活着，就是一种「推理」——自由能原理如何统一了生命、大脑与AI

Thu, 23 Jul 2026 02:29:00 +0800

引言：走进咖啡馆时，你的大脑在做什么？

想象你走进一家熟悉的咖啡馆。

推门的那一刻，你的大脑已经在做一件极其复杂的事情：预测。

你预测门会发出"吱呀"一声（因为每次都是）。你预测吧台在左边、靠窗的座位在右边。你预测咖啡师会说"欢迎光临，老样子？"。

然后门响了——“吱呀”——和你预测的一样，你没什么感觉。

接着咖啡师开口了：“今天打烊了，我们没营业。”

你的大脑瞬间警觉。

等等，这和预测不一样。咖啡馆每天这个时间都营业的。为什么今天关门？发生了什么？

你的大脑开始"更新模型"： 也许今天是法定假日？也许老板生病了？也许这家店要转让了？

这个场景，完美地展示了你的大脑最核心的工作方式：它不是一个被动接收信息的器官，而是一个永不停歇的预测机器。

它持续不断地生成关于世界的"预测"，把这些预测和实际的感官输入做对比，然后用"预测误差"来更新自己的内部模型。

这个观点，在认知科学中被称为预测编码。但有一个更宏大的理论框架，把这件事推到了极致——

它叫自由能原理（Free Energy Principle, FEP）。

它声称：不只是你的大脑，而是整个生命系统——从单细胞生物到整个人类社会——都在做同一件事：最小化"自由能"。

“自由能"是什么？为什么和你的生命有关？为什么这个理论被称作"自控制论以来最宏大的理论综合”？

这篇文章，我们来拆解它。

一、自由能到底是什么？——用一句话说清楚

先别被名字吓到。

“自由能"这个词来自物理学，但在自由能原理的语境下，它其实可以理解为：你的大脑对世界的"惊讶程度”（surprise）的上限。

更准确地说——

自由能 = 你的大脑预测的世界，与真实世界之间的差距。

这个差距越小，你的"自由能"就越低，你就越"舒适"。

这个差距越大，你的"自由能"就越高，你就越"惊讶"——就像刚才那个咖啡馆的例子。

自由能原理的核心主张就是： 任何自组织系统（生命体、大脑、甚至整个生态系统）为了维持自身的有序状态，都必须持续地最小化自由能。

换句话说：活着，就是在对抗"惊讶"。

两个"减小惊讶"的策略

这个原理最精妙的地方在于，它揭示了所有生物都只有两种方式来减小自由能：

策略一：改变你的想法（感知） 当你看到的东西和预测不一致时，你更新自己的内部模型，让预测更准。

比如，你发现今天咖啡馆确实关门了，你更新自己的认知：“原来这家咖啡馆周日休息。”

策略二：改变这个世界（行动） 当你看到的东西和预测不一致时，你干脆动手改变环境，让环境变得符合你的预测。

比如，你太想喝咖啡了，于是你走到隔壁的咖啡馆，推门进去——“吱呀”——嗯，这下对了。

感知和行动，这两个看似完全不同的认知功能，在自由能原理下被统一为同一个目标——最小化自由能。

感知是"改变想法以适应世界"，行动是"改变世界以匹配想法"。

二、这个理论不只是"哲学"——2026年，它在真实神经元上被证实了

自由能原理由神经科学家卡尔·弗里斯顿（Karl Friston）在2000年代中期提出，在过去二十年里，它一直是一个"美丽的理论"——数学很优雅，解释力很强，但缺乏直接的实验证据。

2026年，这个缺口被补上了。

日本RIKEN研究所的研究团队在《自然·通讯》上发表了一项关键实验：他们在真实的生物神经元网络上观察到了自由能最小化过程。

这意味着什么？

意味着自由能原理不再只是一个"数学上很美的理论框架"——它被证明是生物神经系统实际运行的机制。

研究团队构建了培养神经元网络，并让它们接收特定的感官刺激模式。他们发现，这些神经元网络确实在主动预测接下来的刺激，并基于预测误差来调整自身的连接强度。整个过程中，神经元网络的"自由能"（即预测误差的信息论度量）确实在持续下降。

这不是一个关于AI的理论。这是一个关于"你"的理论——你的大脑，真的在用这种方式工作。

三、更大的突破：2026年的三个理论飞跃

2026年，自由能原理领域发生了三件大事，让这个理论从"神经科学的理论"变成了"AI设计的蓝图"。

突破一：规划和感知被统一了

2026年，Nuijten等人的研究发现了一件令人震惊的事：

在自由能原理框架下，规划和感知使用的是同一个数学过程。

传统上，AI把"规划"（决定要做什么）和"感知"（理解当前环境）当作两个完全不同的模块来处理。但Nuijten证明，所谓的"规划"——也就是对未来行动序列的评估——本质上就是在做"带认知先验的变分推断"。

翻译成人话：你的大脑在"规划未来"时，用的算法和"理解现在"时是同一个。

这意味着什么？意味着好奇心不是附加的功能，而是自由能最小化的必然产物。 当你探索未知事物时，你其实是在做一件事——“收集信息来减少未来可能遇到的惊讶”。探索和利用的权衡，不是大脑额外设计的机制，而是变分推断的固有性质。

突破二：多智能体系统也被统一了

Bouchaffra等人（2026）提出了"集体变分原理"，将贝叶斯推断、博弈论与热力学统一为同一个数学结构。

这个发现揭示了一件事： 多个智能体之间的社会互动，和单个智能体的认知过程，遵循的是同一个底层原理——自由能最小化。

当你在人群中走路时自动调整步伐、当你在对话中预测对方的下一个词、当你在团队中协调行动——这些"社会行为"和"个体认知"使用的是同一套底层机制。

突破三：自由能原理被用于解析LLM的内部结构

在同一个2026年，Bouchaffra等人还将自由能原理应用于分析大语言模型（LLM）的多头注意力机制。

他们发现，LLM的注意力头可以被理解为"自由能最小化"的智能体——每个头都在做自己的"预测-校验"循环。通过分析这些头之间的"合作"与"冗余"，他们提出了一种新的模型剪枝方法：剪掉20%的注意力头，只增加了不到5%的困惑度，却减少了18%的计算量，提升了22%的吞吐量。

自由能原理不仅解释大脑，还给出了优化AI的实际方法。

四、AI的下一个方向：AXIOM模型与主动推理

如果自由能原理真的能指导AI设计，那它应该能造出更好的AI。

卡尔·弗里斯顿 on 灵语AI