬爾科夫毯系統(tǒng)一樣，部落、宗教和物種也是如此。

拉姆斯特德的論文發(fā)表后，當時供職于FIL的認知神經(jīng)學家米卡·艾倫（Micah Allen）寫道，自由能原理已經(jīng)演變成了艾薩克·阿西莫夫（Isaac Asimov）心理史的現(xiàn)實版，阿西莫夫心理史是一個虛構的系統(tǒng)，它將所有的心理學、歷史學和物理學都簡化為統(tǒng)計科學。

的確，自由能原理似乎已經(jīng)擴展到近乎萬物理論。正如艾倫所疑問的：能夠解釋一切的理論是否也有可能什么也解釋不了?

在旅行的最后一天，我拜訪了身在里克曼斯沃斯鎮(zhèn)的弗里斯頓，他住在一間堆滿動物標本的房子里，他的妻子把制作動物標本當作一種愛好。碰巧的是，里克曼斯沃斯鎮(zhèn)出現(xiàn)在《銀河系漫游指南》的第一頁上。就是在這個小鎮(zhèn)上，“獨自坐在小咖啡館里的女孩” 突然發(fā)現(xiàn)了把世界變成“美好幸福地方”的秘密。但命運從中作梗?！八€沒來得及打電話將這一發(fā)現(xiàn)告訴任何人，一場可怕而愚蠢的災難就降臨了，從此，這個想法徹底消失了?！?/p>

目前還不清楚自由能原理是否就是那個能使世界成為美好幸福所在的秘密，正像它的一些信徒幾乎認為的那樣。在我們的談話繼續(xù)進行時，弗里斯頓本人傾向于采取一種更為慎重的說法，他只表明主動推理及其推論是很有希望的。他多次承認自己可能只是在“胡說八道”。在我上次參加的FIL的小組會議上，他告訴與會者自由能原理是一個“似是”概念，它不要求生物為了生存而將自由能最小化，它僅僅用于解釋生物的自組織。

弗里斯頓說，他的工作有兩個主要的動機。當然，自由能原理有朝一日能引領真正的人工意識是件好事，他說道，但這不是他的首要任務之一。相反，他的第一個大的愿望是推進精神分裂癥的研究，幫助修復類似他在老收容所認識的那些患者的大腦。他的第二個主要動機就要“自私得多”。這一切可以追溯到他十幾歲那年的那個晚上，他在臥室里看著盛開的櫻花，想道，“我能用最簡單的方法解決所有問題嗎?”

他說道：“這是一件非常自我放縱的事情，它的背后并沒有無私的冷靜同情，這只是一種自私的欲望，試圖盡可能徹底、嚴格、簡單地理解事物。我經(jīng)常思考人們拿我開的玩笑（有時是惡意的，有時是非常有趣的），說我難以溝通。我想：我又不是寫給你看的。我是寫給我自己的?！?/p>

資料來源 Wired