摘要

Friston 的核心判断是，智能存在于一个“金发姑娘区间”：系统太小或太大，智能都可能消失。 在微观尺度，随机性会压过形成主体性的循环结构；到了行星或天文尺度，平均化又会抹平组成部分的复杂性，只剩没有规划能力的运动。因此，星际文明可能需要联邦式组织，而不是一个统一智能体：进化“无需具备智能，也可以很美”。
大型组织不会因为把一群聪明的部分简单加总起来，就自动变得更聪明。 企业只有建立能够平衡耗散与循环、保守动力的结构，才能保有大尺度智能——这相当于让组织运行在“混沌边缘”。Friston 对机构的更尖锐警告是，全球化和组织可能会“大到伤害自身”，因为它们逐渐失去规划能力。
机器意识在原理上可行，但 Friston 怀疑标准的 von Neumann 架构能否高效、甚至能否实现机器意识。 有意识的人工系统需要主体性、足够广的反事实空间与时间深度，还要具身为一台“兽性机器”，并依赖具体基底、具备“会死亡”的计算属性。他押注的硬件方向是存内计算、忆阻器和神经形态光子学——不一定是脉冲神经网络——因为记忆基底必须参与计算并实现自组织。
主体性与意识彼此正交，但递归因果结构既被用于解释主体性，也出现在部分意识理论中。 Friston 认为，主体性源于系统无法直接观测自身行动，因此只能把行动推断为感觉的原因，并由此在“内部拥有一个未来”，从中选择路径。意识可能还需要额外的精度控制、注意力和元认知——“观察自己正在观察”——而不只是拥有贝叶斯信念。
大约20年后，Friston 说自己仍未遇到自由能原理决定性的“那就行不通了”时刻。 其核心几乎简约到极致：分割会产生条件概率分布，而这些分布的动力学遵循最小作用量原理。真正困难的是，如何传达一个“几乎同义反复般简单、但后果深远”的理论；Friston 仍然矛盾，因为少量“魔法与神秘主义”也会推动探索。
这期节目同时拒绝大脑沙文主义和不加区分的泛智能论。 Mike Levin 的基础认知研究把病毒、黏菌和 xenobots 是否具备智能视为一个经验问题；Keith 则认为，病毒本质上是一台把自身机制外包给宿主的“捕鼠器”，在整个生命周期内都不学习。真正有用的单位或许是群落或生态系统，但 Friston 仍要求其具备正确的因果结构、反事实深度和合适尺度。
对自主系统而言，静态感知远远不够，因为有意义的边界是历史，而不只是像素。 马尔可夫毯的发现必须识别那些能够随时间持续存在并反复出现的实体；单靠图像分割无法产生理解。因此，结构学习和动态世界模型是机器人与自动驾驶的核心，而 Friston 也承认，远距离作用仍让他缺少在相互竞争的因果结构之间做选择的“好数学”。

精读

1. 20年时间强化了 Friston 的信念，却没有终结争论

Keith 将自由能原理追溯到约2005年，并要求对这20年做一次复盘。Friston 拒绝提前庆功：一边发展理论一边评估理论，就像一边做饭一边点评这顿饭；但每当某个现象“相当顺滑地嵌入”框架，他都会获得一阵多巴胺刺激，而截至目前，他仍未遇到决定性的“那就行不通了”时刻。
Friston 失望的地方在于传播。他对人们称自由能原理“出了名地难”感到矛盾：一些“魔法与神秘主义”确实能让人觉得这是值得攻克的挑战，但这个框架本应“几乎同义反复般简单”，而他怀疑自己的解释还没有让它保持足够直观。
Keith 将其与概率论相比：和规则很容易写下来，但推论意义深远，而且经常被误用。Friston 认同这一点，因为条件概率正是框架的核心：先对状态进行分割，再让一组状态以另一组为条件，最后为这些条件密度的动力学描述一个最小作用量原理——位于“热力学之前”，也位于“量子力学之前”。
Friston 主要把生成式 AI 和大语言模型视为理解自然智能的工程工具。这种理解可以改善生活、支持可持续发展，并通过计算精神病学服务心理健康；他援引 Feynman 的话——“我无法创造的东西，我就不理解”——并补充了一个令人不安的推论：真正的理解可能要求人类创造出“会受苦的东西”。

2. 马尔可夫毯把缺失的因果连接变成自然类

Friston 从外部状态、内部状态、感觉状态和主动状态出发。不同的禁止性因果影响会产生一套“自然类”本体论：既没有内部状态、也没有主动状态的实体，就是因果黑洞，典型地处于惰性状态；由于它从不反作用于环境，也几乎不可见。
在细胞这类普通的接触边界系统中，感觉状态构成外层，主动状态位于其下，内部状态处在中心。这种排列同时施加了两个方向的条件独立：外部状态无法直接触达行动，内部状态也无法直接造成感觉。
层级生物体有所不同，因为它们的主动状态会与内部状态隔离。从内部看，那些不可见的行动现在会和外部世界一起显现为感觉的原因；因此，生物体不仅要推断环境，还要推断自身。正是这种递归，让这些系统成为“奇怪的东西”。
远距离作用让图景变得更复杂。细菌生活在接触局部的世界里，但视觉、听觉、电磁辐射和磁场——比如节目讨论的指南针——创造了非局部因果可能性。Friston 坦承，自己的结构学习仍存在空白：他不知道有什么好的数学方法，能够判断应如何在相互竞争的因果组织之间做出最佳区分。

3. 自我建模让主体拥有一个私有的未来

Keith 的框架是，计算性的奇异循环打开了完全不同的一类行为。Friston 表示认同：一旦系统把自己建模为环境的一个原因，它就必须推断自己正在做什么，以及这些行动将产生什么结果；这构成了“真正意义上的主体性”，而不只是被动调节。
因为行动的后果尚未到来，自我建模天然指向未来。从恒温器、病毒或单个细胞转变为主体，发生在系统拥有“内部的未来”、能够表征分叉的可能路径并在其中做出选择之时。Friston 认为，这可能是真正主体性、甚至某种基本意识的必要条件，但并不是两者的定义。
Tim 追问，主体性与现象体验之间似乎存在混淆：更深的反身层级或许会强化主体性，但为什么它们会产生意识？Friston 完全承认这一点，并认同 Anil Seth 的区分：智能、主体性与意识彼此正交，“具备主体性并不意味着具备意识”。

4. 意识可能源自精度、可访问性和递归注意力

自由能框架对意识提供的是双重面向一元论，而不是直接的意识解答。同一脑基底同时承载热力学信息几何和表征几何；在后者中，内部状态编码关于世界的贝叶斯信念，其中也包括行动。物理动力学和推断，是对同一过程的两种读法。
仅仅编码后验信念可能还不够。恒温器可以被解释为持有关于温度的信念，但这并不意味着它有意识。因此，更强的理论要求信念在动力学上被“点燃”——具备足够精度，能够影响层级或分布式系统中的其他更新过程。
Friston 提到一种与 Mark Solms 相关的“被感受到的不确定性”理论：意识追踪的是对置信度、精度或不确定性的表征，而不只是内容本身。他谨慎回忆说，有观点认为，只要关闭一个约3立方毫米的脑干区域，就能关闭意识；该区域包含上行系统的起源，而这些系统编码并表征精度信号。
更具要求的理论还加入控制和自我识别：先注意，再识别自己正在注意，然后再识别这种识别。Chris Fields 的“内屏”假说把嵌套的马尔可夫毯重新表述为全息屏幕，并提出一个不可约的内屏：它只能通过作用于大脑其他部分来认识自己。Friston 认为，这一设想与高阶思维理论和精度门控的全局神经元工作空间理论相容。

5. 机器意识需要长时间范围和会死亡的硬件

Keith 认为，意识需要最低限度的复杂性和因果结构，并把它与 Game of Life 中的滑翔机相比：低于一定像素数量，滑翔机就无法存在。Friston 表示认同，但认为边界在技术上很模糊——就像追问多少粒粮食才算一堆——并提名时间深度作为最合理的维度。
反事实广度，是可用未来路径的数量；反事实或时间深度，则是这些路径延伸的距离。恒温器只有微分方程中隐含的即时未来。具有人类式主体性的机器，需要一个能够模拟自身行动后果的世界模型，同时具备足够宽的备选路径和明显更长的时间范围。
对于机器最终能否理解世界或获得意识，Friston 的回答是“原则上可以”，但仅靠数学模拟可能不够。沿着 Seth 的“兽性机器”框架和 Geoffrey Hinton 的会死亡计算，他主张具身性与基底依赖：计算必须依赖具体物理基底，而不能只是独立于基底、在其上运行。
因此，他怀疑 von Neumann 系统——处理器读取和写入分离的存储器——因为这种整体结构让记忆难以自组织。Friston 认为，有意识的机器必须在热力学和信息层面都遵循最小作用量路径，否则它无法在非平凡的时间长度内保持意识。他转而指向存内计算、忆阻器和神经形态光子学，同时明确表示并不要求脉冲神经网络。

6. 基础认知是经验问题，但病毒暴露了边界难题

Tim 追问，植物和病毒是否意味着“泛智能”，并挑战大脑被赋予特殊地位的做法。Friston 将问题引向 Mike Levin 和 Chris Fields 的基础认知研究计划：智能可能广泛存在，但必须通过实验将其揭示出来，而不能根据外观预设其存在。
按照许多适应性行为标准，Friston 说，黏菌、病毒和 xenobots 看起来都“极其聪明”。他支持这种反对沙文主义的挑战，但坚持认为病毒不具备奇异事物那种表现性主体性；某些因果结构是分类意义上存在或不存在的，即使更广义的智能门槛仍然模糊。
Keith 的反驳聚焦于生物学外包。病毒通过辐射或转录错误发生突变，而不是主动修改自己；它像一台注入遗传物质的“捕鼠器”，把转录和其余工作都交给宿主细胞。在自身生命周期内，病毒既不学习，也不适应，因此与其称之为“智能”，不如把它视为普通的展开动力学。
尺度可以在一定程度上调和两种观点：单个病毒可能并不值得关注，但群落或生态系统可能才是相关单位。Friston 同样把自然选择称为贝叶斯模型选择——偏好模型证据最高的表型——但不把适应性等同于规划。Keith 更严格的规则是：智能应归属于足够解释现象的最小边界，而不是归属于所有包含它的系统。

7. 智能会在金发姑娘尺度以下和以上消失

Friston 主张，应在每个候选对象的马尔可夫毯尺度上进行评估：其中是否拥有足够的机制，能够形成具备有意义反事实深度和广度的世界模型？病毒可能太小；生物圈可能太大，因为粗粒度观测会把组成部分丰富的因果组织平均掉。
物理机制始于对动力学进行 Helmholtz 分解，将其拆分为耗散部分和保守部分。耗散性波动提供随机性和开放性；保守性或无散流则在状态之间循环，支持惯例、生物节律、繁殖和 Poincaré recurrence——即反复回到接近起点的位置，使系统得以维持可识别的身份。
Friston 认为，在极小尺度，量子随机性占据主导，循环性的保守组织不足以维持系统结构。人类尺度的生物体将一个不断迁移、持续变化的世界，与对特征状态的稳定重访结合起来。到了天文尺度，平均化会移除波动，留下以保守性 Newton 运动为主的系统：行星会运行轨道，但运动本身没有规划的证据。
这就是处在“混沌边缘”的金发姑娘区间：完全有序和完全噪声都没有取胜。Friston 说，他看不出月亮、天气或进化在思考自己的未来。不过，当他把论证推向最终尺度边界时，又留下保留意见：“我不确定这是否正确。”

8. 粗粒化创造新的智能，却没有凭空增加新物质

Tim 追问，Gaia 看似没有智能，是否只是观察者能力有限的结果。人类通过忽略细节来抽象，通过扭曲细节来理想化；如果智能意味着“用更少做更多”，而涌现意味着“更多就是不同”，那么更高尺度的系统可能确实发生了重新组织，而不只是其组成部分的模糊视图。
Friston 给出的数学答案是重整化群：该算子递归地降低维度，把细尺度状态归并为适合更高尺度的变量。更高层级可以呈现全新的自证或智能动力学，但这些变量仍然是细尺度活动的函数——这构成了真实的涌现，却没有引入无法解释的新实体。
Keith 认为、Friston 也同意，大型组织如企业的智能需要刻意安装的组织结构。企业的粗粒度指标是生存——它是否能以可识别的形式从“Series A 走到不知道第几轮”——但规模扩大后，丰富递归组织的空间会减少，规划也会越来越困难。
Keith 将这一限制延伸到星际文明：最终，光速会阻止跨越光年的集中式协调。Friston 说，物理学论证似乎指向一个金发姑娘区间，但随后重新定义了这种失望：联邦式生态系统依然可以很美。“进化是一件美丽的事”，而且“它无需具备智能，也可以很美”。

9. 形态承载模型，DNA 约束策略

Tim 以延展认知为挑战，追问思维究竟在哪里结束：头脑内部、手机里、植物的形态之中，还是整个双向因果过程？Friston 回答说，讨论必须先确定一个马尔可夫边界，但每个有边界的事物都会受到更高尺度的环境限定；即便是没有智能的病毒，也需要一个有利于其持续存在的宿主世界。
对植物而言，形态并不只是内部模型所表征的对象。物理结构会参数化条件分布，使“基底”本身成为生成模型的一部分。按照良好调节器的思想，生物体必须承载其环境的因果组织；因此，一个无尺度的世界应当对应生物体中的无尺度层级结构。
Friston 最喜欢的例子，是 David Attenborough 将植物画面加速10倍或100倍后的影像。根和茎会朝特定方向移动，植物会相互争夺阳光，有些还会捕食昆虫；当它们被加速到人类的时间尺度后，行为看起来极其像动物，很难再将其简单斥为没有智能，无论它们是否有意识。
Tim 起初提出，DNA 或许可以被视为一种类似软件的模型，随后 Keith 将问题进一步明确：DNA 指定的是一套策略——每个细胞在面对感觉状态时应如何行动——而不是一份完整的身体蓝图。Friston 表示认同：遗传代码提供变化缓慢的结构先验和预期约束，但每个生物体仍必须学习具体细节，比如该向哪里生长；同一套代码可以分化出根、树皮和器官。

10. 实际的智能发现必须沿着时间追踪动力学

Tim 转述 Maxwell Ramstead 的压缩表述：无法合并的有边界开放系统，会通过交换信息并实现同步。Friston 认可这一点——松散耦合系统会收敛到一个混沌同步流形，而自由能最小化可以被描述为广义同步，不必引入 Bayes、预测加工或自证。
Chris Fields 的量子版本，则用纠缠和幺正性来描述对应关系。Friston 开玩笑说，在共同相处“超过5分钟”后，参与者就会完全纠缠在一起：也许严格来说并不是一个系统，但 Fields 可能会这么说；至少，它们的动力学会占据同一个流形，变得越来越难以区分。
对一台配备摄像头的机器人而言，图像分割只是迈出的第一步，即承认环境中存在某些东西。Tim 认为，理解需要历史，而不是快照；Friston 也认同，因为马尔可夫毯的发现必须利用动力学。如果每次只能看到一个宇宙状态，那么支撑概率分布的重复实现，就只能跨越过去和未来的时间产生。
因此，自动驾驶系统需要在时间维度上保存推断出的马尔可夫毯，并区分持续存在的事物与水、雾这类无定形物质。Josh Tenenbaum 研究的以对象为中心的 Newton 先验是一种选择，也可以使用更宽泛的模型；但 Friston 的边界表述令人印象深刻：“我会放松要求，但不会放松到重整化群之外。”

20VC：Musk万亿美元薪酬方案拆解 Chris Dixon 谈如何构建网络、运动与 AI 原生产品