计算神经科学把大脑写成方程

知识地图 › 06 学习、决策与贝叶斯 › 6.4

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

  1. 最小化预测误差(或变分自由能)同时优化表征与模型参数。
  2. 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。
  3. 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

预测编码像一位不断"先猜再核对"的读者。猜对了就快速略过,猜错了才停下来仔细看——注意力的分配由预测误差驱动。

常见误区

把预测编码当成"已确立的事实"。它是有力的规范性框架,但直接的神经证据(尤其是层级误差单元的解剖对应)仍在积累中。

出处

  • Rao & Ballard 1999, Nat Neurosci
  • Friston 2010, Nat Rev Neurosci
回到模块 06