自由能原理:生命、心智與行動如何在不確定世界中維持自身
全書導讀
自由能原理(Free Energy Principle, FEP)是近二十年來連結理論神經科學、統計物理、機器學習、認知科學與生物哲學的一個重要研究綱領。它提出:能在時間中維持自身的系統,必須限制自身可出現的狀態範圍;在特定形式化條件下,這種動態可用變分自由能與機率生成模型描述。主動推論(Active Inference)則進一步把感知、學習、規劃與行動放入同一個循環,讓行動者不只推論世界,也透過行動改變自己接觸到的世界。
本書採取支持與批判並讀的立場。自由能原理有深刻的統合企圖,也提供可操作的數學工具;然而數學上可描述某系統,不代表已證明該系統真的以相同機制運作,更不代表同一原理已解釋所有生命、心智與社會現象。閱讀時請始終區分:
- 數學主張:變分自由能、近似貝葉斯推論、馬可夫毯與非平衡動力學的推導是否成立。
- 實證主張:特定神經、行為或生理系統是否符合模型的變項、機制與預測。
- 一般性主張:自由能原理是否能廣泛適用於生命、認知或更大尺度系統。
核心概念
最小化變分自由能,能讓可計算的近似信念靠近生成模型所定義的後驗分布;變分自由能也為難以直接計算的驚訝度提供上界。主動推論把這種推論擴展到行動:行動者可選擇改變自身的感官輸入,也可能為了獲取資訊而探索。這讓「尋找熟悉而穩定的狀態」與「主動進入未知以學習」不必互相矛盾;預期自由能模型可以同時表示偏好與資訊價值。
馬可夫毯則提供另一個關鍵概念:它描述內部與外部狀態之間的統計依賴邊界,並非物理牆。研究者由此嘗試理解細胞、個體與群體的自主性及巢狀結構。但馬可夫毯的數學定義與推導方式曾受到技術批判,因此使用時必須說清楚條件。
全球研究脈絡與對話
本資料庫的研究材料主要來自英國 UCL 與劍橋、義大利國家研究委員會、澳洲研究機構與大學、日本研究者、復旦大學、台灣醫學與心理研究合作、加拿大認知科學與哲學研究、以及美國的神經與心理研究團隊。這不是一張完整的世界地圖,而是目前可查得、可連結原文的代表性研究路徑;研究分布並不平均,尚未找到足夠可核對的非洲與拉丁美洲直接 FEP 實證研究,因此不以地區配額虛構代表性。
值得特別留意的跨地區對話包括:日本與澳洲研究者對馬可夫毯推導的技術批判;荷蘭與歐洲生態/生成認知取向對「大腦像科學家」隱喻的修正;美國、英國與澳洲研究者對群體智慧模型的嘗試;復旦大學研究者對 Friston 的訪談;以及 2026 年台灣與美國樣本比較主動推論與強化學習的實證研究。最後一項研究顯示,模型比較可偏向主動推論,但兩類模型的預測準確度相近,且對探索與利用行為的解釋有所不同。這是比較研究,而不是主動推論全面勝出的證據。
建議閱讀路徑
路徑一:先理解數學,不急著接受普遍性主張
先讀 自由能原理把感知與學習放進同一個統計框架 與 自由能原理以最小化驚訝的方式統合大腦理論,再讀 變分自由能提供難以計算的驚訝度上界、最小化變分自由能可逼近後驗信念 與 生成模型把感官訊號連回可能的世界原因。接著使用 自由能原理的數學骨架 概念地圖,確認公式、概念與前提之間的關係。
路徑二:從大腦走向身體與行動
閱讀 主動推論的行動與感知具有可數學化的共同基礎、主動推論把學習和習慣視為信念導向的行為、活體的神經表徵是為了與世界互動而生成 與 生成意義需要能介入感知行動循環。再對照 生態與生成取向提醒我們大腦不是孤立的預測器,並查看 主動推論的感知行動循環 與 具身認知與生態行動。
路徑三:從個體延伸到生命與群體
閱讀 馬可夫毯可描述生命系統的統計邊界、群體智慧可用多個行動者的耦合模型來研究,再讀 自我與環境邊界可能是多層次且可變的 與 社會群體可以作為多層耦合的自主系統假說。閱讀這條路徑時,請特別區分形式類比、模型示例與實際群體的經驗證據。
路徑四:批判、比較與實作
將 馬可夫毯推導中仍有需要交代的數學假設、馬可夫毯不會自動證明自由能原理是一切理論、自由能原理在特定非平衡系統中的適用條件受到限制 與 自由能原理需要區分數學實證與普遍性主張 放在一起閱讀。之後讀 主動推論可透過逐步模型比較連結實驗資料、2026年台美研究比較主動推論與強化學習模型、不知自身行動的智能體仍可能以主動推論完成導航,再使用 自由能原理的批判與實證檢查。若希望進一步實作,可從 實作一個最小主動推論模型並與強化學習比較 開始。
全書筆記索引
文獻筆記(data)
- 2026年台美研究比較主動推論與強化學習模型
- 2026年工程教材把主動推論帶向演算法與應用
- Friston訪談以自我證成說明大腦如何運作
- 不知自身行動的智能體仍可能以主動推論完成導航
- 主動推論作為有感知生命行為的統合理論仍是研究綱領
- 主動推論可透過逐步模型比較連結實驗資料
- 主動推論把學習和習慣視為信念導向的行為
- 主動推論的全面數學導論讓理論更容易檢查
- 主動推論的理論雄心仍待心理與精神醫學實證評估
- 主動推論的行動與感知具有可數學化的共同基礎
- 活體的神經表徵是為了與世界互動而生成
- 生態與生成取向提醒我們大腦不是孤立的預測器
- 生成意義需要能介入感知行動循環
- 皮質反應可被理解為對感覺原因的推論
- 群體智慧可用多個行動者的耦合模型來研究
- 自由能原理以最小化驚訝的方式統合大腦理論
- 自由能原理在特定非平衡系統中的適用條件受到限制
- 自由能原理把感知與學習放進同一個統計框架
- 自由能原理的數學形式需要透過具體模型才能接受實證檢驗
- 自由能原理需要區分數學實證與普遍性主張
- 馬可夫毯不會自動證明自由能原理是一切理論
- 馬可夫毯可描述生命系統的統計邊界
- 馬可夫毯推導中仍有需要交代的數學假設
永久筆記(note)
- 主動推論不應被當成已證實的臨床療法
- 好奇心可被描述為尋求資訊的認識價值
- 強化學習與主動推論比較應看不同場景的增益
- 感知與學習可被理解為不同時間尺度的推論
- 最小化變分自由能可逼近後驗信念
- 熱力學自由能與變分自由能不可混用
- 熵不是心理混亂或壓力的同義詞
- 理論評估必須交代可觀察變項與競爭模型
- 生命維持可被建模為偏好狀態範圍的調節
- 生態心理學提醒心智與環境共同構成技能
- 生成模型把感官訊號連回可能的世界原因
- 社會群體可以作為多層耦合的自主系統假說
- 精確度加權決定哪些誤差值得被更新
- 自我與環境邊界可能是多層次且可變的
- 自由能原理是一個統攝性研究框架而不是單一具體模型
- 行動能藉由改變感官輸入來實現預測
- 行動覺察假設會改變主動推論模型如何規劃
- 變分自由能提供難以計算的驚訝度上界
- 非平衡穩態不是靜止而是持續調節的穩定
- 預期自由能將資訊價值和偏好結果放入決策
- 預測編碼是誤差驅動更新的一種候選神經機制
- 預測處理不等同於自由能原理
- 馬可夫毯描述的是統計依賴邊界而非物理牆
靈感筆記(idea)
- 實作一個最小主動推論模型並與強化學習比較
- 將散步設計成主動取樣而非效率訓練
- 對個人知識系統建立可反駁的生成模型
- 慈悲溝通可以減少對他人意圖的過早推論
- 技術系統的主動推論評估應分解為能力與限制
- 用不確定性日記辨認預測與觀察落差
- 用好奇心而不是只有獎勵設計學習
- 禪修可作為觀察預測與感受的現象學練習但不是FEP驗證
- 群體協作以可見邊界和資訊交換來設計
概念詞條(term)
- KL散度
- 主動推論
- 傳出副本
- 內感受
- 具身認知
- 可供性
- 好奇心
- 工具性價值
- 強化學習
- 探索與利用
- 政策
- 條件獨立
- 注意力
- 熵
- 生命維持
- 生態心理學
- 生成模型
- 精確度
- 自主性
- 自由能原理
- 行動覺察
- 認識性價值
- 變分推論
- 變分自由能
- 貝葉斯推論
- 非平衡穩態
- 預期自由能
- 預測編碼
- 預測處理
- 預測誤差
- 馬可夫毯
- 驚訝度
概念地圖(moc)
研究限制與使用提醒
本書是可持續修訂的研究型知識庫,不是自由能原理的定論。部分來源是理論論文、綜述、模型示範或研究者訪談;它們的證據性質不同。2026 年實證比較與新教材已納入,但本資料庫仍非系統性回顧(systematic review),也沒有聲稱窮盡所有語言與地區。外語維基百科連結若使用搜尋頁,是因該詞條未必有可確認的獨立條目;搜尋頁不是學術來源。
建議每次新增研究時補上:研究問題、樣本或系統、模型假設、實驗設計、主要結果、限制、可重現資源與可反駁預測。
主要書籍與開放學習資源
- Thomas Parr, Giovanni Pezzulo & Karl J. Friston, Active Inference: The Free Energy Principle in Mind, Brain, and Behavior(MIT Press, 2022)。
- Sanjeev V. Namjoshi, Fundamentals of Active Inference(MIT Press, 2026)。
- Mann, Pain & Kirchhoff, Free energy: a user’s guide(2022,開放取用)。
- Smith, Friston & Whyte, A step-by-step tutorial on active inference(2022,開放取用)。
- Active Inference Institute:開放科學、教學活動、讀書會與研究資源。