On the Minimal Theory of Consciousness Implicit in Active Inference

論主動推理中隱含的最小意識理論

https://arxiv.org/abs/2410.06633

摘要
主觀體驗(yàn)的多面性對意識研究構(gòu)成了挑戰(zhàn)。傳統(tǒng)的神經(jīng)科學(xué)方法往往集中于孤立的方面，例如知覺意識或意識的整體狀態(tài)，并圍繞相關(guān)的經(jīng)驗(yàn)范式和研究發(fā)現(xiàn)構(gòu)建理論。因此，各種意識理論通常難以相互比較；事實(shí)上，這些理論旨在解釋的現(xiàn)象之間可能幾乎沒有重疊。在此，我們采取一種不同的方法：從主動推理——一種將行為建模為（近似）貝葉斯推理的第一性原理框架——出發(fā)，逐步構(gòu)建一種極簡的意識理論，該理論源于在主動推理框架下推導(dǎo)出的計(jì)算模型的共同特征。我們回顧了一系列將主動推理模型應(yīng)用于意識研究的成果，并論證所有這些模型都隱含著一小組理論承諾，這些承諾指向一種極簡（且可檢驗(yàn)）的意識理論。

1. 引言

意識體驗(yàn)是異質(zhì)且多面的。初步來看，對意識的科學(xué)研究可分為三個相關(guān)（但在實(shí)踐中很大程度上相互獨(dú)立）的研究方向：對內(nèi)容、狀態(tài)和自我的研究（Seth, 2021）。意識的內(nèi)容是主體所意識到的體驗(yàn)中的品質(zhì)或元素（例如，一朵紅花在綠色背景下的圖像，或 freshly brewed coffee 的香氣）。內(nèi)容的研究通過控制物理刺激屬性和意識的整體狀態(tài)（如困倦），同時變化主觀知覺來進(jìn)行（Baars, 2002）。有意識的生物也具有不同的整體意識狀態(tài)，這些狀態(tài)通常通過行為評估（例如，通過格拉斯哥昏迷量表；Teasdale et al., 2014），對于評估意識障礙患者至關(guān)重要。這些狀態(tài)包括植物狀態(tài)、各種睡眠狀態(tài)、正常清醒狀態(tài)，或許還有譫妄或致幻狀態(tài)（討論見 Bayne et al 2016）。意識（至少在人類中）通常也伴隨著某種形式的極小的和/或敘述性的自我意識（Gallagher, 2000），以及具身性、自我性和人格性的體驗(yàn)（Ciaunica et al., 2022; Seth, 2013; Seth & Tsakiris, 2018）。

大多數(shù)神經(jīng)科學(xué)意識理論將這些現(xiàn)象中的某一部分作為其解釋目標(biāo)，并圍繞相關(guān)的經(jīng)驗(yàn)范式和研究發(fā)現(xiàn)構(gòu)建理論（Seth & Bayne, 2022）。例如，全局工作空間理論（Baars, 2005; Baars et al., 2013）及其當(dāng)代化身——全局神經(jīng)元工作空間理論（Dehaene et al., 2011; Mashour et al., 2020），是圍繞對比分析方法構(gòu)建的，該方法將知覺內(nèi)容的意識視為因變量；也就是說，改變參與者是否意識到由刺激引起的某個特定內(nèi)容。意識的整體狀態(tài)最初被視為一個背景條件（Dehaene et al., 2006），這使得全局神經(jīng)元工作空間理論主要成為一種關(guān)于意識內(nèi)容的理論。此后，該理論也被應(yīng)用于通過麻醉操縱意識整體狀態(tài)的實(shí)驗(yàn)（綜述見 Mashour et al., 2020）。然而，最初認(rèn)為意識狀態(tài)是內(nèi)容意識的背景條件，而非約束內(nèi)容的上下文構(gòu)造的假設(shè)，可以說在當(dāng)代版本的理論中仍然存在（見 Bayne et al., 2016; Bayne & Carter, 2018）。高階理論（Brown et al., 2019; Fleming, 2020; Lau & Rosenthal, 2011）同樣主要是關(guān)于內(nèi)容如何變得有意識的理論，并且迄今為止對意識內(nèi)容與狀態(tài)之間的關(guān)系保持沉默。類似地，作為另一個領(lǐng)先的意識理論，整合信息理論（Albantakis et al., 2023; Oizumi et al., 2014; Tononi et al., 2016）的發(fā)展明確旨在解決意識的難題（即，解釋為什么某些物理結(jié)構(gòu)產(chǎn)生主觀體驗(yàn)而其他結(jié)構(gòu)不產(chǎn)生）。整合信息理論完全從內(nèi)在的角度來處理意識，從而低估了外顯行為的作用，而外顯行為可以說不僅在塑造我們意識到什么方面，而且在決定意識內(nèi)容的定性特征方面都扮演著重要角色（O'Regan & No?, 2001; Seth, 2014）。其他理論，如主觀性的自我模型理論（Metzinger, 2004）或投射意識模型（Rudrauf et al., 2017），則專注于解釋自我或第一人稱視角的（看似）存在。除了上述引用的理論之外，還有其他意識理論，其中許多理論側(cè)重于特定的解釋目標(biāo)和方法論方法。因此，這種狀況構(gòu)成了雙重挑戰(zhàn)：不僅意識理論之間難以——基于經(jīng)驗(yàn)證據(jù)——進(jìn)行裁決（Yaron et al., 2022），有時甚至不清楚這些理論是否旨在解釋相同的經(jīng)驗(yàn)數(shù)據(jù)（Seth & Bayne, 2022）。

本文中，我們并非從意識的一個或多個特定屬性作為主要解釋目標(biāo)開始，而是從主動推理開始，這是一個將適應(yīng)性行為建模為（近似）貝葉斯推理的框架，并詢問我們是否能由此構(gòu)建出一個意識理論。主動推理是在預(yù)測編碼理論（Rao & Ballard, 1999; Srinivasan et al., 1982）和將大腦功能視為推理的'亥姆霍茲機(jī)'（Dayan et al., 1995）的背景下發(fā)展起來的，這些理論借鑒了統(tǒng)計(jì)學(xué)中變分推理和消息傳遞的進(jìn)展（Beal, 2003; Wainwright & Jordan, 2008; Winn & Bishop, 2005）。該框架的新穎之處不在于提供獨(dú)特的預(yù)測。事實(shí)上，計(jì)算神經(jīng)科學(xué)及相關(guān)學(xué)科中許多替代性的但針對特定領(lǐng)域的規(guī)范建?？蚣?，與主動推理一致或等價，但往往適用于更狹窄的上下文范圍（Da Costa, Sajid, et al., 2020; Sajid, Ball, et al., 2021; Sajid, Da Costa, et al., 2021）。相反，主動推理的新穎之處在于其普遍性。在該框架下，通過最小化相同的自由能泛函（Parr et al., 2022），即變分自由能和期望自由能，可以對極其多樣化的行為進(jìn)行建模。實(shí)際上，主動推理框架已應(yīng)用于認(rèn)知和神經(jīng)科學(xué)領(lǐng)域的各種現(xiàn)象，包括視覺搜索（Cullen et al., 2020; Mirza et al., 2018; Parr et al., 2021）以及語言的理解和生成（Friston, Parr, et al., 2020; Friston, Sajid, et al., 2020）等領(lǐng)域。由于這些現(xiàn)象都是在最小化相同目標(biāo)函數(shù)（這些函數(shù)可以分解為一小組可解釋的（準(zhǔn)目的論的）術(shù)語）時出現(xiàn)的，主動推理使我們能夠揭示跨不同感興趣現(xiàn)象之間的共性和差異，而這些在一個通用性較差的建?？蚣苤锌赡軙谎谏w。因此，我們將論證，恰恰因?yàn)橹鲃油评肀旧聿⒎且粋€意識理論，它才能夠公正地對待意識體驗(yàn)的多樣屬性（參見 Hohwy & Seth, 2020; Vilas et al., 2021）。我們的論點(diǎn)是，通過從一個用于建模適應(yīng)性行為的通用框架出發(fā)，隨著單個的意識現(xiàn)象（即意識科學(xué)中的經(jīng)典范式）開始被一個單一的正式（即數(shù)學(xué)）公式所解釋，一個意識理論的輪廓將自然而然地浮現(xiàn)出來。

實(shí)際上，在從主動推理構(gòu)建一個極簡意識理論的過程中，一個自然的初步步驟（已經(jīng)在進(jìn)行中）是利用該框架對意識科學(xué)領(lǐng)域中作為范例的個別現(xiàn)象進(jìn)行建模。在開發(fā)了這樣的模型之后，人們可以探索它們的計(jì)算特性和行為，并將每個模型中的變量和參數(shù)映射到正在建模的特定意識過程的現(xiàn)象學(xué)方面。然后，每個模型都成為理論的一個構(gòu)建塊，隨著更多模型的積累，理論也隨之發(fā)展。通過這種漸進(jìn)的過程，一個成熟的主動推理意識理論可能會逐漸成形。因此，這個過程的一個關(guān)鍵組成部分在于識別那些在意識科學(xué)的不同現(xiàn)象中既具有解釋力又具有系統(tǒng)性的模型之間共有的計(jì)算特性（Atkinson et al., 2000; Seth, 2009）。重要的是，與該理論最初極簡的性質(zhì)一致，我們將局限于討論意識神經(jīng)科學(xué)中研究充分的范式，并避免推測超出這些實(shí)驗(yàn)任務(wù)的意識的更一般功能（包括潛在的進(jìn)化起源）。實(shí)際上，我們的方法與其說是關(guān)于意識的涌現(xiàn)（參見，例如，F(xiàn)leming & Michel, 2024），不如說是關(guān)于一個表現(xiàn)出與意識相關(guān)現(xiàn)象的系統(tǒng)的屬性。

本文旨在與兩個目前很大程度上相互獨(dú)立的關(guān)鍵受眾對話：研究意識的實(shí)驗(yàn)神經(jīng)科學(xué)家和認(rèn)知科學(xué)家，以及在主動推理框架內(nèi)工作的神經(jīng)建模者和理論家。對于實(shí)驗(yàn)界，我們希望提供一份精確但易于理解的主動推理及其與意識關(guān)系的指南；特別強(qiáng)調(diào)該理論的經(jīng)驗(yàn)承諾。對于從事主動推理研究但目前未涉足意識研究的理論家，我們希望強(qiáng)調(diào)該框架對意識的現(xiàn)成適用性，以及需要進(jìn)一步理論和形式發(fā)展的領(lǐng)域。

我們在第2-3節(jié)開始，簡要介紹主動推理建?？蚣?，重點(diǎn)介紹將變分自由能和期望自由能分解為一小組具有目的論意義的術(shù)語。我們還介紹了支撐主動推理的生成模型架構(gòu)的一般特征及其潛在的神經(jīng)實(shí)現(xiàn)。這兩節(jié)技術(shù)性最強(qiáng)，熟悉主動推理形式體系的讀者可以跳過。我們鼓勵不熟悉主動推理的讀者堅(jiān)持讀完這兩節(jié)。主動推理本質(zhì)上是一個數(shù)學(xué)框架，為了精確地討論它，我們必須使用相關(guān)的形式體系。第4節(jié)隨后調(diào)查了與意識科學(xué)相關(guān)的建模文獻(xiàn)，并提出了對現(xiàn)有模型的一個新穎擴(kuò)展，使主動推理能夠觸及對意識整體狀態(tài)的研究。最后，在第5節(jié)中，我們認(rèn)為所有這些模型都隱含著一組假設(shè)和理論承諾，一旦使其明確，就會產(chǎn)生一個極簡但在經(jīng)驗(yàn)上富有成效的意識理論。為了使這個極簡理論與實(shí)驗(yàn)之間的關(guān)系盡可能清晰，我們遵循意識科學(xué)哲學(xué)領(lǐng)域近期的工作（Negro, 2024），并通過拉卡托斯的'科學(xué)研究綱領(lǐng)'（Lakatos, 1968）的視角來討論該理論及其經(jīng)驗(yàn)承諾。

最后，我們指出本文的主要目的在于教學(xué)而非論戰(zhàn)。 也就是說，我們不會先論證其他競爭性意識理論的不足之處，然后將主動推理作為替代方案提出。相反，我們旨在對主動推理框架中隱含的（極簡）意識理論提供一個積極的闡述。我們認(rèn)為，最富有成效的前進(jìn)方式是盡可能精確地闡明該理論的結(jié)構(gòu)及其與經(jīng)驗(yàn)數(shù)據(jù)的關(guān)系，以促進(jìn)經(jīng)驗(yàn)驅(qū)動的理論比較。

2. 變分自由能和期望自由能

一個維持其身體完整性的有機(jī)體，必須能夠停留在與其存在相容的狹窄狀態(tài)范圍內(nèi)（例如，對于哺乳動物來說，維持相對恒定的內(nèi)部體溫）；這意味著有機(jī)體將把大部分時間花在一組相對受限的特征性狀態(tài)中（Friston, 2013; Tschantz et al., 2020）。在主動推理下，這通過將有機(jī)體的表型解釋為其生態(tài)位的生成模型（即，關(guān)于其感官輸入如何產(chǎn)生的模型）來建模，該模型為與頻繁占據(jù)狀態(tài)（即，該種類有機(jī)體的特征性狀態(tài)）相關(guān)的觀察結(jié)果賦予高概率（Corcoran & Hohwy, 2018; Ramstead et al., 2020; Ramstead et al., 2018, 2020, 2021）。因此，感知-行動循環(huán)被視為一個優(yōu)化問題，其中被極值化的主要目標(biāo)函數(shù)——變分自由能——代表了有機(jī)體觀察結(jié)果如何產(chǎn)生的生成模型的（對數(shù)）證據(jù)（Da Costa, Parr, et al., 2020）。關(guān)鍵在于，該生成模型包含一個先驗(yàn)信念，即當(dāng)行動序列最小化期望自由能時，它們更合理。這意味著有兩個目標(biāo)函數(shù)需要考慮。具體來說，（負(fù)）變分自由能是對數(shù)模型證據(jù)的一個計(jì)算上易于處理的下界，而（負(fù)）期望自由能可以被認(rèn)為是近似于期望的對數(shù)模型證據(jù)（Parr & Friston, 2018a）。最小化變分自由能使有機(jī)體獲得了模型證據(jù)的近似值，可用于推斷世界的隱藏狀態(tài)并學(xué)習(xí)環(huán)境的各種統(tǒng)計(jì)量。然后，該模型中的信念可用于選擇那些最小化期望自由能，從而使主體保持在其表型特征性狀態(tài)（與其持續(xù)生存一致）的行動。這使得行為可以被解釋為自我證明（Hohwy, 2016, 2020, 2021），即有機(jī)體采取行動來最大化其世界模型的證據(jù)。

構(gòu)成這一自我證明過程的各個量至關(guān)重要，我們將依次審視它們。

變分自由能（公式1）是，在近似后驗(yàn)分布 (q) 下，近似后驗(yàn)的對數(shù)與生成模型 (p) 的對數(shù)（即觀察結(jié)果 (o) 與其原因——或隱藏狀態(tài) (s) ——的聯(lián)合概率）之間的期望差異。近似后驗(yàn)反映了在給定感官數(shù)據(jù)的情況下，對世界隱藏狀態(tài)的推斷結(jié)果。

變分自由能有兩種關(guān)鍵的分解方式，每種都從互補(bǔ)的視角突顯了其基本屬性。方程1的第二行利用概率的乘積規(guī)則以及模型證據(jù)不依賴于隱藏狀態(tài)這一事實(shí)（允許我們在第二項(xiàng)中省略期望算子），將變分自由能分解為兩項(xiàng)：近似后驗(yàn)與真實(shí)后驗(yàn)之間的相對熵或KL散度，以及驚奇度或負(fù)的模型證據(jù)（即，對所有隱藏狀態(tài)平均后的感官數(shù)據(jù)的概率）。KL散度總是大于或等于零，因此變分自由能總是大于或等于驚奇度（亦稱驚異或自信息）。因此，變分自由能是驚奇度的一個上界，并且當(dāng)近似后驗(yàn)與真實(shí)后驗(yàn)匹配時，它將等于驚奇度。

第一種分解在教學(xué)上有助于理解變分自由能的屬性，但對于描述變分自由能如何被最小化并無用處。這是因?yàn)檎鎸?shí)后驗(yàn)的值在計(jì)算上是棘手的，因此主體無法得知。在第三行中，我們將變分自由能分解為兩項(xiàng)，復(fù)雜度和準(zhǔn)確度，這兩項(xiàng)在計(jì)算上都是易于處理的。復(fù)雜度是狀態(tài)的后驗(yàn)近似與狀態(tài)的先驗(yàn)（即，接收感官數(shù)據(jù)之前關(guān)于隱藏狀態(tài)的信念）之間的KL散度，它衡量了先驗(yàn)與近似后驗(yàn)之間的差異?？梢詫⑵湟暈閷π拍罡路鹊囊粋€正則化項(xiàng)。先驗(yàn)與近似后驗(yàn)之間的變化越大，復(fù)雜度越高。準(zhǔn)確度是觀測結(jié)果的期望對數(shù)似然（即，在每個隱藏狀態(tài)下當(dāng)前觀測結(jié)果的概率）。因此，最小化變分自由能要求有機(jī)體在最大化準(zhǔn)確度和最小化復(fù)雜度之間進(jìn)行權(quán)衡。這是一個關(guān)鍵點(diǎn)。感官輸入是嘈雜且模糊的；給定噪聲數(shù)據(jù)，通過調(diào)整近似后驗(yàn)以擬合當(dāng)前數(shù)據(jù)，總是可以提高準(zhǔn)確度。然而，持續(xù)對后驗(yàn)進(jìn)行大幅更改會大大降低模型泛化到新觀察結(jié)果的能力。如果不懲罰（貝葉斯）信念的大幅更新，一個最大“準(zhǔn)確”的模型將會過度擬合噪聲，并需要不斷修正 (Sengupta et al., 2013)。因此，最小化變分自由能確保主體具備對其感知世界的一個可泛化的解釋或模型。

由于是自我組織的生物，主體必須選擇那些平均而言能最小化變分自由能的行動 (Friston, Rigoli, Ognibene, Mathys, Fitzgerald & Pezzulo, 2015; Parr & Friston, 2019)。純粹反應(yīng)性的行動，如反射弧，可以通過采取行動使觀測結(jié)果符合先驗(yàn)信念中編碼的（內(nèi)穩(wěn)態(tài)或本體感覺的）設(shè)定點(diǎn)，從而在變分自由能最小化的框架下進(jìn)行闡述 (Buckley et al., 2017; Tschantz et al., 2022)。然而，更復(fù)雜的行動或行動序列（即，策略）需要對未來觀測結(jié)果進(jìn)行某種形式的反事實(shí)計(jì)算（即，規(guī)劃）。這種規(guī)劃依賴于期望自由能（方程2），它將一個策略的可觀測后果視為隨機(jī)變量（因?yàn)樗鼈兩形幢挥^測到）。期望自由能對期望觀測結(jié)果進(jìn)行加權(quán)求和，以近似每個策略下行動的期望結(jié)果；故稱“期望”自由能。我們可以將變分自由能視為期望自由能的一個特例，適用于當(dāng)前時刻；即當(dāng)觀測結(jié)果已知且不依賴于未來行動時。

因此，根據(jù)主動推理，行動選擇如同感知一樣，是一個（將規(guī)劃視為）推理的過程。關(guān)鍵在于，主體必須推斷其最可能的行動過程 (Friston, et al 2017)，而非推斷最大化感官結(jié)果概率的隱藏狀態(tài)。這里行動可以涵蓋一切，從外顯的身體運(yùn)動（如眼跳）到內(nèi)隱的心理活動（如注意力定向）。這種方案顛倒了通常用于建模行動選擇的框架：它不是尋找能達(dá)到某種偏好狀態(tài)的行動，而是首先假設(shè)主體將實(shí)現(xiàn)其偏好狀態(tài)，然后推斷到達(dá)該狀態(tài)的最可能行動過程（參見 Millidge et al., 2020）。最可能的行動過程，就是那個能最小化合理策略的期望自由能的策略。

方程2的第二行展示了將期望自由能分解為其最直觀的組成部分：風(fēng)險、模糊性和新穎性。由于推導(dǎo)過程較為復(fù)雜，我們建議感興趣的讀者參考 (Da Costa, Parr, et al., 2020) 的附錄。

第一項(xiàng)，風(fēng)險，是特定策略下的觀測結(jié)果預(yù)測后驗(yàn)與主體偏好觀測結(jié)果（由 C 指定）之間的KL散度，后者包括了編碼在主體表型中的內(nèi)穩(wěn)態(tài)設(shè)定點(diǎn)（討論見 Smith, Ramstead, et al., 2021; Smith et al., 2022）。因此，較小的值表示在某個策略下預(yù)期的觀測結(jié)果與主體認(rèn)為最具表型特征或最有回報的觀測結(jié)果之間具有更大的相似性。最小化此項(xiàng)的需要促進(jìn)了目標(biāo)尋求行為的偏好。第二項(xiàng)，模糊性，是似然（即隱藏狀態(tài)與觀測結(jié)果之間的映射）的期望（條件）熵。為了最小化模糊性項(xiàng)，主體將選擇那些能使?fàn)顟B(tài)與觀測結(jié)果之間映射更精確的策略（例如，在黑暗的房間里打開燈）。第三項(xiàng)，即最后一項(xiàng)，新穎性，是模型參數(shù)的后驗(yàn)分布（以狀態(tài)、觀測結(jié)果和策略為條件）與模型參數(shù)的邊緣后驗(yàn)之間的期望KL散度。在此，我們針對似然分布的參數(shù)展示了這一點(diǎn)，用 A 表示（下面將要描述的分類似然矩陣上的狄利克雷先驗(yàn)的濃度參數(shù)），但類似的項(xiàng)也可以包含在其他參數(shù)中。新穎性衡量了在每個策略下預(yù)期由狀態(tài)和觀測結(jié)果所帶來的關(guān)于生成模型參數(shù)的信念變化。因?yàn)樾路f性是一個負(fù)項(xiàng)，為了最小化期望自由能，主體被驅(qū)使去最大化以觀測結(jié)果和狀態(tài)為條件的后驗(yàn)與邊緣后驗(yàn)之間的差異，即尋找預(yù)期會導(dǎo)致關(guān)于模型參數(shù)的 posterior 信念發(fā)生最大變化的新的觀測結(jié)果。這說明了支撐主動推理的雙重要求：即，目標(biāo)尋求和信息尋求，兩者被包含在單一的目標(biāo)函數(shù)之下。因此，最小化期望自由能要求主體在這些要求之間進(jìn)行權(quán)衡；這意味著主體通過選擇那些能在最小化風(fēng)險（即最大化偏好）、最小化模糊性（即最大化關(guān)于狀態(tài)的信息增益）和尋求新穎觀測結(jié)果（即最大化關(guān)于參數(shù)的信息增益）之間達(dá)到最佳平衡的策略，來解決探索-利用困境 (Schwartenbeck et al., 2019)。關(guān)于期望自由能作為在給定先前行動和觀測結(jié)果的情況下，主體控制下的狀態(tài)的邊緣似然的一種更一般的表述，請參見 (Da Costa et al., 2024)。

總之，配備了有限套自動行動（例如，簡單的有機(jī)體或更復(fù)雜有機(jī)體的自動化子系統(tǒng)）的主體，可以通過最小化變分自由能來建模，即讓有機(jī)體/主體采取行動，使觀測結(jié)果與先驗(yàn)信念（例如，內(nèi)穩(wěn)態(tài)設(shè)定點(diǎn)；Buckley et al., 2017; Corcoran et al., 2020）一致。因此，變分自由能可用于在連續(xù)和離散生成模型中建模感知推理，以及在連續(xù)模型中建模簡單的反射樣行動。然而，一旦行動選擇需要任何反事實(shí)計(jì)算的元素，我們就轉(zhuǎn)向期望自由能 (Corcoran et al., 2020)，它（通常）需要一個離散生成模型（通常是分類-狄利克雷模型；Koudahl et al., 2021）。

3. 生成模型、信念更新與神經(jīng)動力學(xué)

當(dāng)前主動推理的最前沿技術(shù)將大腦描繪成一個由相互作用的生成模型組成的層級“混合模型” (Friston et al., 2017; Parr et al., 2021, 2022; Parr & Friston, 2018c)。支撐低層感官推斷的生成模型采用預(yù)測編碼網(wǎng)絡(luò)的形式，對連續(xù)量（如運(yùn)動和對比度）進(jìn)行推斷。然后，連續(xù)的低層感官系統(tǒng)通過連接函數(shù)（將連續(xù)量映射到離散潛在變量）與更高層的離散生成模型（例如，部分可觀測馬爾可夫決策過程，POMDPs）進(jìn)行接口，后者執(zhí)行分類感官推斷并選擇離散的行動序列（即策略），這些策略隨后（再次通過連接函數(shù)）被轉(zhuǎn)換回連續(xù)的運(yùn)動指令 (Parr & Friston, 2018c)。關(guān)于連續(xù)模型的教程式綜述，請參見 Bogacz (2017) 和 Buckley et al, (2017)。關(guān)于離散模型的詳細(xì)數(shù)學(xué)綜述，請參見 Da Costa, Parr, et al, (2020)；關(guān)于更易理解的教程式綜述，請參見 Smith et al, (2022)。關(guān)于連續(xù)和離散模型的專著級論述，請參見 Parr et al., (2022)。

為了說明在主動推理下推導(dǎo)預(yù)測編碼所依據(jù)的一般原理，這里我們回顧一下如何從變分自由能推導(dǎo)出一個單層預(yù)測編碼網(wǎng)絡(luò)，假設(shè)一個靜態(tài)的生成模型和固定的先驗(yàn) (Bogacz, 2017; Friston, 2005)。同樣的原理也適用于動力學(xué)模型的推導(dǎo) (Buckley et al., 2017)，但需要相當(dāng)多的形式化工具（例如，運(yùn)動的廣義坐標(biāo)）。

為了得到變分自由能的一個易于處理的表達(dá)式，我們做出以下三個假設(shè)：1) 生成模型（即似然和先驗(yàn)）和近似后驗(yàn)是高斯分布；2) 變分自由能可以通過在后驗(yàn)均值周圍的二階泰勒級數(shù)展開（拉普拉斯近似）很好地近似；3) 方差是平穩(wěn)的。事實(shí)上，這是對同一假設(shè)的三種不同表述方式。在這些假設(shè)下，（負(fù)）變分自由能的表達(dá)式簡化為在后驗(yàn)眾數(shù)處評估的生成模型的對數(shù)。

這為我們提供了一組三個常微分方程，描述了三個類神經(jīng)元節(jié)點(diǎn)的行為，其動力學(xué)在變分自由能上進(jìn)行梯度下降。這為我們提供了一個簡單的神經(jīng)元動力學(xué)模型，該模型近似于隱藏狀態(tài)的后驗(yàn)分布。這些方程與皮層微回路之間的映射是一個正在進(jìn)行的研究課題。然而，廣義上講，隱藏狀態(tài)的動力學(xué)（在“期望節(jié)點(diǎn)”中實(shí)現(xiàn)）通常與皮層的深層相關(guān)聯(lián)，這些深層橫向投射到同一皮層層級淺層的誤差節(jié)點(diǎn)，并向后投射到下級皮層層級淺層的誤差節(jié)點(diǎn)。預(yù)測誤差動力學(xué)（在“誤差節(jié)點(diǎn)”中實(shí)現(xiàn)）通常與皮層的淺層相關(guān)聯(lián)，這些淺層橫向投射到同一皮層層級深層，并向前投射到該層級更高層的深層（圖1a）。每個層級的期望節(jié)點(diǎn)作為其上一層的觀測值，并作為其下一層的先驗(yàn)（綜述和討論見 Bastos et al., 2012; Hodson et al., 2023; Shipp, 2016; Walsh et al., 2020）。

與預(yù)測編碼一樣，感知推斷的目標(biāo)是通過最小化變分自由能，在給定一組觀測結(jié)果的情況下推斷出狀態(tài)的（近似）后驗(yàn)分布。在這里，我們使用 Parr, Markovic, et al., (2019) 引入的（邊緣）變分自由能的時間無關(guān)定義，并將生成模型寫成矩陣形式。

同樣，與預(yù)測編碼類似，生成模型的反轉(zhuǎn)是通過對變分自由能關(guān)于狀態(tài)進(jìn)行梯度下降來實(shí)現(xiàn)的。忽略常數(shù)項(xiàng)，方程8給出了邊緣自由能梯度的表達(dá)式。

使用 softmax 函數(shù)（它是邏輯函數(shù)向向量的推廣）來模擬平均放電率，是基于大規(guī)模腦動力學(xué)平均場模型中的一個假設(shè)，即一個神經(jīng)元群體的平均放電率可以視為平均膜電位的一個 S 型函數(shù) (Breakspear, 2017; Da Costa et al., 2021; Hopfield, 1982; Wilson & Cowan, 1972)。腦電圖（EEG）研究中的事件相關(guān)電位（ERPs）以及顱內(nèi)記錄研究中的局部場電位，都被視為歸一化放電率的時間導(dǎo)數(shù)（即變化率）。關(guān)于可能的神經(jīng)實(shí)現(xiàn)的簡要概述，見圖 2b。深入的討論和綜述，請參見 Parr and Friston, (2018a)。

到目前為止，我們已經(jīng)分別針對連續(xù)和離散感知推理的情況，推導(dǎo)出了兩個用于最小化變分自由能的簡單算法：每個算法在神經(jīng)動力學(xué)方面都有直接的解釋。然而，正如上文關(guān)于行動選擇的概述，根據(jù)定義，我們尚未接收到（未來的）觀測結(jié)果，因此必須通過最小化期望自由能（方程13）來選擇策略。我們在下面以矩陣形式展示期望自由能，以突出生成模型組成部分與期望自由能組成部分之間的聯(lián)系。

那么，針對單時間步策略的策略后驗(yàn)，就是期望自由能的一個簡單 softmax 函數(shù)（方程14），這有效地將期望自由能轉(zhuǎn)換為一個概率分布，下一個動作可以從該分布中采樣得到。

這里，T 表示策略的未來時間范圍。最小化期望自由能（的路徑積分）的策略將具有最高的后驗(yàn)概率。然后，通過在每個時間步從策略后驗(yàn)中采樣來選擇動作。

4. 意識現(xiàn)象的計(jì)算模型

在概述了驅(qū)動感知-行動循環(huán)的關(guān)鍵量、連續(xù)（基于預(yù)測編碼）和離散（基于POMDP）生成模型的結(jié)構(gòu)，以及模型動力學(xué)與神經(jīng)動力學(xué)測量指標(biāo)（如事件相關(guān)電位和放電率）之間的關(guān)系之后，我們現(xiàn)在轉(zhuǎn)向討論以往采用主動推理對意識科學(xué)中典型任務(wù)進(jìn)行建模的研究工作?？偟膩碚f，這些研究集中在意識內(nèi)容和意識自我上。為簡潔起見，我們專注于數(shù)值（即仿真）研究，而不涉及許多與意識神經(jīng)科學(xué)相關(guān)的有價值的定性和概念模型（例如，Ciaunica et al., 2022; Safron, 2020; Seth & Tsakiris, 2018），以及主動推理所蘊(yùn)含的意識形而上學(xué)的闡述（Friston, Wiese, et al., 2020; Ramstead et al., 2023）。關(guān)于本文未涉及內(nèi)容的相關(guān)綜述，請參見 (Nikolova et al., 2022; Ramstead et al., 2023; Rorot, 2021)。此外，我們注意到，盡管我們回顧的模型側(cè)重于視覺和內(nèi)感感官模態(tài)，但這種選擇反映了對意識內(nèi)容和意識自我的研究通常集中在視覺和內(nèi)感上。這并不反映主動推理框架在其他感官模態(tài)適用性上的局限性。事實(shí)上，為了說明該框架的解釋普遍性——并在本節(jié)末尾強(qiáng)調(diào)對意識狀態(tài)的潛在應(yīng)用——我們將擴(kuò)展一個現(xiàn)有的關(guān)于聽覺規(guī)律性意識處理的模型，以解釋睡眠和麻醉狀態(tài)下這種處理過程的中斷。

4.1 意識內(nèi)容模型

在前一節(jié)中，我們將感知-行動循環(huán)描述為一個迭代過程：1) 推斷最能最小化變分自由能（為模型證據(jù)設(shè)置上界）的近似后驗(yàn)；2) 以最小化期望自由能（從而最大化模型證據(jù)）的方式對世界進(jìn)行采樣。這促使我們對意識科學(xué)中的幾個關(guān)鍵現(xiàn)象進(jìn)行視角轉(zhuǎn)變。它提請人們注意在許多通常被認(rèn)為主要是被動的感知現(xiàn)象中，主動采樣和預(yù)期的作用。

從被動感知到主動感知的轉(zhuǎn)變在雙穩(wěn)態(tài)感知模型中尤為突出。雙穩(wěn)態(tài)感知模型通常將感知切換視為噪聲和/或適應(yīng)驅(qū)動的振蕩（例如 Moreno-Bote et al., 2007; Wilson, 2007），而不是至少在某種程度上由主體行動驅(qū)動的狀態(tài)。例如，Parr et al, (2019) 提出了一個模型，涵蓋了特克斯勒消退和雙眼競爭的兩種實(shí)例（圖3a），該模型將意識內(nèi)容的變化歸因于策略驅(qū)動的后驗(yàn)信念精度的變化，這種變化是眼跳策略（在特克斯勒消退中）和注意策略（在雙眼競爭中）的函數(shù)。特克斯勒消退是一種現(xiàn)象，當(dāng)參與者被要求保持中央注視時，與外周呈現(xiàn)刺激相關(guān)的知覺會從意識中消失。雙眼競爭發(fā)生在向每只眼睛呈現(xiàn)不協(xié)調(diào)刺激時：參與者體驗(yàn)到的不是刺激知覺的疊加，而是單一知覺之間的離散交替，僅有短暫的混合期。

在主動推理下，這種知覺交替通過將兩個表面上平凡的觀察結(jié)果納入任務(wù)特定的生成模型來解釋。首先，在一個變化莫測的世界中，主體對狀態(tài)轉(zhuǎn)移精度（即 B 矩陣精度）的估計(jì)絕不應(yīng)完全確定（參見 Hohwy et al., 2016）。其次，感官輸入的精度取決于中央凹的位置和/或注意力的焦點(diǎn)（通過使 A 矩陣的精度有條件地依賴于眼跳或注意狀態(tài)來建模）。將這兩個簡單假設(shè)納入生成模型，會通過期望自由能中的模糊性項(xiàng)產(chǎn)生知識性行為。在缺乏精確感官輸入的情況下，關(guān)于視覺空間某位置感知內(nèi)容的不確定性（預(yù)測熵）會累積，從而增加了那些能從該視覺空間部分獲取信息性感官輸入的策略（例如眼跳或注意策略）的知識價值。在特克斯勒消退的情況下，主體被迫保持中央注視，無法獲取關(guān)于外周的精確保守信息。隨著時間的推移，這通過基于不精確的狀態(tài)轉(zhuǎn)移和感官輸入的迭代信念更新，驅(qū)使對應(yīng)于視覺空間外周位置的狀態(tài)后驗(yàn)趨于均勻分布。假設(shè)狀態(tài)后驗(yàn)與意識內(nèi)容之間存在對應(yīng)關(guān)系，并將感知與高精度狀態(tài)的混合相關(guān)聯(lián)，這將導(dǎo)致刺激從意識中消退（我們在第5節(jié)討論區(qū)分有意識和無意識狀態(tài)的相關(guān)問題）。類似地，當(dāng)主體被限制在（隱蔽的）注意策略之間進(jìn)行選擇時，雙穩(wěn)態(tài)感知中典型的知覺之間的離散切換從生成模型中涌現(xiàn)出來。這些注意策略會增強(qiáng)被注意刺激的精度（即 A 矩陣映射），但以犧牲未被注意刺激的精度為代價（參見注意的偏置競爭模型；Desimone, 1998）。主體接收到關(guān)于被注意刺激的精確信息，從而對被注意刺激的狀態(tài)產(chǎn)生精確的后驗(yàn)；同時，由于無法獲得關(guān)于未被注意刺激的精確信息，對未被注意刺激的狀態(tài)后驗(yàn)則逐漸消散，趨于均勻分布。關(guān)鍵在于，隨著不確定性的累積，通過期望自由能中的模糊性降低項(xiàng)，未被注意刺激在知識上變得逐漸有吸引力，從而驅(qū)動最終的注意策略切換。再次假設(shè)主體的狀態(tài)后驗(yàn)與意識感知內(nèi)容之間存在對應(yīng)關(guān)系，這將導(dǎo)致依賴于注意的感知切換。

這種主動形式的雙眼競爭模型巧妙地解釋了幾項(xiàng)實(shí)驗(yàn)結(jié)果，而這些結(jié)果在那些沒有為策略選擇等主體過程賦予明確角色的被動競爭模型中難以被容納。具體來說，注意力缺失時競爭速度減慢 (Paffen et al., 2006; Zhang et al., 2011)，以及獎勵調(diào)節(jié)主導(dǎo)時長 (綜述見 Safavi & Dayan, 2022)，都可以被理解為期望自由能最小化的實(shí)例。如果知覺切換是由注意策略的切換驅(qū)動的，那么干擾任務(wù)存在時競爭速度減慢 (Paffen et al., 2006) 就可以解釋為感官輸入精度的降低——從而增加了主體從每只眼睛采樣輸入以達(dá)到精確狀態(tài)后驗(yàn)所需的時間。類似地，對其中一個刺激增加獎勵將以相加的方式最小化期望自由能的風(fēng)險項(xiàng)，從而解釋了獎勵對競爭的偏倚效應(yīng) (Marx & Einhauser, 2015; Wilbertz & Sterzer, 2018)。此外，雖然在 Parr et al., (2019) 的原始論文中沒有提出，但在附錄1和圖3b中，我們展示了該模型很容易解釋萊維特定律 (Brascamp et al., 2015; Levelt, 1965)——這是一組簡潔的命題，概括了刺激屬性（例如，亮度對比度）與知覺主導(dǎo)時長之間的規(guī)律性關(guān)系。重要的是，除了追溯性地解釋大量現(xiàn)有現(xiàn)象外，該模型還提供了一個關(guān)于獎勵驅(qū)動下萊維特定律違反的經(jīng)驗(yàn)預(yù)測（附錄2），這很容易在人類心理物理學(xué)領(lǐng)域進(jìn)行檢驗(yàn)。關(guān)于將此建模策略擴(kuò)展到內(nèi)克爾立方體錯覺——意識科學(xué)中另一個常用的雙穩(wěn)態(tài)范式——請參見 Novicky et al, (2023)。關(guān)于基于強(qiáng)化學(xué)習(xí)的相關(guān)方法，請參見 (Haas, 2021; Martin et al., 2021; Safavi & Dayan, 2022, 2024)。基于強(qiáng)化學(xué)習(xí)的模型與主動推理模型之間的確切關(guān)系將取決于目標(biāo)函數(shù)和推理算法的選擇 (Chou et al., 2025; Malekzadeh & Plataniotis, 2024; Tschantz, Millidge, et al., 2020)。原則上，這兩種方法可能在形式上等價 (Da Costa et al., 2024; Da Costa, Sajid, et al., 2020)。正如我們在引言中強(qiáng)調(diào)的，在特定領(lǐng)域總是有可能推導(dǎo)出形式上等價或至少非常相似的模型。主動推理獨(dú)特之處在于為策略選擇中使用的目標(biāo)函數(shù)（即期望自由能）提供了一個原則性的公式，它將知識驅(qū)動和獎勵驅(qū)動置于一個共同的、信息論的度量標(biāo)準(zhǔn)之下，該度量標(biāo)準(zhǔn)在不同任務(wù)的模型之間共享。此外，它提供了一個神經(jīng)元過程理論，允許人們將信念更新過程與神經(jīng)元動力學(xué)和可塑性聯(lián)系起來。

從已建立生成模型中模糊性的最小化轉(zhuǎn)向新穎性最大化和參數(shù)學(xué)習(xí)，Parr & Friston (2018b) 提出，偏側(cè)忽略——一種以患者忽略（即未意識到）視覺空間一側(cè)（通常是左側(cè)，在右半球損傷后）為特征的神經(jīng)綜合征——可以通過期望自由能新穎性成分的缺陷來解釋。臨床上，偏側(cè)忽略通常通過眼動取消任務(wù)來評估，該任務(wù)要求患者圈出（即取消）一張紙上呈現(xiàn)的所有刺激。此時，有忽略癥的患者將無法意識到視覺空間的一側(cè)，并使得被忽略側(cè)的刺激未被取消。為了對此建模，Parr 和 Friston 模擬了一個旨在模擬偏側(cè)忽略臨床測試的眼動取消任務(wù)。他們的模型使用一個網(wǎng)格來表示可能的眼動位置。在每次模擬開始時，所有位置都是新穎的（即參數(shù)確定性低），這驅(qū)使主體眼動到每個位置，并在此過程中積累每個位置 A 矩陣上的狄利克雷先驗(yàn)計(jì)數(shù)（降低了針對視覺空間“已取消”位置的眼動策略的期望自由能新穎性成分）。通過增加空間左側(cè)的濃度參數(shù)來損傷隱藏狀態(tài)與視覺結(jié)果之間的 A 矩陣映射，有效地模擬了背側(cè)和腹側(cè)注意網(wǎng)絡(luò)之間的斷開；消除了任何基于新穎性指向空間左側(cè)的眼動策略的能力，從而模擬了視覺忽略的經(jīng)驗(yàn)現(xiàn)象學(xué)（圖3E-D）。

為了將主動推理與更廣泛的意識神經(jīng)關(guān)聯(lián)研究聯(lián)系起來，Whyte and Smith, (2021) 開發(fā)了一個兩層 POMDP 模型來研究視覺意識。該模型將有意識知覺視為依賴于生成模型中不同層級之間精確后驗(yàn)的雙向傳播。重要的是，模型的第二層具有足夠的時間深度來生成目標(biāo)導(dǎo)向的行動（例如對視覺場景的主觀報告），這些行動必然在比刺激呈現(xiàn)更長的時間尺度上展開。利用這個模型，他們模擬了 Dehaene et al, (2006) 通過經(jīng)驗(yàn)得出的關(guān)于注意力、刺激強(qiáng)度和意識通達(dá)之間關(guān)系的分類學(xué)。通過操縱第一層隱藏狀態(tài)與觀測值之間的 A 矩陣精度（代表刺激強(qiáng)度和注意力之間的相互作用），他們復(fù)制了主觀報告和神經(jīng)關(guān)聯(lián)的非線性縮放。與實(shí)證發(fā)現(xiàn)一致，報告刺激可見度的非線性增加與第二層的高放電率和類似 P3b 的事件相關(guān)電位相關(guān)聯(lián)，類似于額頂葉區(qū)域的“點(diǎn)火”反應(yīng)。Whyte and Smith (2021) 擴(kuò)展了 Dehaene et al, (2006) 的分類學(xué)，將期望引入其中，預(yù)測在注意力存在且刺激遠(yuǎn)高于閾值的情況下，有效期望會降低 P3b 振幅，相比中性期望和無效期望條件。這一預(yù)測后來由 Schlossmacher et al, (2020) 獨(dú)立證實(shí)。

關(guān)于意識神經(jīng)關(guān)聯(lián)的初步研究（包括構(gòu)成 Whyte and Smith (2021) 建模的 Dehaene 分類學(xué)基礎(chǔ)的工作）支持了這樣一種觀點(diǎn)，即前額葉皮層活動和晚期事件相關(guān)電位（例如 P3b）與有意識知覺密切相關(guān)，跨多種范式的研究報告了類似的結(jié)果 (Bisenius et al., 2015; Sergent et al., 2005)。然而，無報告范式 (Tsuchiya et al., 2015) 的出現(xiàn)挑戰(zhàn)了這些發(fā)現(xiàn)。在這種條件下，前額葉皮層活動減弱或消失 (Brascamp et al., 2015; Frassle et al., 2014)，并且像 P3b 這樣的晚期事件相關(guān)電位（曾被認(rèn)為是意識通達(dá)的指標(biāo)）不再出現(xiàn) (Cohen et al., 2020; Pitts et al., 2014; 另見圖 3C)。這樣的發(fā)現(xiàn)導(dǎo)致一些研究人員拒絕將前額葉皮層參與視為有意識知覺的必要條件 (Boly et al., 2017)。然而，重要的是，證據(jù)的鐘擺已經(jīng)開始擺回另一個方向，后續(xù)來自非人靈長類電生理學(xué)的證據(jù)表明，即使在沒有報告的情況下，意識的內(nèi)容也可以從前額葉皮層解碼出來 (Kapoor et al., 2020)，并且前額葉皮層活動的波動先于知覺切換 (Dwarakanath et al., 2020)，這表明了其因果作用。為了調(diào)和這些發(fā)現(xiàn)，Whyte et al, (2022) 修改了他們先前的意識通達(dá)模型，使得報告的工作記憶要求被視為一種通過策略選擇達(dá)成的心理行動。關(guān)于在工作記憶中維持哪些信息的可用策略，同時控制著第二層 A 矩陣（將第一層刺激狀態(tài)映射到模型第二層）的精度（即對應(yīng)于信息從視覺皮層選擇進(jìn)入工作記憶），以及第二層 B 矩陣的精度（對應(yīng)于在工作記憶中自愿維持項(xiàng)目）。

Whyte 及其同事使用這個修改后的模型模擬了一項(xiàng)包含有報告和無報告條件的視覺掩蔽任務(wù)。這些模擬重現(xiàn)了報告條件下意識的神經(jīng)關(guān)聯(lián)，其中“有意識感知”的刺激伴隨著模型第二層的高放電率和類似 P3b 的大幅事件相關(guān)電位。關(guān)鍵在于，Whyte et al, (2022) 能夠通過在廣泛的刺激精度（即 A 矩陣精度）范圍內(nèi)模擬任務(wù)，來評估模型中無報告情況下的刺激可見度，從而允許他們在模型第二層的后驗(yàn)概率與相應(yīng)的報告頻率之間構(gòu)建一個映射。在無報告條件下模擬相同任務(wù)時，當(dāng)模型不必提供其自身知覺狀態(tài)的明確報告（因此不必在工作記憶中維持項(xiàng)目）時，他們發(fā)現(xiàn)模型表現(xiàn)出較低的第二層放電率（即前額葉活動減少），并且由于消息傳遞精度的降低，沒有產(chǎn)生類似 P3b 的事件相關(guān)電位（圖 3C）。然而，重要的是，模型第二層的后驗(yàn)概率仍遠(yuǎn)高于接近 100% 可報告性的閾值，這重現(xiàn)了關(guān)鍵發(fā)現(xiàn)：在沒有報告的情況下，意識通達(dá)與前額葉活動減少和無晚期事件相關(guān)電位相關(guān)。

該模型做出了兩個關(guān)鍵預(yù)測。第一，前額葉活動和晚期事件相關(guān)電位應(yīng)根據(jù)報告指令而分離，因?yàn)閺?qiáng)加報告要求意味著主體必須以目標(biāo)導(dǎo)向的方式增加感覺皮層和前額葉皮層之間（以及前額葉皮層內(nèi)部）傳遞的消息的精度；從而改變意識通達(dá)的神經(jīng)關(guān)聯(lián)。事實(shí)上，這正是在一項(xiàng)同時進(jìn)行的腦電圖-功能磁共振成像實(shí)驗(yàn)中觀察到的結(jié)果。也就是說，當(dāng)刺激是有意識的但與任務(wù)無關(guān)時，視覺區(qū)域有強(qiáng)烈激活，以及大幅 N170，但前額葉激活微弱且無 P3b。相反，當(dāng)刺激是有意識的且與任務(wù)相關(guān)時，則有強(qiáng)烈的前額葉激活和大幅 P3b。該模型的第二個預(yù)測是，即使在無報告的情況下，前額葉和視覺皮層之間傳遞的雙向消息的前饋成分也應(yīng)包含關(guān)于意識內(nèi)容的精確信息，這一預(yù)測隨后被 Rowe et al, (2024) 證實(shí)。

4.2 意識自我模型

現(xiàn)在，我們從外感受意識模型轉(zhuǎn)向元意識、內(nèi)感受和情緒模型。在這些模型中，主體推斷其自身的內(nèi)部認(rèn)知和身體狀態(tài)，并據(jù)此做出策略決策。由于意識本質(zhì)上是主觀的，與自我相關(guān)的處理是意識科學(xué)的一個關(guān)鍵領(lǐng)域。它也是臨床醫(yī)生感興趣的領(lǐng)域，因?yàn)閷?nèi)感受性推斷和策略決策的干擾與精神癥狀和現(xiàn)象學(xué)密切相關(guān)（例如，抑郁癥中對自我效能的異常推斷 (Barrett et al., 2016; Ramstead, Wiese, et al., 2023) 或反芻思維中 disrupted 的策略選擇 (Hesp et al., 2020)）。為了概念清晰，我們按主題而非時間順序組織討論。對相關(guān)方法感興趣的讀者，可參閱 (Ainley et al., 2016; Allen, 2020; Barrett & Bar, 2009; Barrett & Simmons, 2015; Critchley & Garfinkel, 2017; Theriault et al., 2021)。

基于 Seth (2013) 提出的內(nèi)感受性推斷是情緒內(nèi)容基礎(chǔ)的初步工作，以及后來 Stephan et al, (2016) 將內(nèi)穩(wěn)態(tài)和應(yīng)變穩(wěn)態(tài)失調(diào)與疲勞和抑郁聯(lián)系起來的工作，Tschantz et al. (2022) 進(jìn)行了一系列模擬，探究了不同生成模型結(jié)構(gòu)解釋內(nèi)穩(wěn)態(tài)和應(yīng)變穩(wěn)態(tài)過程的能力（參見 Corcoran et al., 2020）。對身體狀態(tài)變化的反應(yīng)性自主反應(yīng)由一個預(yù)測編碼網(wǎng)絡(luò)建模，并通過將內(nèi)穩(wěn)態(tài)設(shè)定點(diǎn)條件于推斷出的外感受狀態(tài)，將其推廣到簡單形式的預(yù)期行動。關(guān)鍵在于，內(nèi)感受性預(yù)測誤差精度的改變影響了對內(nèi)感受狀態(tài)變化的敏感性，導(dǎo)致內(nèi)穩(wěn)態(tài)調(diào)節(jié)失敗。下行本體感覺預(yù)測誤差與上行內(nèi)感受性預(yù)測誤差之間的平衡，決定了主體是調(diào)整其對生理狀態(tài)的先驗(yàn)信念，還是執(zhí)行自主行動以使生理狀態(tài)與設(shè)定點(diǎn)對齊。當(dāng)上行感覺預(yù)測誤差相

對于自主調(diào)整占優(yōu)時——即，與預(yù)期的內(nèi)感受數(shù)據(jù)相比，當(dāng)前設(shè)定點(diǎn)的先驗(yàn)不夠精確——會促使主體改變其對設(shè)定點(diǎn)本身的信念。這種自主調(diào)節(jié)的失敗可能解釋了自閉癥等疾病中的矛盾感覺功能障礙 (Gu & FitzGerald, 2014)，在這些疾病中，對感官輸入的超敏反應(yīng)與自主反應(yīng)減弱和異常的應(yīng)變穩(wěn)態(tài)共存。最后，采用 POMDP 與預(yù)測編碼網(wǎng)絡(luò)接口，使模型能夠解釋目標(biāo)導(dǎo)向的內(nèi)感受控制，其中主體通過預(yù)期維持零體溫的偏好（偏好的內(nèi)穩(wěn)態(tài)設(shè)定點(diǎn)）與預(yù)期體溫之間的偏差來做出行動決策。

補(bǔ)充這一原理驗(yàn)證建模方法的見解，最近將主動推理模型擬合到經(jīng)驗(yàn)數(shù)據(jù)的研究推斷出各種疾病中內(nèi)感受精度的 disrupted，包括抑郁癥、焦慮癥、飲食障礙和物質(zhì)濫用障礙 (Smith et al., 2020)。值得注意的是，在一個心跳敲擊任務(wù)中，最適合的模型（一個通過最小化變分自由能反轉(zhuǎn)的簡單隱馬爾可夫模型）在患者樣本面對屏氣擾動時表現(xiàn)出未能調(diào)整內(nèi)感受精度，而健康對照組成功地增加了他們的內(nèi)感受精度。這一發(fā)現(xiàn)最近在一項(xiàng)預(yù)注冊的大規(guī)模跨診斷樣本研究 (Lavalley et al., 2024) 和一組健康對照組 (Smith, Kuplicki, Teed, et al., 2020) 中得到了重復(fù)。

在一項(xiàng)檢驗(yàn)主動推理相關(guān)神經(jīng)過程理論某些基本預(yù)測的重要研究中，Smith et al, (2021) 利用一種新穎的胃腸感知范式，讓參與者報告通過可攝入振動膠囊傳遞到胃中的不同強(qiáng)度振動的存在（或不存在），同時用腦電圖記錄神經(jīng)反應(yīng)。檢查最佳擬合模型參數(shù)（同樣是一個簡單的隱馬爾可夫模型）發(fā)現(xiàn)了支持神經(jīng)過程理論的證據(jù)。具體來說，盡管沒有擬合反應(yīng)時間或神經(jīng)元反應(yīng)，但內(nèi)感受精度（A 矩陣精度）的增加與參與者的反應(yīng)時間以及感覺（頂枕）電極上誘發(fā)反應(yīng)的幅度呈正相關(guān)。

轉(zhuǎn)向更認(rèn)知的語境，Allen et al, (2022) 構(gòu)建了一個心-視覺感覺整合模型，該模型在呈現(xiàn)喚醒或非喚醒視覺刺激時推斷其心臟周期的相位（舒張期 vs. 收縮期）。根據(jù)刺激類型，模型推斷其心臟策略，控制心臟周期之間的狀態(tài)轉(zhuǎn)換。反過來，心臟周期的隱藏狀態(tài)控制著視覺 A 矩陣的精度。這個最小模型重現(xiàn)了幾個原本不相關(guān)的經(jīng)驗(yàn)發(fā)現(xiàn)。喚醒刺激導(dǎo)致即時的心率加速（防御性驚跳反射；Graham & Clifton, 1966），而對 A 矩陣映射的合成損傷（對應(yīng)于內(nèi)感受精度降低）產(chǎn)生了“心身幻覺”并增加了錯誤推斷或元認(rèn)知偏差（例如，Allen et al., 2016; Hauser et al., 2017）。支持該模型核心假設(shè)（即主體根據(jù)呈現(xiàn)的視覺刺激推斷其心臟策略）的是，Corcoran et al., (2021) 發(fā)現(xiàn)，靜息心率和（高頻）心率變異性均隨感覺模糊性的增加而降低。

將關(guān)于內(nèi)感受、知覺和情境推斷與情緒相關(guān)的理論和實(shí)證工作進(jìn)行形式化，Smith et al, (2019) 表明，主動推理主體可以在“計(jì)算機(jī)模擬童年”過程中習(xí)得一系列情緒概念。特別是，每個主體從一個平坦的 A 矩陣開始，該矩陣映射隱藏的情緒狀態(tài)（“情緒概念”）和內(nèi)感受觀察結(jié)果，并在數(shù)百次試驗(yàn)過程中，觀察到喚醒度、效價和行為的內(nèi)部感受觀察結(jié)果與情境的外部感受觀察結(jié)果的 conjunction，主體學(xué)會了隱藏情緒狀態(tài)與內(nèi)感受觀察結(jié)果之間的映射。有趣的是，他們發(fā)現(xiàn)一個貧乏的“計(jì)算機(jī)模擬童年”（模型暴露的結(jié)果統(tǒng)計(jì)偏向于某一種特定情緒，如悲傷）會導(dǎo)致模型在后續(xù)的情緒推斷任務(wù)中準(zhǔn)確性降低，即使之后暴露于其他情緒也是如此。在一個類似但更側(cè)重實(shí)證的背景下，Smith, Lane, et al. (2019) 使用一個分層模型來模擬情緒工作記憶任務(wù)中的推斷。主體需要對兩個連續(xù)的情緒狀態(tài)進(jìn)行分類，然后進(jìn)行比較。引人注目的是，他們表明，即使在他們相對簡單的模型中，也至少有七種不同的潛在神經(jīng)機(jī)制能夠產(chǎn)生情緒意識降低的表型。例如，當(dāng)主體對非特征性身體狀態(tài)有高先驗(yàn)期望時（如在某些形式的焦慮癥中），它會可靠地將其自身的悲傷和恐慌內(nèi)部狀態(tài)誤分類為疾病和心臟病發(fā)作。

在上面描述的兩個模型中，效價被視為觀察結(jié)果，而不是本身被推斷的東西——鑒于解釋目標(biāo)是情緒推斷（而非情感推斷），這是一個合理的簡化。為了補(bǔ)充這種處理方式，Hesp et al, (2021) 引入了一個情感推斷模型，提出效價（部分地）是從其策略先驗(yàn)和后驗(yàn)之間的不匹配推斷出來的。策略先驗(yàn)僅基于期望自由能（例如方程14），而后驗(yàn)則基于期望自由能和基于后續(xù)觀測結(jié)果的事后信念。因此，從先驗(yàn)到后驗(yàn)的變化反映了一個預(yù)測誤差，指示了新觀測結(jié)果與每個策略下的先驗(yàn)期望之間的一致程度。然后，這個誤差的方向被用作更高層模型中推斷效價狀態(tài)的觀測結(jié)果。在這里，支持策略先驗(yàn)的低層觀測結(jié)果促進(jìn)積極效價，而與先驗(yàn)不一致的則促進(jìn)消極效價。這種（獎勵）預(yù)測誤差或“情感電荷”此前已與相位性多巴胺釋放相關(guān)聯(lián) (Friston et al., 2014; Schwartenbeck et al., 2015)。

同時，這種情感電荷被用來迭代更新期望自由能上的一個精度參數(shù)，效價狀態(tài)充當(dāng)其先驗(yàn)。在這里，消極效價狀態(tài)和意外的觀測結(jié)果都會降低這個精度，從而減少期望自由能后續(xù)對策略選擇的影響。這種降低扮演了幾個互補(bǔ)的角色。首先，它促進(jìn)了概率匹配行為，如果對關(guān)于策略或計(jì)劃的信念信心不足，這可能是適應(yīng)性的。其次，如果指定了習(xí)得習(xí)慣（通常用 E 表示），它允許習(xí)慣產(chǎn)生更強(qiáng)的影響。最后，它優(yōu)化了期望自由能對策略選擇的相對影響。即，當(dāng)策略后驗(yàn)下的期望模型證據(jù)高于策略先驗(yàn)下的期望模型證據(jù)時，情感電荷（和效價）為正，表明主體對其計(jì)劃信心增加，從而相對于其他項(xiàng)提高了期望自由能的精度。相反，當(dāng)策略先驗(yàn)下的期望模型證據(jù)高于策略后驗(yàn)下的期望模型證據(jù)時，效價會降低期望自由能的權(quán)重（即，它減少了風(fēng)險、模糊性和新穎性對策略選擇的貢獻(xiàn)）。關(guān)鍵在于，由于兩層模型允許效價狀態(tài)充當(dāng)關(guān)于策略精度的先驗(yàn)信念，主體可以情境化期望自由能對策略選擇的貢獻(xiàn)，從而提高了在反轉(zhuǎn)學(xué)習(xí)任務(wù)中的表現(xiàn)。換句話說，通過給主體一個對其內(nèi)部模型（關(guān)于行動與其產(chǎn)生的觀察結(jié)果之間映射）應(yīng)具有的信心程度的滾動估計(jì)，主體可以最優(yōu)地權(quán)衡當(dāng)前觀察結(jié)果（變分自由能）和預(yù)期的未來觀察結(jié)果（期望自由能）對策略選擇的貢獻(xiàn)。

Hesp等人工作中的深層參數(shù)推斷形式后來被Sandved-Smith等人（2021）擴(kuò)展，用于模擬一種元意識形式，這種元意識是專注→分心→覺察到分心→專注這一循環(huán)現(xiàn)象學(xué)的基礎(chǔ)，而這在 contemplative 神經(jīng)科學(xué)中常被研究。該模型的關(guān)鍵貢獻(xiàn)在于，根據(jù)對A矩陣精度的層級控制，來刻畫注意力、注意力的控制以及對注意力控制的意識。模型第一層的A矩陣精度（將感覺觀察結(jié)果映射到隱藏狀態(tài)）由主體在第二層的注意狀態(tài)控制，第二層包含兩個理想化狀態(tài)：“專注”和“分心”。主體有一個偏好（對應(yīng)于任務(wù)指令或目標(biāo)狀態(tài)）是維持自身處于專注狀態(tài)，但通過一個不精確的第二層B矩陣，主體偶爾會 transition 到非專注狀態(tài)。第二層的策略選擇——心理行動——使主體能夠重新定向其注意狀態(tài)，一旦主體意識到自身處于非專注狀態(tài)，便能 transition 回專注狀態(tài)：這是許多 forms of contemplative practice 的一個關(guān)鍵方面。元意識則由第三層構(gòu)成，該層反過來控制第二層意識狀態(tài)的精度。

這第三層的隱藏狀態(tài)包含兩種狀態(tài)：高元意識，它意味著高精度的第二層A矩陣；以及低元意識，它意味著低精度的第二層A矩陣（通過第二層到第三層的A矩陣映射實(shí)現(xiàn)）。作為原理驗(yàn)證，他們模擬了不同第三層注意狀態(tài)下的簡單聽覺 oddball 任務(wù)，并表明在低元意識條件下，主體處于分心注意狀態(tài)的時間比在高元意識條件下更長。事實(shí)上，與低知覺需求條件下心智游移增加的發(fā)現(xiàn)（Lin et al., 2016）一致，在低元意識狀態(tài)下，主體僅在出現(xiàn)聽覺 oddball 時才注意到從專注到分心的切換。換句話說，oddball 誘發(fā)了更大的預(yù)測誤差——并導(dǎo)致更強(qiáng)的上行證據(jù)——迫使整個層級結(jié)構(gòu)中關(guān)于隱藏狀態(tài)的近似后驗(yàn)發(fā)生大的信念更新。重要的是，與上述旨在統(tǒng)一現(xiàn)有發(fā)現(xiàn)并產(chǎn)生新穎預(yù)測的模型不同，該模型的解釋目標(biāo)最好被理解為：為處于早期發(fā)展階段、理論主要依靠口頭定義且與經(jīng)驗(yàn)數(shù)據(jù)充其量只有松散聯(lián)系的研究領(lǐng)域提供概念清晰性。因此，這種類型的建模最好被視為一種計(jì)算概念分析，它是旨在統(tǒng)一現(xiàn)有結(jié)果或提供經(jīng)驗(yàn)預(yù)測的建模的先決條件。

4.3 意識狀態(tài)模型

迄今為止，主動推理模型尚未被應(yīng)用于操縱意識狀態(tài)的實(shí)驗(yàn)（但關(guān)于理論綜述，請參見 Hobson and Friston (2012)）。然而，重要的是，意識狀態(tài)的操縱以感覺和運(yùn)動分離為特征 (Cirelli & Tononi, 2023)，這至少從表面上看非常適合用主動推理的語言來解釋。例如，對于發(fā)生在較長時間尺度上的刺激模式 violation 的神經(jīng)元反應(yīng)，在睡眠和麻醉狀態(tài)下會發(fā)生變化，而對于發(fā)生在較短時間尺度上的模式 violation 的反應(yīng)則得以保留 (Boly et al., 2011; Dehaene et al., 2011)。為了強(qiáng)調(diào)主動推理的解釋普遍性，在本節(jié)中，我們對 Smith et al, (2022) 中提出的聽覺規(guī)律性感知的層級模型進(jìn)行了簡單擴(kuò)展。我們展示了針對性的精度操縱如何重現(xiàn)以下發(fā)現(xiàn)：通常在清醒狀態(tài)下與檢測“全局”（長時間尺度）聽覺模式 violation 相關(guān)的晚期 P3b 事件相關(guān)電位成分 (Bekinschtein et al., 2009)，在非快速眼動睡眠和快速眼動睡眠狀態(tài)下消失，而對“局部” violation 的事件相關(guān)電位響應(yīng)則得以保留 (Strauss et al., 2015)。我們簡要概述模型結(jié)構(gòu)以 contextualise 結(jié)果，并建議感興趣的讀者參考 Smith et al, (2022) 獲取模型的分步描述。

該模型包含兩個層級（圖 4a）；第一層追蹤聽覺音調(diào)的即時變化，第二層追蹤第一層的音調(diào)模式，推斷整體試驗(yàn)類型（即，所有刺激是否具有相同的“標(biāo)準(zhǔn)”音調(diào)，或者是否存在“oddball”）。我們允許模型在 10 次試驗(yàn)的過程中在第二層 D 向量中累積濃度參數(shù)。在第 10 次試驗(yàn)中，音調(diào)要么符合預(yù)期試驗(yàn)類型，要么違反它。與實(shí)證發(fā)現(xiàn)一致，“全局”模式的 violation 在模型第二層誘發(fā)了類似 P3b 的大幅事件相關(guān)電位，而試驗(yàn)內(nèi)“局部”期望的 violation 在模型第一層誘發(fā)了類似失匹配負(fù)波（MMN）的事件相關(guān)電位?；诜强焖傺蹌铀吆涂焖傺蹌铀呤堑湍I上腺素能狀態(tài)的發(fā)現(xiàn) (Cirelli & Tononi, 2023)，我們利用與主動推理相關(guān)的過程理論，對模型進(jìn)行針對性操縱，旨在通過降低第二層 B 矩陣的精度（通過應(yīng)用精度參數(shù) = 0.9 的 softmax 函數(shù)）來重現(xiàn)去甲腎上腺素的缺失，該參數(shù)在理論上 (Parr & Friston, 2017a, 2018a) 和實(shí)證上 (Vincent et al., 2019) 都與腎上腺素能張力相關(guān)。與實(shí)證發(fā)現(xiàn)一致 (Strauss et al., 2015)，B 矩陣精度的降低消除了模型第二層的類似 P3b 的事件相關(guān)電位，但第一層的類似 MMN 的事件相關(guān)電位保持完好（圖 4b）。由于第一層的動力學(xué)不依賴于逐步的動力學(xué)變化，因此第一層 B 矩陣的損傷對模型任一層級的事件相關(guān)電位都沒有影響。

如上所述，該模型僅僅是對睡眠狀態(tài)下晚期事件相關(guān)電位缺失的解釋，其本身并不解釋為什么參與者在睡眠的某些階段會失去意識。然而，如果我們遵循前一節(jié)提出的論點(diǎn)——即意識通達(dá)需要一定程度的時間深度，以從感官輸入的即時波動中抽象出來 (Friston, 2018; Friston et al., 2012; Whyte & Smith, 2021)——那么這里提供的模型也可能在算法層面解釋了為什么非快速眼動睡眠與較少的夢境報告相關(guān)，表明意識缺失（我們將在第5節(jié)更詳細(xì)地討論在主動推理下什么使?fàn)顟B(tài)成為有意識而非無意識），以及為什么快速眼動睡眠的特征是更頻繁的夢境報告，且現(xiàn)象學(xué)內(nèi)容奇特且看似不連貫 (Hobson, 2009)。

具體來說，非快速眼動睡眠是一種低膽堿能狀態(tài)，在主動推理下，這將通過降低 A 矩陣精度（即，連續(xù)層級之間的似然映射）導(dǎo)致生成模型各層級之間的連接中斷。這將有效地使具有時間深度的層級“離線”，并極大地最小化信念更新，這可能對應(yīng)非快速眼動睡眠中意識的顯著減少或喪失。相比之下，快速眼動睡眠是一種高膽堿能狀態(tài)，這將允許層級間的消息傳遞發(fā)生。關(guān)鍵在于，處于高膽堿能狀態(tài)——同時感官約束不精確——且去甲腎上腺素能張力低的模型，將顯示出隱藏狀態(tài)之間的不精確轉(zhuǎn)移（通過低 B 矩陣精度），這可能解釋了快速眼動睡眠中夢境的奇特現(xiàn)象學(xué)。有趣的是，快速眼動睡眠行為障礙——通常被認(rèn)為是帕金森病的前兆——表現(xiàn)為對這類夢境的 enactment，可能反映了未能平衡層級間的精度，尤其是在做夢期間未能抑制與本體感覺預(yù)測誤差相關(guān)的精度 (Peever et al., 2014)。關(guān)于調(diào)節(jié)性神經(jīng)遞質(zhì)與大腦中信念更新精度的簡要綜述，請參見 (Parr & Friston, 2017a)。

這個極簡的例子清晰地說明了在主動推理下建模的典型策略：從一個定義足夠明確的目標(biāo)現(xiàn)象開始，以允許構(gòu)建生成模型，然后基于經(jīng)驗(yàn)和理論神經(jīng)生物學(xué)的結(jié)合，模擬對模型進(jìn)行旨在模仿實(shí)驗(yàn)操縱的針對性操縱。鑒于睡眠和麻醉劑的豐富神經(jīng)生物學(xué)，如上所述，這種策略可以直接應(yīng)用于對意識狀態(tài)的實(shí)驗(yàn)操縱。當(dāng)然，這里提出的模型只是跨意識狀態(tài)神經(jīng)動力學(xué)生成模型的一個例子。理想情況下，未來的工作將構(gòu)建多個競爭模型并將其與經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行比較。

5. 主動推理作為意識的極簡理論

在本文開頭，我們介紹了主動推理，并期望以此為基礎(chǔ)構(gòu)建一個意識理論，將針對意識不同方面的主動推理模型作為構(gòu)建模塊。在明確了該框架以及主動推理模型所提供的解釋類型之后，我們現(xiàn)在來探討這一期望。為了使理論結(jié)構(gòu)及其與經(jīng)驗(yàn)數(shù)據(jù)的關(guān)系盡可能清晰，我們遵循意識科學(xué)哲學(xué)領(lǐng)域近期的工作 (Negro, 2024)，并借鑒拉卡托斯對“科學(xué)研究綱領(lǐng)”的闡述 (Lakatos, 1968)。在當(dāng)代科學(xué)哲學(xué)家 (Godfrey-Smith, 2003) 中，這普遍被視為波普爾證偽主義綱領(lǐng)的繼承者。

根據(jù)拉卡托斯 (1968) 的觀點(diǎn)，研究綱領(lǐng)有兩個組成部分：硬核和保護(hù)帶。硬核由構(gòu)成理論基礎(chǔ)的一套基本概念組成，這些概念本身不需要直接可檢驗(yàn)。相比之下，保護(hù)帶由較不核心的概念和假設(shè)組成，當(dāng)與硬核結(jié)合時，它們產(chǎn)生可檢驗(yàn)的預(yù)測。如果一個研究綱領(lǐng)要生存下去，只能對其保護(hù)帶進(jìn)行修改。重要的是，所做的修改必須是進(jìn)步的。也就是說，修改必須使理論更精確或擴(kuò)展其解釋范圍，以增加其預(yù)測能力。然而，如果對理論的修改僅僅旨在解釋掉 contradictory 的結(jié)果，而沒有產(chǎn)生新的預(yù)測或貢獻(xiàn)其他的解釋優(yōu)點(diǎn)，那么該研究綱領(lǐng)就被稱為“退化的”，并可能最終需要被放棄。例如，整合信息理論 (Albantakis et al., 2023; Oizumi et al., 2014; Tononi et al., 2016) 的硬核由導(dǎo)致推導(dǎo)出 Phi 作為意識度量標(biāo)準(zhǔn)的那些公設(shè)構(gòu)成。其外圍則由使 Phi 可計(jì)算的橋接假設(shè)和近似構(gòu)成。如果 Phi 不能可靠地與意識狀態(tài)共變，那將是對整合信息理論的嚴(yán)重挑戰(zhàn)。然而，重要的是，這并不會對整合信息理論造成致命打擊，因?yàn)楹芸赡苁峭茖?dǎo) Phi 的可計(jì)算近似值所依據(jù)的某個假設(shè)導(dǎo)致了失敗，而不是理論硬核的失敗。然后，研究綱領(lǐng)的健康狀況將由整合信息理論以產(chǎn)生額外預(yù)測的方式改變保護(hù)帶的能力來決定。

主動推理框架的核心是必須最小化兩個目標(biāo)函數(shù)：期望自由能和變分自由能。因此，這兩個目標(biāo)函數(shù)以及極值化它們的必然要求，必須被包含在任何基于主動推理的理論的硬核之中。這意味著所有行為，無論是有意識的還是無意識的，在某種極簡意義上，都必須旨在最小化這些量（參見 Hohwy, 2021）。實(shí)現(xiàn)這一過程的神經(jīng)元和計(jì)算方法，至少在目前，是理論保護(hù)帶的一部分。

我們邁向意識理論所需的下一步，是在進(jìn)入目標(biāo)函數(shù)的量與意識體驗(yàn)之間建立聯(lián)系。上述所有模型中都隱含的最極簡的這種聯(lián)系，存在于意識內(nèi)容與被推斷出的世界、身體和大腦的隱藏狀態(tài)（即，狀態(tài)的近似后驗(yàn) q ( s )
）之間。因此，意識內(nèi)容的所有變化必然源于對世界、身體或大腦推斷狀態(tài)的變化；這包括從沒有意識內(nèi)容到有意識內(nèi)容的變化，如意識狀態(tài)模型中的情況；也包括外感受和內(nèi)感受內(nèi)容的變化，如知覺、情緒和情感模型中的情況；還包括由大腦自身狀態(tài)引起的內(nèi)容變化，如元意識模型中的情況。這是一個極簡的聯(lián)系，因?yàn)樗鼉H表明主動推理特有的那種選擇性采樣是意識內(nèi)容變化的必要條件，而非充分條件。這個極簡聯(lián)系排除了意識變化可以在狀態(tài)后驗(yàn)沒有變化的情況下發(fā)生的可能性（但不排除后驗(yàn)變化可以在沒有意識體驗(yàn)變化的情況下發(fā)生），并且與無意識生物表現(xiàn)出由主動推理支配的行為這一情況是一致的。

最后，為了使主動推理本身成為一個意識理論，而不僅僅是一個適應(yīng)性行為理論，我們需要一個標(biāo)準(zhǔn)來區(qū)分有意識狀態(tài)和無意識狀態(tài) (Doerig et al., 2021; Seth & Bayne, 2022)。用主動推理的語言來說，我們需要解釋是什么使得某些后驗(yàn)信念是有意識的，而其他是無意識的。在此，我們再次審視在主動推理框架下推導(dǎo)出的意識內(nèi)容計(jì)算模型中所作的假設(shè)。在上述所有模型中，與意識內(nèi)容最對應(yīng)的后驗(yàn)信念是那些驅(qū)動策略選擇的信念，特別是那些驅(qū)動主觀報告策略選擇的信念。極簡地說，主觀報告背后的計(jì)算需要一個離散生成模型，該模型能夠?qū)κ澜绲幕コ?、不同的狀態(tài)進(jìn)行推斷。這些離散的備選狀態(tài)也可以在混合模型內(nèi)通過連續(xù)空間生成軌跡 (Friston et al., 2017)。缺乏這種反事實(shí)（離散）元素的連續(xù)生成模型可以驅(qū)動反射樣行動，但主觀報告所依賴的計(jì)算類型（例如，信心押注，或?qū)Υ嬖谂c否的判斷）明確是反事實(shí)的。因此，它們需要一個能夠考慮一個或多個互斥備選方案的離散生成模型。重要的是，離散生成模型的深層以過慢的時間尺度演化，無法匹配知覺現(xiàn)象學(xué) (Whyte & Smith, 2021)。因此，我們假定，意識/無意識的區(qū)分與意識通達(dá)的機(jī)制相關(guān)，并且它發(fā)生在離散-連續(xù)接口處，在那里，由感官即時變化驅(qū)動的連續(xù)后驗(yàn)信念被轉(zhuǎn)換為可以驅(qū)動行動選擇的離散格式。因此，一個后驗(yàn)信念要變得有意識，它必須發(fā)生在足夠慢的時間尺度上，以便從直接的感官流中抽象出來，使其能夠用于為反事實(shí)策略選擇提供信息，并且還必須足夠精確，以便可靠地區(qū)分世界的不同反事實(shí)狀態(tài)。這與先前關(guān)于主動推理的哲學(xué)工作吻合得很好，該工作認(rèn)為層級生成模型中意識通達(dá)的計(jì)算作用是迫使主體暫時確定關(guān)于世界隱藏狀態(tài)的特定后驗(yàn)信念，以驅(qū)動行動選擇 (Hohwy, 2013; Marchi & Hohwy, 2022; Whyte, 2019)。精度要求可以看作是意識體驗(yàn)由分化的、通常是互斥的知覺對象組成這一觀察結(jié)果的計(jì)算模擬 (Canales-Johnson et al., 2017; Oizumi et al., 2014; Seth, 2021; Seth, 2014; Tononi, 1998)。關(guān)鍵在于，這也意味著不存在一個后驗(yàn)信念在哪個點(diǎn)上將可用于報告的硬性閾值。相反，意識通達(dá)的閾值將隨任務(wù)要求和主體需要執(zhí)行的決策類型而變化。此外，我們希望明確，我們并非聲稱成為反事實(shí)策略選擇過程的目標(biāo)才使得后驗(yàn)信念有意識。相反，是這種后驗(yàn)信念在適當(dāng)?shù)臅r間尺度上并以足夠的精度為策略選擇過程提供信息的（反事實(shí)意義上的）能力，才使其具有意識（參見意識的 dispositional 理論；Carruthers, 2003; Prinz, 2012）。我們認(rèn)為這是人類（以及具有類似神經(jīng)元架構(gòu)的非人類動物）內(nèi)容變得有意識的必要且充分條件，但對于與我們自身 vastly 不同的系統(tǒng)，我們對此條件是否既必要又充分保持不可知論。最能解釋主觀報告的決策標(biāo)準(zhǔn)的具體細(xì)節(jié)是一個 ongoing 的經(jīng)驗(yàn)爭論問題，最好將其視為理論保護(hù)帶的一部分（關(guān)于可能的實(shí)現(xiàn)，請參見 Whyte et al., 2022）。關(guān)于現(xiàn)象學(xué)與反事實(shí)策略選擇深度之間關(guān)系的討論，請參見 (Seth, 2014)。

重要的是，理論硬核中包含的意識過程與主動推理之間的這些極簡聯(lián)系，應(yīng)被視為發(fā)現(xiàn)和構(gòu)建一個更全面的意識理論的基礎(chǔ)構(gòu)建塊，該理論目前隱含在主動推理的外圍。理論的前兩個組成部分（最小化變分自由能和期望自由能的必然要求，以及意識知覺與狀態(tài)后驗(yàn)之間的聯(lián)系）在某種意義上是由主動推理框架的形式化機(jī)制邏輯上蘊(yùn)含的。相比之下，硬核的第三個組成部分（意識通達(dá)發(fā)生在離散-連續(xù)接口處）是基于對研究意識所使用的典型實(shí)驗(yàn)范式進(jìn)行建模所需的生成模型類型而得出的最佳解釋推論。換句話說，盡管主動推理的基本設(shè)定中有一些暗示，但一個完整的意識理論需要的不僅僅是透過行動和知覺優(yōu)化內(nèi)部模型的原理。它必須指定模型本身的屬性才能在科學(xué)上有用。發(fā)現(xiàn)的過程包括整合、測試和舍棄模型（包括上面回顧的那些），以及對現(xiàn)有模型的進(jìn)一步改進(jìn)（例如對雙眼競爭和層級聽覺處理模型所做的修改；見附錄1-2）。然后，對這些模型的審視會豐富理論，指出哪些屬性在對意識內(nèi)容、自我和狀態(tài)的解釋中至關(guān)重要。

我們在此倡導(dǎo)的方法首先是一種開放式的理論構(gòu)建和發(fā)現(xiàn)過程，只要它仍然是一個進(jìn)步的研究綱領(lǐng)，并且在與其它意識理論爭奪模型證據(jù)的競賽中保持競爭力，理論構(gòu)建就會不斷被擴(kuò)展和完善 (參見 Corcoran et al., 2023)。未來的關(guān)鍵發(fā)展將包括更詳細(xì)地對更多意識現(xiàn)象進(jìn)行建模，包括應(yīng)用結(jié)構(gòu)相似的模型來統(tǒng)一多樣化的有意識和無意識現(xiàn)象。這體現(xiàn)在競爭和特克斯勒消退模型 (Parr, Corcoran, et al., 2019)；以及用于適應(yīng)無報告范式的注意力驅(qū)動知覺模型的層級擴(kuò)展 (Whyte et al., 2022)。未來的工作還應(yīng)研究結(jié)合了意識內(nèi)容、自我和狀態(tài)模型元素的模型的性能。此外，重要的是要完善針對特定類型現(xiàn)象學(xué)的概念模型（例如，情緒和情感、對象性、元認(rèn)知；Barrett et al., 2016; Nikolova et al., 2022; Pezzulo et al., 2018; Seth, 2014; Seth et al., 2012; Seth & Friston, 2016），以提高計(jì)算的特異性并產(chǎn)生可檢驗(yàn)的預(yù)測。

理論的保護(hù)帶由允許編寫和模擬意識現(xiàn)象的特定模型的形式化方法，以及將模擬結(jié)果映射到經(jīng)驗(yàn)性行為和神經(jīng)數(shù)據(jù)的假設(shè)所構(gòu)成。這包括生成模型的結(jié)構(gòu)、將生成模型以及狀態(tài)和策略推斷動力學(xué)映射到神經(jīng)數(shù)據(jù)的過程理論，以及將模擬得出的量與報告的現(xiàn)象學(xué)聯(lián)系起來的假設(shè)（例如，知覺的內(nèi)容是否對應(yīng)于后驗(yàn)的眾數(shù)？和/或分布的精度是否有助于感官現(xiàn)象學(xué)？）。

當(dāng)前的理論框架是刻意極簡的，為主動推理理論家在經(jīng)驗(yàn)或理論上未確定的問題上留下實(shí)質(zhì)性分歧的空間。它也承認(rèn)絕大部分解釋工作將由理論的保護(hù)帶完成，因此，它在很大程度上是開放給富有成效的修訂和完善的（考慮到可能的生成模型結(jié)構(gòu)的全部技能，以及模擬數(shù)據(jù)與經(jīng)驗(yàn)數(shù)據(jù)之間過程理論映射的靈活性）。在單個生成模型的層面上，幾乎總是可以制定大量候選模型，這些模型可以或多或少地解釋相關(guān)的經(jīng)驗(yàn)數(shù)據(jù)，在極端情況下甚至可能產(chǎn)生相互矛盾的預(yù)測。這是一個特性，而非缺陷，并且與主動推理作為一個建?？蚣苁前殡S著一套用于模型擬合和模型比較的變分（貝葉斯）方法一起發(fā)展起來的這一事實(shí)相輔相成 (Daunizeau, 2011; Friston et al., 2007; Zeidman et al., 2022)。這些方法使得在相互競爭的生成模型家族之間進(jìn)行裁決成為可能，每個模型家族都體現(xiàn)了關(guān)于生成觀察到的經(jīng)驗(yàn)數(shù)據(jù)的過程的假設(shè)。因此，單個生成模型的開發(fā)和部署——以及主動推理作為意識理論的發(fā)展——是齊頭并進(jìn)的，為理論既能貢獻(xiàn)于經(jīng)驗(yàn)爭論，又能與經(jīng)驗(yàn)爭論一起發(fā)展留下了空間。

例如，正如我們上面提到的，意識通達(dá)知覺狀態(tài)的各種決策標(biāo)準(zhǔn)是一個 ongoing 討論的問題，最近的證據(jù)指向一種潛在的元認(rèn)知機(jī)制，該機(jī)制涉及對刺激存在與否的抽象推斷，且獨(dú)立于知覺空間本身的結(jié)構(gòu) (Dijkstra et al., 2023)。這種機(jī)制與先前提出的一個主動推理架構(gòu) (Whyte et al., 2022) 相反，后者通過一個與主體知覺空間結(jié)構(gòu)明確相關(guān)的策略空間來模擬意識通達(dá)。目前的證據(jù)不足以在更普遍的環(huán)境中區(qū)分這兩種假設(shè)，但如果意識通達(dá)確實(shí)依賴于一種獨(dú)立于知覺狀態(tài)空間結(jié)構(gòu)的元認(rèn)知決策，那么這將對此特定的主動推理模型構(gòu)成重大（可能是無法克服的）挑戰(zhàn)。然而，關(guān)鍵在于，模型的這一組成部分是特殊的，并非主動推理下生成模型結(jié)構(gòu)的內(nèi)在特征，這使得有可能構(gòu)建尊重新發(fā)現(xiàn)的未來模型（并在此過程中，富有成效地將主動推理的解釋范圍擴(kuò)展到元認(rèn)知領(lǐng)域）。我們認(rèn)為這種靈活性是理論的一個解釋優(yōu)點(diǎn)而非缺陷，并且鑒于意識科學(xué)處于早期階段以及隨著方法和數(shù)據(jù)質(zhì)量的提高經(jīng)驗(yàn)發(fā)現(xiàn)不斷修訂，這是完全合適的。

這些考慮因素留下了擔(dān)憂，即主動推理可能過于靈活，無法作為一個意識理論富有成效地運(yùn)作（而不僅僅是一個有用的建?？蚣埽?。或者，換句話說，理論的硬核與其保護(hù)帶之間的聯(lián)系留下了太多的自由度，以至于無法自身導(dǎo)向一個可識別的意識理論。然而，有兩個關(guān)鍵考慮因素可以緩解這種擔(dān)憂。首先，前面提到的對意識通達(dá)的主動推理模型進(jìn)行潛在修訂的例子，僅涉及在一個模型中修改關(guān)于主體策略空間的假設(shè)，因此并不代表對理論保護(hù)帶的實(shí)質(zhì)性打擊。重要的是，并非所有假設(shè)都如此。不同模型共享由少量語義上可解釋的量（即準(zhǔn)確度、復(fù)雜度、風(fēng)險、模糊性、新穎性）組成的目標(biāo)函數(shù)這一事實(shí)，限制了可能促成特定行為的參數(shù)數(shù)量。例如，在對選擇性注意進(jìn)行建模時，刺激的顯著性被歸因于 A 矩陣的精度——這將通過期望自由能的知識性（最小化模糊性）成分對行為施加影響。這一假設(shè)幾乎被所有涉及注意和視覺搜索角色的主動推理模型所共享 (Allen et al., 2019; Holmes et al., 2021; Mirza et al., 2018, 2018, 2019; Parr et al., 2021; Parr & Friston, 2017a, 2017b, 2018b; Whyte et al., 2022; Whyte & Smith, 2021)。因此，如果發(fā)現(xiàn)一個無法以這種方式建模的注意效應(yīng)的例子，將對主動推理意識理論構(gòu)成非常重大的打擊，因?yàn)樾抻喌挠绊憣⒉敖^大多數(shù)現(xiàn)有模型。

第二個重要的考慮因素是，該理論實(shí)際上產(chǎn)生了定量和定性的預(yù)測。盡管這些預(yù)測并非直接源自硬核，但它們足夠接近，以至于如果被發(fā)現(xiàn)是錯誤的，將需要對絕大多數(shù)建模研究中使用的橋接假設(shè)進(jìn)行修訂——即使是那些看似與意識科學(xué)無關(guān)的研究。這種修訂將使該理論瀕臨成為退化研究綱領(lǐng)的危險 (Godfrey-Smith, 2003)。主動視覺中存在探索-利用權(quán)衡就是此類預(yù)測的一個定量例子。我們在（附錄2）中給出了一個在雙眼競爭背景下的明確例子。如果發(fā)現(xiàn)與刺激相關(guān)的獎勵在與競爭刺激的知識性內(nèi)容（例如，亮度對比度）在注意策略選擇中不存在權(quán)衡關(guān)系，那么主動推理將受到嚴(yán)重挑戰(zhàn)，因?yàn)槠谕杂赡苤酗L(fēng)險與模糊性之間的權(quán)衡是理論硬核的基本組成部分。當(dāng)然，這一預(yù)測很難直接檢驗(yàn)，因?yàn)閰⑴c者在學(xué)習(xí)速率、悲觀先驗(yàn)和對獎勵關(guān)聯(lián)的敏感性等方面存在個體差異。此外，注意力在早期視覺處理中起作用的程度仍不確定，這意味著在實(shí)踐中，通常需要跨廣泛實(shí)驗(yàn)進(jìn)行最佳解釋推斷。然而，如果 robustly 的證據(jù)表明，跨參與者和實(shí)驗(yàn)范式（例如，雙眼競爭和特克斯勒消退）的最佳擬合模型在選擇注意策略時并不尊重預(yù)期的風(fēng)險與模糊性之間的權(quán)衡，那么主動推理意識理論的可信度就會降低。因此，在某種意義上，主動推理建?？蚣堋约鞍殡S它的模型擬合和比較工具——是嚴(yán)肅檢驗(yàn)作為意識理論的主動推理的關(guān)鍵。這是一個有利的位置。模型擬合和比較的工具絕不假定用于推導(dǎo)被擬合模型的理論為真。在特定背景下，最佳擬合模型很可能是一個違反了主動推理意識理論核心原則的模型。

我們還可以從該理論中推導(dǎo)出第二個定性預(yù)測。具體來說，我們在上文指出，主動推理作為意識理論的一個核心承諾是，如果意識內(nèi)容有任何變化，那么身體、大腦或世界的推斷狀態(tài)必須發(fā)生變化。該承諾的一個推論是，在缺乏感官（A 矩陣）精度的情況下，關(guān)于世界狀態(tài)的后驗(yàn)信念不應(yīng)從其先驗(yàn)軌跡上移動（例如，我們在腦海中默數(shù)數(shù)字的能力意味著我們可以基于從一個數(shù)字到下一個數(shù)字的轉(zhuǎn)移先驗(yàn)來逐刻改變我們的后驗(yàn)信念，但我們不會期望在缺乏精確感官數(shù)據(jù)的情況下偏離這個數(shù)字軌跡），因此，意識內(nèi)容不應(yīng)改變。因此，該理論的一個方便的口號是“看見就是去看”（同樣適用于其他感官模態(tài)，如“聽見就是去聽”，“感覺就是去觸摸”等）。也就是說，有意識地知覺，就是在外顯和內(nèi)隱行動中，采用某種反事實(shí)策略選擇過程所特有的精度分配。將感官模態(tài)的精度完全分配為零可能過于理想化，難以經(jīng)驗(yàn)處理；然而，一個與理論核心相關(guān)的預(yù)測是，精度的降低將減弱信念更新；表現(xiàn)為意識內(nèi)容的延遲變化。如果我們將精度的內(nèi)源性分配與內(nèi)隱和外顯的注意政策聯(lián)系起來 (Hohwy, 2012)，這是整個主動視覺的主動推理模型中所做的假設(shè)，那么，在注意/眼跳策略選擇中被賦予高精度的刺激，將比視網(wǎng)膜匹配但非眼跳目標(biāo)的刺激更快地進(jìn)入意識內(nèi)容。這一預(yù)測也是主動推理作為意識理論所獨(dú)有的，與其他可能更有針對性的意識理論（如全局工作空間理論或整合信息理論）形成對比，這些理論沒有為行動賦予明確的角色，而在主動推理下，精度的分配是通過明確選擇注意或眼跳策略來實(shí)現(xiàn)的。這種經(jīng)驗(yàn)預(yù)測確實(shí)是一項(xiàng)對抗性合作的一部分，該合作旨在針對意識內(nèi)容的被動預(yù)測處理理論和主動推理來檢驗(yàn)整合信息理論（INTREPID CONSORTIUM, 2021; 項(xiàng)目編號 TWCF0646）。

最后，重要的是要注意，該理論的成功或失敗并不完全取決于這兩個接近核心的預(yù)測的成功與否。有可能這些預(yù)測得到驗(yàn)證，但主動推理作為意識理論仍然失敗。事實(shí)上，該理論可能以各種不那么戲劇性的——我們猜測更有可能的——方式失敗。例如，如果關(guān)鍵現(xiàn)象的主動推理模型過于復(fù)雜（從它們過度擬合特定的實(shí)驗(yàn)結(jié)果且不具泛化能力的意義上說），或者如果有意識和無意識知覺的模型看起來無法區(qū)分，或者如果不同意識現(xiàn)象的模型未能顯示出一致的共性和差異，以至于該理論在統(tǒng)一性或獨(dú)特解釋方面提供的很少，這將表明一個退化的研究綱領(lǐng)。反過來，如果該理論最終被證明是成功的，我們期望最終能夠用相對較少的一組模型來重現(xiàn)所有關(guān)鍵的意識和行為的神經(jīng)關(guān)聯(lián)，這些模型沿著少數(shù)維度變化，以反映報告的現(xiàn)象學(xué)和神經(jīng)關(guān)聯(lián)的差異和相似性。這也意味著解釋方向的性質(zhì)。神經(jīng)和行為變量通過主動推理的解釋工具映射到現(xiàn)象學(xué)（反之亦然）。

結(jié)論

在這里，我們認(rèn)為，恰恰因?yàn)橹鲃油评肀旧聿⒎且粋€意識理論，它在當(dāng)前意識理論方法中處于獨(dú)特的位置，能夠公正地對待以意識科學(xué)為旗幟所研究的現(xiàn)象的豐富性和多樣性。關(guān)鍵在于，我們認(rèn)為主動推理不僅僅是一個用于意識建模的框架。在意識科學(xué)的背景下，對這些模型的解釋中所隱含的假設(shè)，蘊(yùn)含著一套經(jīng)驗(yàn)預(yù)測，如果這些預(yù)測被證明是錯誤的，將需要對在主動推理下構(gòu)建的大多數(shù)模型進(jìn)行修訂。該理論的核心由感知中最小化變分自由能和策略選擇中最小化期望自由能的必然要求構(gòu)成，以及這樣的猜想：意識的內(nèi)容，包括外感受和內(nèi)感受體驗(yàn)，以及大腦本身的狀態(tài)，必須——以某種方式——對應(yīng)于在連續(xù)感官計(jì)算和離散反事實(shí)策略選擇過程接口處的世界推斷狀態(tài)。

對意識的科學(xué)研究歸根結(jié)底是一門經(jīng)驗(yàn)科學(xué)。如果主動推理要為我們提供一個有用的意識理論，那么將來之不易的理論見解轉(zhuǎn)化為經(jīng)驗(yàn)見解必須是優(yōu)先事項(xiàng)。目前，在旨在概念澄清的抽象模型轉(zhuǎn)化為對經(jīng)驗(yàn)數(shù)據(jù)提供定性解釋的模型方面，存在明顯的瓶頸。反過來，將這些旨在定性解釋和預(yù)測的更復(fù)雜的理論模型轉(zhuǎn)化為可以與數(shù)據(jù)進(jìn)行定量比較的極簡模型也存在瓶頸。絕大部分解釋工作仍有待完成。盡管如此，我們在此論證了理論的輪廓已經(jīng)開始顯現(xiàn)。因此，我們樂觀地認(rèn)為，主動推理作為一種意識理論，有足夠的資源最終提供一組極簡的模型，以解釋和統(tǒng)一對意識內(nèi)容、自我和狀態(tài)的研究。

原文鏈接：https://arxiv.org/pdf/2410.06633