要是你們能夠洞察時間所播的種子，知道哪一種會成長，哪一顆不會成長……《麥克白》，威廉·莎士比亞
生活充滿不確定性，以致于無人可以預(yù)測未來。布萊士·帕斯卡爾（Blaise Pascal）曾說過：“我們在一個遼闊的區(qū)域內(nèi)航行，四處漂流不定，從這頭被推到那頭?！睕]人知道死亡何時會降臨，生活何時會變得艱難困苦，何時又會給我們點甜頭嘗嘗。
人這一生，總會在某個時刻明白這個苦澀的道理。盡管如此，在這個未知的宇宙中，人類總能克服困難，將生活過得井井有條。我們砌磚建房，我們將錢存入銀行，我們在為自己存下退休金的同時，還給子孫后代留下遺產(chǎn)。我們構(gòu)成穩(wěn)定的社會關(guān)系，建造紀(jì)念碑使生命延續(xù)。我們能夠感知將要發(fā)生的事情并加以控制，這是我們當(dāng)之無愧的能力。
人類誕生于紛繁復(fù)雜、千變?nèi)f化的進化過程，能夠具備上述能力真的是非常偉大。那么，這種從不確定的未來中獲得確定感的能力，是怎樣發(fā)展出來的呢？
貝葉斯大腦假說（Bayesian brain hypothesis）認(rèn)為，人類行為背后有著一種深層隱性結(jié)構(gòu)，這一結(jié)構(gòu)可以追溯到生命的本質(zhì)。假說認(rèn)為，從某種程度上來說，大腦除了預(yù)測并實現(xiàn)一個理想的未來外，一無是處。大腦符合生命系統(tǒng)的規(guī)則，總是在和自然環(huán)境為它們準(zhǔn)備的“驚喜”苦戰(zhàn)。
圖自Unsplash/ Ramón Salinero攝
穩(wěn)態(tài)重要性
穩(wěn)態(tài)（homeostasis）是蘊含在所有生命背后的基本原理。Homeostasis一詞是沃爾特·坎農(nóng)（Walter Bradford Cannon）在1926年根據(jù)拉丁文homeo（平等）和stasis（靜止）創(chuàng)造。穩(wěn)態(tài)指維持生命系統(tǒng)內(nèi)部的物理和化學(xué)過程，使得生命系統(tǒng)保持完整，防止消散，是一種能夠與自然界的無序傾向相抵抗的自組織原則。
安東尼奧·達馬西奧（Antonio Damasio）在其著作《事物的奇怪秩序》（The Strange Order of Things）中指出，穩(wěn)態(tài)一詞是有誤導(dǎo)性的，其含義遠遠大于靜止不動。生命是有自主性的，不會滿足于維持當(dāng)前的功能。假設(shè)選定兩個具有競爭性的有機體，其中一個滿足于當(dāng)前的生命狀態(tài)，另一個則會不斷優(yōu)化，以更好地適應(yīng)未來的生活。那么哪一個有機體有更大的幾率存活數(shù)億年呢？如今我們發(fā)現(xiàn)，生命總是在無聲無息地將自己推向遙遠的未來，這是因為生命已經(jīng)在過去進化出一些特質(zhì)，能夠激勵它不斷向未來進軍。
保持運轉(zhuǎn)，保持呼吸，不斷前進。
德爾菲的女祭司/John Collier繪
預(yù)測未來
人類千方百計地想要預(yù)測并改變未來。在古代，算命是牧師和薩滿才能掌握的復(fù)雜技藝。最著名的例子莫過于德爾菲神諭（Oracle of Delphi），數(shù)百年間希臘政客和羅馬帝王都從神諭中尋求建議和訊息。古代政治充滿不確定性，當(dāng)時的人們想要減少這種不確定性，也無可厚非。
但是從現(xiàn)代科學(xué)的角度來看，我們已經(jīng)意識到在恍恍惚惚的狀態(tài)下，吸入有毒氣體或打啞謎對于洞察世界的運作毫無幫助。為了減少未來的不確定性，我們（以及我們的大腦）需要采取一種更加普通的方法，即基于當(dāng)前對世界的認(rèn)識，盡可能地對未來作出預(yù)測。比如，基于我今天對世界的觀察，預(yù)測明天將會發(fā)生什么，并思考我應(yīng)該怎樣指導(dǎo)自己的行為，使得結(jié)果更加有利于生存。
貝葉斯定理
當(dāng)今備受尊崇的托馬斯·貝葉斯（Thomas Bayes）在18世紀(jì)提出了這個簡潔、不起眼的定理。這一定理在他在世時并未發(fā)表，但之后卻在各個領(lǐng)域發(fā)揮出巨大的作用。貝葉斯定理真的非常簡單，但這并不妨礙它成為當(dāng)代認(rèn)知科學(xué)最炙手可熱的理論之一，給貝葉斯這一名字帶來榮譽。
下圖展現(xiàn)了正在閃著藍光的貝葉斯定理：
貝葉斯定理
貝葉斯定理指出，有隨機事件A和B，在B發(fā)生的情況下A發(fā)生的可能性P(A|B)等于，在A發(fā)生的情況下B發(fā)生的可能性P(B|A)乘以A發(fā)生的可能性P(A)，再除以B發(fā)生的可能性P(B)。
貝葉斯定理使得我們能夠根據(jù)已知的相關(guān)事件發(fā)生的概率推算出某件事情發(fā)生的概率。
讀者可能已經(jīng)猜到為什么貝葉斯定理在預(yù)測未來時那么有用了。
貝葉斯定理最常應(yīng)用于天氣預(yù)測。天氣永遠充滿不確定性，體現(xiàn)了大自然的殘酷。
圖自Unsplash/Elliott Engelmann攝
假設(shè)你在散步時出于某種原因迷失在了一片干燥炎熱、一眼望不到頭的沙漠里。由于你原本只打算出門去公園散散步，所以只帶了一小瓶飲用水。在沙漠中困了三天之后，你非?？诳?。清晨，你抬頭望向天空，細細搜尋云彩，最后在地平線上方看到了一小片云。
那么這一片云帶來降雨、將你從渴死的邊緣拯救回來的幾率是多少呢？
這里需要計算的是概率P(降雨|云朵)，即在你看到一片云的情況下降雨的條件概率（conditional probability）。為此還需要：
1. P(云朵|降雨)：如果某一天是雨天，那么是否從這天開始的時候天空中就有云呢？假設(shè)沙漠中80%的雨天都是從多云開始的。這也就意味著很大概率上，雨天是從多云開始的。
2. P(云朵)：沙漠中出現(xiàn)多云天氣的概率比較低，為10%。
3. P(降雨)：降雨的概率更低。沙漠中往往每一百天才會下一次雨，所以降雨的概率為1%。
由此可知，在看到一片云的情況下降雨的概率為：
P(降雨|云朵)=P(云朵|降雨)*P(降雨)/P(云朵)=0.8*0.01/0.1=0.08
那么在看到云之后，你可以得出下雨的概率大概在8%。這只能帶來一點小小的安慰，但是聊勝于無。
貝葉斯定理的一個重點在于，在計算想要計算的條件概率時，其他三個概率都是必不可少的。缺少任何一個都將會極大改變計算結(jié)果。
假正
貝葉斯定理可以幫助我們糾正假正（false positives），比如當(dāng)我們假設(shè)一件事情能給一個結(jié)果提供有用信息時，而這個結(jié)果本身不太可能出現(xiàn)，就容易出現(xiàn)誤報。與誤報相關(guān)的一個很著名的例子就是癌癥檢測（或者其他罕見疾病檢測）。
假設(shè)某種癌癥的患病率為0.1%。你的醫(yī)生告訴你有一種最先進的癌癥檢測，在檢測已患癌癥的病人是否患有癌癥時的準(zhǔn)確率高達90%。但這種檢測也有缺點，就是在實際并未患癌的情況下檢測出癌癥的概率為9%。
你生性焦慮，于是就想做個檢測來緩解不安。你的檢測結(jié)果為陽性。知道結(jié)果的一瞬間，你真的非常害怕。因為你認(rèn)為這一結(jié)果表明你患上癌癥的概率為90%。
不，其實并不是這樣的。應(yīng)用貝葉斯定理，你就可以很快推算出你得癌癥的真正概率。需要注意的是，在這種情況下，你需要除以得到真正陽性的概率以及得到假正的概率：
P(癌癥|陽性)=P(陽性|癌癥)*p(癌癥)/(p(陽性)*p(癌癥)+p(假正)*p(健康))=9.17%
檢測結(jié)果為假正的概率是結(jié)果為陽性、真正患有癌癥的概率的十倍，所以你基本不可能患癌，也就無需擔(dān)心（這其實很難做到，畢竟你是一開始是出于焦慮而做了檢測）。
關(guān)于獨角獸
這不太可能是真的獨角獸。圖自Unsplash/Andrea Tummons攝
因此，對于任何有興趣預(yù)測未來的人來說，對即將發(fā)生的事情的先驗概率有一個清楚的了解是非常有用的。
為了判斷一件事情（如看見一朵云或一個陽性癌癥檢測結(jié)果）對預(yù)測另一件事情（如降雨或患有癌癥）能夠提供多少有用的信息，我們需要在觀察云朵或做癌癥檢測時，得出降雨或患癌的總體概率。
大腦在分類感官從外界收集的信息的同時，也在不斷地判斷概率。因此，我們可以猜想一下，為什么大腦的運作過程體現(xiàn)了貝葉斯定理。
比如，你看到一只四條腿的動物在地平線上飛馳的模糊輪廓。那只動物的前額似乎附著一樣長而尖的東西。
此時大腦會自動得出“那是一只獨角獸”的結(jié)論嗎？
只要是個正常人，恐怕都不會得出這一結(jié)論。因為根據(jù)觀察到的形狀得出觀察到了一只獨角獸的結(jié)論的概率P(獨角獸|形狀)必須被觀察到獨角獸的先驗概率P(獨角獸)賦權(quán)。而后者在現(xiàn)存宇宙中為0。
世界的內(nèi)部模型
如果想要對世界的行為，特別是未來的行為建模，大腦需要有一個“世界是什么”的內(nèi)部模型，來了解“世界可能成為什么”。
大腦需要能夠在接受世界狀態(tài)的最新信息，如最新樣本后，更新世界的內(nèi)部模型。假設(shè)你在日常通勤路上經(jīng)常見到獨角獸。那么在多久之后你會開始懷疑“沒有獨角獸”這一假設(shè)的正確性？或者假設(shè)在做癌癥檢測時，50個得到陽性結(jié)果的人當(dāng)中，有20個真的得了癌癥。你是否還會相信上文得出的預(yù)測，即只有9.17%的陽性結(jié)果表明患者真的得了癌癥？
采用統(tǒng)計最優(yōu)的方法，基于最新信息更新內(nèi)部模型的概率分布，這就是貝葉斯推理（Bayesian Inference）。
我們通?？梢栽谛袨閷嶒炛?，或關(guān)聯(lián)各個感官輸入時，觀察到大腦的這種推理。比如，研究表明，在巴甫洛夫的相關(guān)刺激實驗中，不同刺激之間的互信息是最優(yōu)的。另一個著名的例子是1992年Britten等人的目視動作分析（https://www.ncbi.nlm.nih.gov/pubmed/1464765）。他們的研究表明，猴子大腦會基于對刺激作出的神經(jīng)反應(yīng)或發(fā)射率，嘗試解碼目視動作一致性，其解碼速率會向貝葉斯最佳解碼速率靠近。
結(jié)果顯示，大腦的預(yù)測方式是可以預(yù)測的。
貝葉斯大腦假說
現(xiàn)在我們已經(jīng)準(zhǔn)備好深入了解貝葉斯大腦假說的實際意義了。
貝葉斯大腦存在于外部世界中，并被賦予了外部世界的內(nèi)部表征。這兩者被馬爾可夫毯（Markov blanket）隔了開來。
大腦試著利用世界生成模型來推斷其感覺的成因。為了成功地對外界建模，大腦必須能夠在一定程度上對外界發(fā)生的事情進行模擬。Karl Friston認(rèn)為：
如果大腦想要推斷感覺的成因，它必須先對生成感覺輸入的世界的（隱性）狀態(tài)之間隨意的關(guān)系（聯(lián)結(jié)）建模。在這之后，神經(jīng)元聯(lián)結(jié)便會對生成感覺信息的隨意聯(lián)結(jié)進行編碼（建模）。
這就是理解貝葉斯大腦假說的第一個重點，也是很深奧的一點：大腦中的世界內(nèi)部模型認(rèn)為，大腦模型中的進程在物理世界中進行。為了成功地預(yù)測未來，大腦需要在其硬件上模擬世界。這些過程必須遵循與外部世界相似的隨意性，而在觀察外部世界的大腦中，一個自身的世界會變得活躍起來。第二個重點與貝葉斯推斷相關(guān)：即在某種程度上，大腦是最優(yōu)的，因為人類需要預(yù)測自然何時會受到影響。
上文提到，在分類知覺的內(nèi)容或在不確定的情況下作決定時，貝葉斯大腦的工作水平近似于貝葉斯最優(yōu)水平。這也就意味著，大腦在推斷世界的未來（隱性）狀態(tài)時，會盡可能多地考慮所有可獲得的信息和所有概率約束。
對于所優(yōu)化的量，有很多種命名。但是和大部分深奧、統(tǒng)一的理論一樣，結(jié)果表明，對不同事物從不同角度進行優(yōu)化，最后得到的量都是相同的。有一種方法就是把它看作證據(jù)，在信息理論中，這就相當(dāng)于最大化感知數(shù)據(jù)和世界內(nèi)部模型的互信息。
自由能
自由意志熱力學(xué)一文對Karl Friston的主動推理理論（大致講述了貝葉斯大腦所作所為的理論）作了更為詳細的介紹。
Friston通過最小化自由能來優(yōu)化一個模型的證據(jù)或邊緣似然，這一模型則通過最小化“模型的意外”來定義（即最小化不符合世界模型的體驗）。
這一理論進一步將主動元件引入了生命系統(tǒng)，如大腦的行為中，使得系統(tǒng)能夠在世界中執(zhí)行動作。也就是說，人類不僅可以描繪未來，還可以通過對世界作用和實現(xiàn)期待來主動改變未來。
Karl Friston認(rèn)為，主動推理（Active Inference）的縮寫為AI（與人工智能Artificial Intelligence的縮寫相同）并不是一個偶然。他在一篇文章中表示，“在5到10年內(nèi)，大部分機器學(xué)習(xí)都會結(jié)合最小自由能”。
這使得我們又想到了上文提到過的達馬西奧對穩(wěn)態(tài)的批判：
生命系統(tǒng)并不是靜態(tài)的，為了將意外最小化，并在充滿不確定性的未來中存活下去，它們在世界中不斷活動。
意外時間平均能夠充當(dāng)熵的一種度量，這就把最小化自由能與熵聯(lián)系了起來。Friston認(rèn)為，這有著影響深遠的物理結(jié)果：
這意味著，貝葉斯大腦在最大化證據(jù)的同時，也在暗中最小化熵。換句話說，貝葉斯大腦與熱力學(xué)第二定律相違背，并對自然的無序傾向給出了自組織的原則性解釋。
因此，貝葉斯大腦假說是關(guān)于基本范圍的理論。它將大腦的行為與穩(wěn)態(tài)重要性聯(lián)系了起來，與在一個情愿消散的世界中掙扎求生的生命聯(lián)系了起來。
如何觀察貝葉斯大腦？
一方面，我們需要提出一個涵蓋更大范圍的理論。另一方面，我們需要從大腦運作方式中找出支持理論的證據(jù)。如果大腦的運作方式和貝葉斯大腦一樣，我們需要進一步了解大腦是如何進行貝葉斯推理的。
貝葉斯推理發(fā)生在多個認(rèn)知層面，從動作控制到注意力和工作記憶。每一個認(rèn)知任務(wù)都會根據(jù)貝葉斯推理得出自己的預(yù)測、自己的內(nèi)部模型以及獨一無二的時間表。
預(yù)測性編碼（Predictive Coding）是嘗試?yán)斫獯竽X貝葉斯推理行為的理論中較有前景的一個。預(yù)測性編碼就是做了貝葉斯大腦應(yīng)該做的事情。其算法通過改變預(yù)測的參數(shù)來最小化意外，以防今后需要再次應(yīng)對同樣的情況，從而做好應(yīng)對未來的準(zhǔn)備。研究已經(jīng)發(fā)現(xiàn)了支持該理論的證據(jù)，如詞匯預(yù)測實驗中的N400效應(yīng)（詳見：https://www.nature.com/articles/nn1504）。
認(rèn)知科學(xué)認(rèn)為，大腦并不僅僅是一個消極接受外界信息并對其做出回應(yīng)的檢測器。事實上，大腦采用自上而下的模式，對世界是什么樣的，以及世界將會是什么樣的作出假設(shè)，從而不斷更新其對世界的印象（自上而下的模式指高階概念首先對接受低階感覺數(shù)據(jù)的方法進行塑造，如上文獨角獸的例子）。研究人員因此已經(jīng)采取了一個很棒的現(xiàn)實概念，即控制性幻覺（詳見Anil Seth的演講：https://www.ted.com/talks/anil_seth_how_your_brain_hallucinates_your_conscious_reality/transcript）。
一篇文章（https://www.jneurosci.org/content/38/27/6076）描述了先驗幻覺最經(jīng)典的一個例子：如果先朗讀了“kick”一詞，那么之后會把“pick”誤聽成“kick”。
幻覺現(xiàn)實用可預(yù)見的方式給了我們一種決定性的進化優(yōu)勢，滿足了我們想要從混亂復(fù)雜的世界中找到結(jié)構(gòu)的迫切需要。
科學(xué)家們?nèi)匀辉诩ぐ旱貭幷撨@一理論的有效性，以及大腦實際上是如何在功能水平上應(yīng)用貝葉斯推理的重大問題。任何明確的聲明都仍需要進一步的研究。但是本文認(rèn)為，根據(jù)這一理論的合理性和我們目前所有的證據(jù)，我們可以相信，我們正走在一條正確的道路上。
我們正在揭開宇宙中最神秘的事物——貝葉斯大腦。這一事物使我們能夠觀察并改變世界，使我們對未來充滿希望。
聯(lián)系客服
