知识地图 › 06 学习、决策与贝叶斯 › 6.4
预测编码与自由能
Predictive coding and free energy
★★★ 进阶理论进阶
大脑不断自上而下预测、自下而上报告误差,只把"没猜到的部分"往上送。
核心要点
- 最小化预测误差(或变分自由能)同时优化表征与模型参数。
- 误差单元与预测单元交替排列形成层级;精度加权决定哪一层更可信。
- 自由能原理把感知、学习与行动统一为"最小化惊奇",但其可证伪性仍有争议。
公式
F=Eq[log q(s)-log p(o,s)] ≥ -log p(o)
变分自由能是负对数证据的上界;最小化 F 等价于让近似后验 q(s) 逼近真实后验——即"用可算的推断逼近理想的贝叶斯推断"。
直觉
常见误区
出处
- Rao & Ballard 1999, Nat Neurosci
- Friston 2010, Nat Rev Neurosci