AI时代再问意识（53）：为什么大脑成为一台预测机器（2）

第二部分：卡尔·弗里斯顿与贝叶斯革命

科学史上的重大理论，很少是某一个天才在某一天突然产生的灵感。更多时候，它们像河流汇入大海一样，来自许多原本彼此独立的发展方向。当这些长期积累的思想终于在同一个时代相遇时，人们才意识到，一种全新的世界观已经悄然形成。

预测加工理论正属于这样一种思想革命。

今天，人们提起预测加工，几乎都会首先想到英国神经科学家卡尔·弗里斯顿（Karl Friston）。然而，如果因此把预测加工看成弗里斯顿个人提出的一套理论，就低估了它真正的历史意义。事实上，它的思想源头可以一直追溯到十九世纪赫尔姆霍兹关于“无意识推断”的设想，又吸收了二十世纪概率统计、信息论、控制论、人工智能、认知科学以及现代神经科学的发展成果。正因为如此，预测加工并不仅仅提出了一个新的知觉模型，它实际上代表了一种新的智能观，一种新的大脑观，甚至一种新的认识论。

这一切最早可以追溯到赫尔姆霍兹。赫尔姆霍兹曾经指出，感觉本身并不能直接告诉我们世界是什么。进入眼睛的只是不同波长和强度的光线，进入耳朵的只是空气压力的变化，进入皮肤的只是局部机械刺激。这些感觉信号本身既不是树木，也不是房屋，更不是他人的意图和情感。意识中那个完整、有意义、充满对象的世界，必须依赖大脑依据过去经验不断作出推断。因此，知觉从一开始便不是一种简单的复制，而是一种解释，一种根据有限证据寻找最合理原因的过程。这一思想虽然提出得很早，却由于当时缺乏神经科学和计算理论的支持，并没有立即发展成为完整理论。

与此同时，在完全不同的学科中，另一场革命正在发生。十八世纪，英国数学家托马斯·贝叶斯提出了一种后来改变整个科学研究方式的思想——贝叶斯推断（Bayesian Inference）。在传统观念中，人们总希望获得绝对确定的知识；而贝叶斯思想却认为，在真实世界里，几乎没有任何判断能够脱离不确定性。真正重要的，并不是一次就获得正确答案，而是在已有经验的基础上形成当前最合理的判断，然后随着新的证据不断调整自己的信念。知识因此不再是静止的，而成为一个持续更新的过程。

这一思想后来逐渐成为现代统计学、机器学习以及人工智能的重要基础，但它所揭示的意义远远超出了数学本身。科学研究实际上正是按照这种方式发展的。科学家并不会等待所有事实都出现以后才提出理论，相反，他们首先建立解释世界的模型，再不断利用新的实验结果去检验和修正这些模型。真正推动科学进步的，并不是一次性的证明，而是持续不断的预测、验证与修正。

于是，一个越来越自然的问题开始出现。如果科学的发展遵循这样的规律，那么，大脑是否也在遵循同样的规律？

进入二十世纪后半叶，随着认知科学逐渐成熟，越来越多研究者开始认真思考这个问题。他们发现，生命面对的环境远比人们想象得更加复杂。感官输入始终是不完整的，视觉充满遮挡，听觉伴随着噪声，环境不断变化，同样的刺激在不同背景下又可能具有完全不同的意义。换句话说，大脑从来没有机会获得一个完全清晰、毫无歧义的世界。

然而，我们每天体验到的现实却异常稳定。绝大多数时候，我们并不会觉得世界支离破碎，也不会因为一点点光线变化就重新辨认所有物体，更不会在每一步行走时重新计算整个环境。相反，我们几乎总是立即知道自己身在何处，知道眼前是什么，也知道接下来大概率会发生什么。如此稳定而连贯的知觉，仅仅依靠对感觉刺激的被动处理，很难得到充分解释。

与此同时，控制论和工程科学的发展，又为这一问题提供了新的启发。工程师很早便发现，一个优秀的控制系统不能只是等待错误发生以后再去修正，它必须不断预测未来的发展趋势。无论是恒温器维持室内温度，飞机自动驾驶系统保持飞行姿态，还是现代导航系统预测未来几秒钟车辆的位置，它们真正高效的原因，都在于始终维持着一个关于未来状态的内部模型。当现实偏离预测时，系统便立即调整自身，而不是每一次都从零开始重新计算整个环境。

生命系统同样如此。一只羚羊如果必须等到狮子已经扑到面前才开始思考如何逃跑，它几乎没有生存机会；一个人如果总是在危险已经发生以后才理解环境，也无法长期适应复杂世界。从进化的角度来看，真正具有优势的，不是反应最快的生命，而是能够提前预测未来变化的生命。

几乎与此同时，人工智能的发展也开始遇到类似的问题。

二十世纪早期的人工智能普遍认为，只要能够准确获取环境信息，再利用符号推理进行计算，就能够产生智能。然而，当机器人真正进入真实环境以后，研究者很快发现，这种方法几乎无法工作。现实世界变化太快，也太复杂，没有任何系统能够在每一秒钟都重新建立一份完整的世界模型，然后再开始行动。

更有效的方法，是始终保留一个持续更新的内部模型，只在现实发生变化时修正那些真正出现误差的部分。

换句话说，预测远比重新计算更加高效。

于是，到二十世纪九十年代以后，一个原本分散在不同学科中的共同思想开始逐渐浮现。

赫尔姆霍兹关于无意识推断、贝叶斯统计关于概率更新、控制论关于反馈控制、认知科学关于内部表征、人工智能关于模型构建，这些看似彼此无关的发展，开始指向同一个结论：预测并不是智能众多能力中的一种，而可能正是智能最基本的组织原则。

正是在这样的历史背景下，卡尔·弗里斯顿开始建立自己的理论体系。

与许多神经科学家不同，弗里斯顿并没有把注意力主要放在某一个脑区或某一种神经活动上。他真正关心的问题更加根本：为什么像大脑这样的生命系统会演化成今天这样的样子？ 如果生命必须在充满不确定性的世界中长期维持自身存在，那么，它最重要的能力究竟应该是什么？

弗里斯顿的回答十分大胆。

生命最根本的任务，并不是认识世界本身，而是在不断变化的环境中保持自身稳定地存在。为了做到这一点，生命必须尽可能减少对于未来的不确定性，而实现这一目标最有效的方法，就是不断预测环境可能发生什么，再利用现实不断修正自己的预测。

因此，大脑存在的首要目的，并不是忠实记录世界。它首先是一套帮助生命降低不确定性、维持生存的预测系统。这一思想后来逐渐发展成为弗里斯顿著名的自由能原理（Free Energy Principle）。虽然我们将在下一篇文章专门讨论这一理论，但它已经足以彻底改变人们对于知觉的理解。

如果生命真正需要的是减少不确定性，那么，大脑就不可能只是等待感觉输入之后再开始工作。它必须始终提前建立关于世界的预测，并不断利用感觉反馈修正这些预测。于是，知觉不再是被动接收信息，而成为一个持续不断提出假设、检验假设、修正假设的过程。

到了这里，我们便能够理解为什么越来越多研究者开始把大脑比作一位科学家。科学家不断提出理论，再利用实验修正理论；大脑不断形成预测，再利用感觉修正预测。科学的发展建立在持续不断的证伪和更新之上，而大脑的知觉，同样建立在持续不断的预测和修正之中。

这一变化所改变的，不仅仅是知觉理论，更改变了我们对于智能本身的理解。智能不再意味着拥有最多的信息，也不意味着最快的计算速度，而意味着能够建立越来越准确的世界模型，并在现实不断变化的过程中持续修正这些模型。

然而，一个更加关键的问题也随之出现。如果预测真的是大脑工作的核心，那么，大脑究竟如何知道自己的预测出现了错误？又是什么推动它不断学习、不断修改自己的内部模型？

预测加工理论给出的答案，就是整个理论最核心的概念——预测误差（Prediction Error）。

---