Resilience and active inference

韌性與主動(dòng)推理

https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2022.1059117/full

《Resilience and Active Inference》概述與本文重點(diǎn)

核心思想

1. 韌性 = 持續(xù)的最小化自由能（Free Energy）能力

• 在主動(dòng)推斷框架下，任何自組織系統(tǒng)（從單細(xì)胞到人類社會(huì)）都在試圖最小化變分自由能（variational free energy），即減少對(duì)未來狀態(tài)的驚奇（surprise）。

• 韌性不是“抗打擊能力”，而是在參數(shù)擾動(dòng)、結(jié)構(gòu)破壞或環(huán)境劇變下，系統(tǒng)仍能維持低驚奇狀態(tài)（即保持其存在與功能）的能力。

• 數(shù)學(xué)上表達(dá)為：系統(tǒng)能夠在更大的外部狀態(tài)空間擾動(dòng)下，保持其內(nèi)部模型對(duì)感官輸入的可解釋性（即保持證據(jù)下界 ELBO 高）。

• 韌性的層級(jí)結(jié)構(gòu)（Hierarchical Resilience）

• 低層（快速時(shí)間尺度）：如神經(jīng)元內(nèi)的鈣穩(wěn)態(tài)、突觸可塑性，通過快速的感知與動(dòng)作更新來吸收擾動(dòng)。

• 中層（中等時(shí)間尺度）：如自傳體記憶（autobiographical self）、敘事自我，通過重新解讀過去（反事實(shí)推理）來化解創(chuàng)傷。

• 高層（慢時(shí)間尺度）：如人格結(jié)構(gòu)、文化規(guī)范，通過深層生成模型（deep generative models）的緩慢更新來抵抗存在性危機(jī)。

• 韌性缺失 = 自由能最小化失敗的三種模式

• 過度精確（Over-precision）

  ：先驗(yàn)信念權(quán)重過高（高 precision on priors）→ 拒絕更新 → 妄想、強(qiáng)迫、僵化人格。

• 精確不足（Under-precision）

  ：對(duì)新證據(jù)賦予過高權(quán)重 → 信念過度波動(dòng) → 焦慮、解離、邊緣型人格障礙。

• 先驗(yàn)本身病理性（Pathological priors）

  ：如“我不值得被愛”“世界是危險(xiǎn)的” → 吸引子狀態(tài)變?yōu)楦唧@奇狀態(tài) → 抑郁、創(chuàng)傷后應(yīng)激障礙。

• 恢復(fù)韌性的機(jī)制（在主動(dòng)推斷下的治療）

• 重新鞏固（Reconsolidation）

  ：通過在安全環(huán)境下激活病理性記憶 + 提供不相容新信息，改寫深層先驗(yàn)。

• 反事實(shí)豐富（Counterfactual richness）

  ：增加對(duì)“本來可以不同”的模擬能力（epistemic foraging），打破吸引子陷阱（常見于心理治療中的意象重腳本、EMDR）。

• 元貝葉斯控制（Meta-Bayesian control）

  ：發(fā)展對(duì)自身信念更新過程的監(jiān)控能力（元認(rèn)知），相當(dāng)于在更高層級(jí)上做主動(dòng)推斷（這被認(rèn)為是正念、元認(rèn)知療法的形式化機(jī)制）。

• 從個(gè)體到集體韌性

• 論文最后將同一框架推廣到社會(huì)系統(tǒng)：文化規(guī)范、共享生成模型（shared generative models）扮演“高層先驗(yàn)”的角色。

• 集體韌性依賴于“共享敘事”的穩(wěn)健性，以及允許個(gè)體在不破壞整體模型的情況下進(jìn)行局部探索（類似于“容錯(cuò)文化”）。

• 把韌性從模糊的描述性概念，轉(zhuǎn)變?yōu)?strong>可計(jì)算、可建模、可干預(yù)的生成過程：一個(gè)系統(tǒng)越韌性，越能在更大的擾動(dòng)下維持自由能最小化的軌跡。

• 給出了精神病理學(xué)的統(tǒng)一解釋：幾乎所有心理障礙都可以被理解為自由能最小化在不同時(shí)間尺度、不同層級(jí)上的失敗。

• 為心理治療提供了理論基礎(chǔ)：所有有效治療（從CBT到迷幻輔助治療）本質(zhì)上都在協(xié)助系統(tǒng)重新找到低自由能的吸引子狀態(tài)。

這篇論文被認(rèn)為是Friston主動(dòng)推斷框架從“感知-行動(dòng)”擴(kuò)展到“存在-恢復(fù)”的關(guān)鍵一步，對(duì)精神病學(xué)、人工智能安全（AI alignment）、甚至社會(huì)系統(tǒng)設(shè)計(jì)都有深遠(yuǎn)意義。

本文旨在借助主動(dòng)推理（active inference）這一基于新物理學(xué)的建模方法——該方法特別適用于復(fù)雜適應(yīng)系統(tǒng)的描述與分析——對(duì)韌性（resilience）這一構(gòu)念進(jìn)行概念化與形式化。我們視此為邁向構(gòu)建韌性系統(tǒng)計(jì)算模型的第一步。

我們首先對(duì)“韌性”展開概念性分析，以厘清其在既有文獻(xiàn)中確立的內(nèi)涵。我們考察了“韌性”一詞在正交維度上的三重含義區(qū)分：
(i)慣性（inertia），即抵抗變化的能力；
(ii)彈性（elasticity），即在擾動(dòng)后恢復(fù)原狀（“反彈”）的能力；
(iii)可塑性（plasticity），即靈活拓展適應(yīng)性狀態(tài)集合（repertoire of adaptive states）的能力。

隨后，我們將這三種韌性含義統(tǒng)一納入主動(dòng)推理框架予以闡釋：

• 作為慣性的韌性映射為高精度信念（high precision beliefs）；
• 作為彈性的韌性映射為系統(tǒng)向其特征性（即吸引子）狀態(tài)的弛豫回歸（relaxation back to characteristic / attracting states）；
• 作為可塑性的韌性映射為功能冗余（functional redundancy）與結(jié)構(gòu)簡并性（structural degeneracy）。

關(guān)鍵詞：主動(dòng)推理（active inference）、韌性（resilience）、彈性（elasticity）、可塑性（plasticity）、魯棒性（robustness）、復(fù)雜適應(yīng)系統(tǒng)（complex adaptive system）、慣性（inertia）

1 引言
過去幾十年間，學(xué)界開展了大量跨學(xué)科研究以探究“韌性”（resilience）。然而在實(shí)踐中，“韌性”一詞具有多重含義（polysemous），在相關(guān)文獻(xiàn)中被以多種不同方式使用。本文首先進(jìn)行若干概念分析，以厘清該術(shù)語的三種用法——它們分別刻畫了作為過程的韌性所包含的三個(gè)互補(bǔ)面向。隨后，我們從主動(dòng)推理（active inference）的視角審視韌性；主動(dòng)推理是一種新興的、基于物理學(xué)的建?？蚣?，適用于復(fù)雜適應(yīng)系統(tǒng)的研究。在簡要介紹主動(dòng)推理之后，我們考察“韌性”的每一種含義（即作為慣性、彈性與可塑性的韌性）如何能在主動(dòng)推理框架內(nèi)獲得直接而形式化的解釋。具體而言，我們將：

• 慣性映射為高精度信念（high precision beliefs），
• 彈性映射為趨向特征性狀態(tài)的能力（the ability to seek out characteristic states），
• 可塑性映射為功能冗余（functional redundancy）與結(jié)構(gòu)簡并性（structural degeneracy）的能力——此處“簡并性”依其技術(shù)性定義（參見 Sajid 等，2020）。

以形式化方式重構(gòu)我們對(duì)韌性的理解至關(guān)重要：它使我們得以對(duì)具備環(huán)境相關(guān)韌性特性的系統(tǒng)建模。在給定情境下，我們可確立某些模式，借以解釋一個(gè)主體如何在時(shí)間中持續(xù)維持自身存續(xù)。該建模既可應(yīng)用于適應(yīng)性過程，亦可應(yīng)用于不適應(yīng)（maladaptive）過程；例如，通過模擬既可強(qiáng)化某一過程的韌性，亦可瓦解一個(gè)不適應(yīng)過程的穩(wěn)定性。

2 韌性的三種含義

在韌性研究文獻(xiàn)中，除了關(guān)于韌性所處位置（locus of resilience）的爭議（McEwen, 2003；Kirmayer 等, 2009；Masten 與 Wright, 2010；Ungar, 2011；Dresen 等, 2019）之外，關(guān)于“韌性”這一概念究竟指涉或意指何物也存在諸多模糊之處（Anthony, 1987；Masten, 2002；Herrman 等, 2011；Reghezza-Zitt 等, 2012；Helfgott, 2015；Woods, 2015；Rose, 2017）。我們基于廣泛的文獻(xiàn)綜述（Holling, 1973；Cairns 等, 1977；Westman, 1978, 1986；Cicchetti 與 Curtis, 2006；Lerner, 2006；Soule, 2006；DuMont 等, 2007；Masten, 2007；Lemery-Chalfant, 2010；Rutter, 2012；Duchek, 2014；Standish 等, 2014；Luthar, 2015；Juster 等, 2016；McJunkin 與 Rieger, 2017；Santarelli 等, 2017；Cousijn 等, 2018；Dresen 等, 2019；Mertoguno 等, 2019；Den Hartigh 與 Hill, 2022），對(duì)“韌性”這一概念進(jìn)行了分析。我們認(rèn)同 Den Hartigh 與 Hill（2022）的分析，認(rèn)為在關(guān)于韌性的討論中實(shí)際涉及三個(gè)密切相關(guān)但通常未被明確區(qū)分的概念。文獻(xiàn)中“韌性”一詞常被用于指代以下三種含義之一：

(i)慣性（inertia），即在受到擾動(dòng)力作用時(shí)抵抗變化的能力，大致同義于“魯棒性”（robustness）（Westman, 1978；Woods, 2015；Scheffer 等, 2022）；
(ii)彈性（elasticity），即在擾動(dòng)后能靈活地回歸良好狀態(tài)的能力（Cairns 等, 1977；Gapp 等, 2014）；
(iii)可塑性（plasticity），即在環(huán)境變化中拓展自身“良好狀態(tài)”（good states）及行動(dòng)方案（courses of action）的集合的能力（Cicchetti 與 Curtis, 2006；Soule, 2006；Duchek, 2014）。

直觀而言，當(dāng)一個(gè)主體能成功應(yīng)對(duì)壓力情境，尤其是能在遭遇挫折或傷害后恢復(fù)良好功能狀態(tài)時(shí)，我們便視其為“有韌性的”。這一點(diǎn)亦可見于“resilience”一詞的詞源：拉丁語 resiliō 字面意為“反彈回來”（re- 表“回”，saliō 表“跳”）。因此，具韌性的主體是在受到擾動(dòng)后，能“反彈”回歸某一合意狀態(tài)的主體。然而，文獻(xiàn)中識(shí)別出的另外兩種“韌性”含義（即慣性與可塑性），雖與上述原始意義上的彈性密切相關(guān)，實(shí)則彼此不同：

• 慣性的特點(diǎn)是承受壓力而不變形，但并非通過“反彈”實(shí)現(xiàn)（因?yàn)閲?yán)格意義上的慣性物體根本未被移動(dòng)）；
• 拓展對(duì)變化的耐受性（如通過狀態(tài)空間擴(kuò)展）更應(yīng)被視為構(gòu)建彈性（elasticity）的一種手段，而非彈性的一個(gè)子類。

盡管存在上述語義上的混淆，這些概念顯然緊密關(guān)聯(lián)，且對(duì)理解韌性過程均至關(guān)重要。本節(jié)余下部分將簡要梳理“韌性”的這三種用法；后續(xù)章節(jié)中，我們將借助主動(dòng)推理的工具，提供一個(gè)可形式化表達(dá)上述三方面內(nèi)容的理論框架——該框架使我們能對(duì)韌性的關(guān)鍵面向進(jìn)行模擬、估計(jì)與定量預(yù)測(cè)。

2.1 作為慣性的韌性（對(duì)變化的不可滲透性）

首先，“韌性”可指慣性，即抵抗結(jié)構(gòu)或功能發(fā)生改變的能力（Holling, 1973）。具有慣性的物體表現(xiàn)為：若處于靜止，則抵抗被移動(dòng)；若處于運(yùn)動(dòng)之中，則抵抗運(yùn)動(dòng)方向的改變。堅(jiān)硬材料（如鉆石、混凝土）體現(xiàn)出作為慣性的韌性：它們通常不會(huì)因所受外力而發(fā)生形變，反而往往使撞擊它們的多數(shù)材料發(fā)生形變。有機(jī)系統(tǒng)亦表現(xiàn)出作為慣性的韌性，即在靜止?fàn)顟B(tài)或與環(huán)境互動(dòng)過程中維持其物理或功能狀態(tài)不變。例如，人在有風(fēng)環(huán)境中仍可保持站立、行走或奔跑——我們不會(huì)因此“消散”。

2.2 作為彈性的韌性（反彈回歸設(shè)定點(diǎn)）

“韌性”亦可指彈性（elasticity）（Westman, 1978, 1986；Reghezza-Zitt 等，2012），即在因環(huán)境擾動(dòng)被迫偏離良好狀態(tài)后，具備回歸此類狀態(tài)的傾向與能力。橡皮筋即屬此類韌性：它可被拉伸而暫時(shí)偏離其常態(tài)，但能輕易回彈復(fù)原，且不致破裂。

在生命系統(tǒng)中，這種回歸特征性狀態(tài)的能力通常歸因于穩(wěn)態(tài)（homeostasis）與應(yīng)變穩(wěn)態(tài)（allostasis）的功能（McEwen, 2003）——即有機(jī)體可在不同狀態(tài)下生存（這些狀態(tài)在特定情境下具有適應(yīng)性），并最終回歸其特征性狀態(tài)。穩(wěn)態(tài)指適應(yīng)性系統(tǒng)維持其生存所必需的、相對(duì)穩(wěn)定的內(nèi)部條件的能力（Recordati 與 Bellini, 2004；Herrman 等, 2011；Cummins 與 Wooden, 2014）。例如，植物能根據(jù)環(huán)境信號(hào)（如向光性——朝向陽光生長）調(diào)整并改變其內(nèi)部結(jié)構(gòu)，從而進(jìn)入有利于生存的最優(yōu)或次優(yōu)狀態(tài)。在動(dòng)物中，這一過程部分通過自動(dòng)的“反射行為”實(shí)現(xiàn)（例如，當(dāng)血糖偏低時(shí)分解脂肪；將體溫與血氧飽和度維持在可行范圍內(nèi)）。在持續(xù)的、有利于生命存續(xù)的狀態(tài)集合中維持自身，是所有生物有機(jī)體的核心過程。一個(gè)有機(jī)體若能通過自我調(diào)節(jié)，在面對(duì)內(nèi)外擾動(dòng)（源自自身身體或外部世界）時(shí)持續(xù)存在，則可被認(rèn)為具有韌性。因此，所有持續(xù)存在的自組織系統(tǒng)都在某種程度上具備韌性。

然而，僅靠被動(dòng)地規(guī)避危險(xiǎn)的意外狀態(tài)（穩(wěn)態(tài)所刻畫的機(jī)制）尚不充分。要成功維持有利于生命存續(xù)的穩(wěn)態(tài)，有機(jī)體還需能預(yù)判未來的擾動(dòng)與機(jī)遇，并據(jù)此調(diào)整自身及所選擇的行動(dòng)路徑，以優(yōu)化未來的適應(yīng)性（fitness）。因此，在復(fù)雜系統(tǒng)中，韌性要求具備有效的規(guī)劃能力。這種對(duì)潛在未來需求的實(shí)時(shí)評(píng)估，以及為滿足這些需求而對(duì)行動(dòng)方案的動(dòng)態(tài)選擇，被稱為應(yīng)變穩(wěn)態(tài)（allostasis）（Sterling 與 Eyer, 1988；Corcoran, 2021）。

粗略而言：若穩(wěn)態(tài)是回歸設(shè)定點(diǎn)的受控過程，則應(yīng)變穩(wěn)態(tài)是根據(jù)情境需求，主動(dòng)預(yù)先調(diào)整設(shè)定點(diǎn)本身的控制機(jī)制；換言之，應(yīng)變穩(wěn)態(tài)是通過改變主體自身的結(jié)構(gòu)與功能，以更精巧地實(shí)現(xiàn)穩(wěn)態(tài)。例如，除了在血糖下降時(shí)分解脂肪（一種穩(wěn)態(tài)過程）之外，我們還可通過及時(shí)攝入小食來調(diào)節(jié)或微調(diào)自主神經(jīng)反應(yīng)（一種應(yīng)變穩(wěn)態(tài)過程）。

2.3 作為可塑性的韌性（拓展良好狀態(tài)的集合）

最后，“韌性”還可指可塑性（plasticity）或成長能力，即探索或拓展那些與繁榮發(fā)展及健康存在狀態(tài)相兼容的狀態(tài)集合的能力（Duchek, 2014），從而降低重大困難事件導(dǎo)致主體瓦解或毀滅的概率（Soule, 2006；Dresen 等, 2019）。Anthony（1987）將這一過程稱為心理免疫化（psycho-immunization）：主體通過從前述及當(dāng)下經(jīng)歷與困境中學(xué)習(xí)，發(fā)展出對(duì)未來風(fēng)險(xiǎn)的某種抵抗能力，進(jìn)而更好地武裝自身以應(yīng)對(duì)未來的威脅。

在其整個(gè)發(fā)展過程中，主體必須把握其生態(tài)位（ecological niche）所提供的、能最大化可塑性潛能的機(jī)會(huì)（Masten 與 Wright, 2010），以拓寬其“安全狀態(tài)”（safe states）的范圍。或許看似矛盾的是，若干研究表明：至少在特定限度內(nèi)，個(gè)體在生命早期階段若曾暴露于心理社會(huì)性壓力源或剝奪環(huán)境中，至少對(duì)某些人而言，反而可能催生出有益的、具保護(hù)性的特質(zhì)——如安全型依戀、對(duì)教育的投入與學(xué)業(yè)成就，以及親社會(huì)性行為——并在其后期生命中顯現(xiàn)出來（Gapp 等, 2014；Chaby 等, 2015；Santarelli 等, 2017）。這一表面悖論可通過如下觀察得以消解：此類個(gè)體往往發(fā)展出某些心理特質(zhì)（如高度警覺性），使其在威脅性環(huán)境中更具適應(yīng)優(yōu)勢(shì)。這正說明，韌性是在主體與其環(huán)境之間動(dòng)態(tài)交互過程中涌現(xiàn)的。

此種導(dǎo)向?qū)W習(xí)的動(dòng)態(tài)交互，亦延伸至對(duì)應(yīng)變穩(wěn)態(tài)與穩(wěn)態(tài)狀態(tài)本身的學(xué)習(xí)。接下來，我們將重新審視韌性的這些不同面向，并將其視為具身行為（sentient behavior）的形式化特征——具體而言，即主動(dòng)推理與學(xué)習(xí)。

3 主動(dòng)推理

主動(dòng)推理（active inference）框架為我們提供了一套形式化工具，非常適合用于理解“韌性”——而我們將韌性視為任何能在時(shí)間中持續(xù)存在的復(fù)雜適應(yīng)系統(tǒng)的核心特征，即系統(tǒng)傾向于回歸那些使其得以持續(xù)存續(xù)的特征性狀態(tài)。借助該框架，我們不僅可對(duì)前述各種“韌性”含義加以整合，還能提供一種形式化的韌性解釋，將上文討論的各概念置于統(tǒng)一架構(gòu)中并闡明其相互關(guān)系。首先，我們簡要回顧主動(dòng)推理的基本原理；隨后一節(jié)，我們將具體考察三種韌性含義如何在該框架下得到充實(shí)與形式化表達(dá)。

3.1 主動(dòng)推理概述

主動(dòng)推理是一種源自變分自由能原理（Free Energy Principle, FEP）的過程理論，其根基在于理論生物學(xué)與統(tǒng)計(jì)物理學(xué)。FEP 是一個(gè)“最小意外”原理（技術(shù)上稱作最小作用變分原理，或約束下的最大熵原理）：它指出，存在的系統(tǒng)在平均意義上所行之事，恰是其作為“此類系統(tǒng)”所具有的特征性行為（即不令人意外的行為）。這看似同義反復(fù)，但其推論卻極為深刻。換言之：若一個(gè)系統(tǒng)欲作為有界限、可分離的個(gè)體持續(xù)存在（而非僅僅消散于其所嵌入的環(huán)境中），它就必須在平均意義上回歸其數(shù)量有限的特征性狀態(tài)。這意味著，其狀態(tài)分布（包括感官輸入通道的狀態(tài)）的概率分布必須具有相對(duì)較低的熵。從這一視角看，主體是經(jīng)由自然選擇、發(fā)育與學(xué)習(xí)被塑造而成的，其“預(yù)期”能感知到自身持續(xù)存在所引發(fā)的后果——此即所謂自我確證（self-evidencing）（Hohwy, 2016）。

FEP 最初作為關(guān)于大腦功能、結(jié)構(gòu)與動(dòng)力學(xué)的理論提出，現(xiàn)已被推廣應(yīng)用于理解任何能在時(shí)間中持續(xù)存續(xù)的適應(yīng)性系統(tǒng)。當(dāng) FEP 應(yīng)用于感知性（即“意義生成”）系統(tǒng)時(shí)，便衍生出一種過程理論——即主動(dòng)推理。該理論使我們得以在不同自組織尺度上（從細(xì)胞到社會(huì)）對(duì)適應(yīng)性系統(tǒng)的動(dòng)力學(xué)進(jìn)行建模與理解。FEP 為適應(yīng)性、信念驅(qū)動(dòng)的行為提供了第一性原理（first-principles）層面的解釋：它通過一種普適的形式化框架，對(duì)生命組織（乃至更廣義的物理系統(tǒng)）的表征能力進(jìn)行建模（Friston 等, 2017；Ramstead 等, 2022）。主動(dòng)推理的一項(xiàng)核心創(chuàng)新，在于對(duì)生命系統(tǒng)（如身體、大腦，乃至生態(tài)系統(tǒng)）的重新概念化：將其視為由概率性預(yù)測(cè)驅(qū)動(dòng)的機(jī)器。

依據(jù)主動(dòng)推理，嵌入環(huán)境中的大腦與身體之動(dòng)力學(xué)（或行為）蘊(yùn)含著一個(gè)隱式的統(tǒng)計(jì)模型（即生成模型）（Ramstead 等, 2020）。該模型使我們能將主體的存在本身，視為一個(gè)持續(xù)對(duì)其所接收感官擾動(dòng)之成因進(jìn)行推斷的過程——這些擾動(dòng)既源自身體內(nèi)部，亦來自身體之外的世界。

在此設(shè)定下，系統(tǒng)內(nèi)部狀態(tài)逐漸編碼了關(guān)于外部世界狀態(tài)的“最佳猜測(cè)”（技術(shù)上，內(nèi)部狀態(tài)用于參數(shù)化一個(gè)關(guān)于外部狀態(tài)的后驗(yàn)分布，即變分密度）。該“最佳猜測(cè)”是在某一生成模型下被構(gòu)建的——該模型用以生成外部因果因素（包括主體自身行動(dòng)）所導(dǎo)致的感官后果。隨著時(shí)間推移，這一“世界模型”逐漸實(shí)例化關(guān)于環(huán)境統(tǒng)計(jì)結(jié)構(gòu)及其事件間依存關(guān)系（contingencies）的知識(shí)。
當(dāng)有機(jī)體依據(jù)其概率性信念所作預(yù)測(cè)，與其實(shí)際接收到的感官反饋之間出現(xiàn)不一致時(shí)，便產(chǎn)生一個(gè)稱為變分自由能（variational free energy）的量；而 FEP 斷言：存在的事物所遵循的演化路徑，必是自由能最小化的路徑（在高斯假設(shè)下，自由能即為預(yù)測(cè)誤差）。自由能可通過兩種方式最小化：

• 一是更新模型本身（即感知與學(xué)習(xí)），使預(yù)測(cè)更契合所感知的數(shù)據(jù)；
• 二是改變身體和/或外部世界，使其更符合我們的預(yù)測(cè)（即行動(dòng)與生態(tài)位構(gòu)建）。

在一個(gè)不斷變化的世界中生存，要求主體必須在不同程度上進(jìn)行前瞻性規(guī)劃。因此，適應(yīng)性系統(tǒng)不僅需考量當(dāng)下表現(xiàn)如何，還需評(píng)估：若采取某特定行動(dòng)路徑，未來境況將如何。為體現(xiàn)這種時(shí)間深度（temporal depth），主體需評(píng)估：在不同行動(dòng)方案下，其預(yù)期將遭遇的未來自由能?？烧撟C的是，人類智能的諸多核心方面——感知、行動(dòng)、注意、情緒、學(xué)習(xí)、社會(huì)互動(dòng)、文化——皆可在這一簡潔的“生成預(yù)測(cè)—減小誤差”框架內(nèi)加以建模（Hohwy, 2016, 2018；Veissière 等, 2020；Hesp 等, 2021；Parr 等, 2022）。只要主體能夠持續(xù)最小化其預(yù)測(cè)誤差（或自由能），它通常便能成功地維持其對(duì)環(huán)境的良好適應(yīng)性。

3.2 主動(dòng)推理、自由能與預(yù)期自由能

“主動(dòng)推理”（active inference）一詞通常指一種過程理論，用于描述自由能原理（FEP）如何在特定智能系統(tǒng)中具體實(shí)現(xiàn)，從而刻畫主體所遵循的“最小意外”路徑。然而在應(yīng)用性計(jì)算建模工作中，其含義通常更為狹窄：在此類語境下，“主動(dòng)推理”特指一類更具體的實(shí)現(xiàn)方式——即在部分可觀測(cè)馬爾可夫決策過程（Partially Observable Markov Decision Processes, POMDPs）框架下所執(zhí)行的推理過程。這類生成模型具有一般性，但其基本假設(shè)是：世界（及身體）可被解釋為由離散狀態(tài)構(gòu)成——這些狀態(tài)的粒度可依據(jù)“何種粒度更有利于最小化自由能或意外”而靈活設(shè)定（可細(xì)粒度、亦可粗粒度）。

在此類模型中，存在三類主要的信念更新機(jī)制：

1. 推理（inference），或稱狀態(tài)估計(jì)（state estimation），即根據(jù)可獲得的數(shù)據(jù)推斷世界當(dāng)前所處狀態(tài)；這被視為對(duì)感知的正式建模。其中有一種特殊的狀態(tài)估計(jì)，對(duì)應(yīng)于“根據(jù)我當(dāng)前已知信息與所獲感知，我必定正在執(zhí)行何種行為”的推理——這種對(duì)可能行動(dòng)方案（即策略）的信念推理，恰當(dāng)?shù)乇环Q為策略選擇（policy selection）。在此框架下，策略選擇即為一種“作為推理的規(guī)劃”（planning as inference）（Attias, 2003；Botvinick 與 Toussaint, 2012）。
2. 參數(shù)學(xué)習(xí)（parametric learning）或稱參數(shù)估計(jì)（parameter estimation），即學(xué)習(xí)生成模型中各參數(shù)的取值（例如似然矩陣 A 與狀態(tài)轉(zhuǎn)移矩陣 B）。
3. 結(jié)構(gòu)學(xué)習(xí)（structure learning），即學(xué)習(xí)生成模型本身的結(jié)構(gòu)與架構(gòu)（Gershman 與 Niv, 2010；Friston 等, 2017）。

我們運(yùn)用主動(dòng)推理的工具，將主體—環(huán)境系統(tǒng)的結(jié)構(gòu)形式化為一個(gè)生成模型（Ramstead 等, 2020, 2022）。該模型包含：狀態(tài)節(jié)點(diǎn)、狀態(tài)之間的有向連接邊，以及與這些邊相關(guān)聯(lián)的參數(shù)。此類模型的結(jié)構(gòu)常以易記的“ABC……”方式描述：其中 A 對(duì)應(yīng)生成模型中的似然部分，其余部分則對(duì)應(yīng)關(guān)于狀態(tài)及其軌跡的先驗(yàn)信念。圖1展示了此類模型結(jié)構(gòu)的一個(gè)示例；其簡要總結(jié)見表1。

具體而言：

• 狀態(tài)估計(jì)依賴于似然矩陣（記為 A），該矩陣列出：在假設(shè)世界處于某特定狀態(tài)的前提下，觀測(cè)到某一特定感官數(shù)據(jù)的概率；
• B 矩陣編碼狀態(tài)之間的轉(zhuǎn)移概率，因而刻畫了世界隨時(shí)間演化的動(dòng)態(tài)規(guī)律；狀態(tài)轉(zhuǎn)移依賴于所選的行動(dòng)方案（即策略）；
• 主體偏好的最終感官結(jié)果（即目標(biāo)狀態(tài)），由矩陣 C 指定；
• 新情境下初始狀態(tài)的先驗(yàn)信念，編碼于矩陣 D 中；在經(jīng)驗(yàn)貝葉斯框架（即深度或分層生成模型）中，當(dāng)情境切換時(shí)，初始狀態(tài)的先驗(yàn)將隨之更新；
• 策略選擇亦受跨情境累積的信念引導(dǎo)——此類信念扮演著習(xí)慣（habits）的角色：即在缺乏當(dāng)前感官證據(jù)時(shí)，關(guān)于“在此類情境中應(yīng)優(yōu)先采用哪些策略”的先驗(yàn)信念；這些習(xí)慣編碼于矩陣 E中；
• 自由能記為 F；而對(duì)可行策略的預(yù)期自由能（expected free energy）則編碼于向量 G 中。

至關(guān)重要的是，上述每一類參數(shù)與信念均可關(guān)聯(lián)一個(gè)精度（precision）或方差倒數(shù)。精度是數(shù)據(jù)同化與計(jì)算神經(jīng)科學(xué)中的一個(gè)核心概念，它本質(zhì)上量化了對(duì)某一信念或模型參數(shù)（如似然映射、先驗(yàn)轉(zhuǎn)移概率等）所賦予的置信度（confidence）。

例如，預(yù)期自由能在策略選擇中的貢獻(xiàn)受一個(gè)記為 γ 的精度參數(shù)調(diào)節(jié)：當(dāng) γ 較高時(shí)，策略選擇更受預(yù)期自由能驅(qū)動(dòng)，而非習(xí)慣性先驗(yàn)（可類比強(qiáng)化學(xué)習(xí)中“基于模型”與“無模型”方法的區(qū)分）。換言之，關(guān)于策略的信念精度，正反映了主體對(duì)其計(jì)劃的信心程度。這又可被理解為在特定情境下的習(xí)慣性反應(yīng)與審慎的（盡管通常屬于“亞個(gè)人層面”的）——而該目標(biāo)正是最小化預(yù)期自由能。由于自由能可視為“意外”（surprise）的一種代理指標(biāo)，因此目標(biāo)總可被重新表述為：最小化某種形式的預(yù)期意外或不確定性。

預(yù)期自由能可被以不同方式分解，從而揭示目標(biāo)導(dǎo)向行為中的偏好驅(qū)動(dòng)與信息尋求兩個(gè)面向。其中最具啟發(fā)性的一種分解，是將其拆分為實(shí)用價(jià)值（pragmatic value）與認(rèn)知價(jià)值（epistemic value）：

• 旨在最小化預(yù)期自由能的主體，其行為受兩種核心動(dòng)因驅(qū)動(dòng)：
• • 一方面，主體可利用其對(duì)世界的概率模型，選擇那些能導(dǎo)向偏好的（即低意外的）結(jié)果的行動(dòng)——此類行動(dòng)稱為（或工具性）——它們直接服務(wù)于目標(biāo)達(dá)成；
  • 另一方面，主體也常選擇那些能使其更深入了解環(huán)境的行動(dòng)，并主動(dòng)尋求那些意外或新穎的觀測(cè)，以最高效地更新其內(nèi)部模型——此類行動(dòng)稱為認(rèn)知性行動(dòng)（epistemic actions），其目的在于最大化信息增益。

根據(jù)自由能原理（FEP），工具性與認(rèn)知性行動(dòng)動(dòng)因（或可供性，affordances）——會(huì)依據(jù)主體對(duì)世界狀態(tài)及其內(nèi)在不確定性的信念而自動(dòng)達(dá)成平衡：

• 若主體對(duì)環(huán)境狀態(tài)高度不確定，通常會(huì)優(yōu)先選擇高認(rèn)知價(jià)值的策略（即傾向于探索）；
• 若主體已充分了解環(huán)境，或其偏好本身具有很高精度（即非常確定“想要什么”），則其行為將更強(qiáng)烈地受工具性驅(qū)力主導(dǎo)（即傾向于利用/執(zhí)行）。

從技術(shù)上講，這種規(guī)劃的雙重性可被形式化為貝葉斯最優(yōu)（Bayes optimal）：分別符合最優(yōu)貝葉斯決策與最優(yōu)實(shí)驗(yàn)設(shè)計(jì)的原則（Lindley, 1956；Berger, 2013）。自由能原理將這兩種動(dòng)因置于同等地位，并以恰當(dāng)?shù)拇涡蚧饬恕疤剿髋c利用”之間的張力——即：主體首先行動(dòng)以澄清自身處境的模糊性（探索），繼而再追求其偏好的結(jié)果（利用）。因此，主體所選策略，乃是實(shí)用價(jià)值與認(rèn)知價(jià)值之和最大者。

3.3 二階推理與情感

在近期關(guān)于主動(dòng)推理的研究中（Hesp 等，2021），情感推理（affective inference）被形式化為一種二階推理（second-order inference）：即對(duì)自身推理的再推理——它將生成模型某一層級(jí)上所得的后驗(yàn)狀態(tài)估計(jì)，作為“需進(jìn)一步解釋的數(shù)據(jù)”，傳遞至更高階的上層結(jié)構(gòu)中。

通過這種方式，主動(dòng)推理主體可動(dòng)態(tài)調(diào)節(jié)其適應(yīng)性行為，以應(yīng)對(duì)預(yù)測(cè)誤差生成本身隨時(shí)間的變化方式——尤其是該變化相對(duì)于主體對(duì)“誤差生成與最小化之速度與加速度”的預(yù)期所呈現(xiàn)的偏差。

如下文所述，這類二階的、情感層面的動(dòng)力學(xué)過程，在使預(yù)測(cè)性主體保持一種亞穩(wěn)態(tài)平衡（meta-stable poise）方面起著關(guān)鍵作用：使其既不固守于已知生態(tài)位，亦不盲目陷入完全未知之中，而是在二者之間靈活調(diào)適。

尤為重要的是，最優(yōu)推理（optimal inference）——恰恰相反，任何致力于最小化其預(yù)期自由能的系統(tǒng)，本質(zhì)上即被組織為：主動(dòng)探尋那些具有信息價(jià)值的誤差梯度（interesting slopes of error），并傾向于主動(dòng)尋求適度的“意外”（surprises）。換言之，驚奇并非需回避之物，而是驅(qū)動(dòng)學(xué)習(xí)與適應(yīng)的必要資源。

4 從主動(dòng)推理視角看韌性

在以主動(dòng)推理為透鏡闡釋韌性之前，我們先闡明開展此項(xiàng)工作的動(dòng)因：為何要運(yùn)用主動(dòng)推理來研究韌性？

其一，是理論上的統(tǒng)一性（theoretical unification）：如我們將看到的，主動(dòng)推理使我們得以提出一種關(guān)于韌性的解釋框架，該框架能夠公正地容納專業(yè)文獻(xiàn)中對(duì)該概念的主要用法。

其二，它使我們得以闡明：我們所識(shí)別的三種韌性過程（慣性、彈性、可塑性）如何彼此關(guān)聯(lián)、互補(bǔ)。

其三，我們基于主動(dòng)推理的韌性形式化，還能揭示一個(gè)關(guān)鍵洞見——尤其重要的是闡明為何：單憑慣性與彈性，并不足以使一個(gè)系統(tǒng)在強(qiáng)健意義上真正具備韌性。我們將論證：若缺乏可塑性，主體可能陷入一種“過度韌性”的困境——即雖在局部達(dá)到最優(yōu)，卻困于全局次優(yōu)的解中，對(duì)其自身發(fā)展反而有害。

4.1 作為高精度的慣性

我們現(xiàn)在轉(zhuǎn)向主動(dòng)推理框架下對(duì)三種韌性概念/過程的闡釋。其中第一種——或許也是最被視為理所當(dāng)然的——是慣性（inertia）或魯棒性（robustness），它指主體具備抵抗變化的能力，且該能力不以其內(nèi)部結(jié)構(gòu)或動(dòng)力學(xué)的改變?yōu)榇鷥r(jià)。更精確地說，慣性意味著：面對(duì)某種擾動(dòng)，主體的內(nèi)部狀態(tài)與參數(shù)保持不變。

這與物理學(xué)中的慣性高度類比：粗略而言，慣性衡量的是“使某系統(tǒng)偏離其當(dāng)前軌跡（或若其靜止，則使其運(yùn)動(dòng)）的難度”。在主動(dòng)推理框架中，這自然對(duì)應(yīng)于高精度信念（high-precision beliefs）（Kim 等, 2022）。當(dāng)模型中信念的精度足夠高時(shí)，感官擾動(dòng)不足以顯著動(dòng)搖主體，使其偏離先驗(yàn)設(shè)定點(diǎn)。

試以前述例子說明：一個(gè)人在刮風(fēng)環(huán)境中仍能保持行走，甚至奔跑。此時(shí)，人體的物理結(jié)構(gòu)并未因周圍氣流而受到威脅——構(gòu)成人體的分子間連接（如皮膚細(xì)胞之間）所對(duì)應(yīng)的精度（此處指描述人體狀態(tài)的概率分布之方差的倒數(shù)），高于環(huán)境擾動(dòng)所蘊(yùn)含的強(qiáng)度。這種韌性（即慣性）亦可在更粗粒度上發(fā)生：短期擾動(dòng)（如呼吸、血液循環(huán)等內(nèi)部生物過程引發(fā)的狀態(tài)波動(dòng)）并不會(huì)破壞人體整體結(jié)構(gòu)的完整性；盡管各類分子不斷進(jìn)出并穿行于體內(nèi)，身體的宏觀構(gòu)型依舊穩(wěn)定、不受擾動(dòng)。

另一視角是：主體的內(nèi)部狀態(tài)與構(gòu)型本身即編碼了信念；因此，慣性意味著對(duì)信念更新的抵抗。若先驗(yàn)信念具有極高精度，且對(duì)感官證據(jù)具有強(qiáng)抗修正性，則可確保這種穩(wěn)定性。需注意，在主動(dòng)推理中，感官證據(jù)是通過行動(dòng)采樣獲得的——換言之，主體部分地“自撰”其感受，因而可通過選擇性采樣使世界符合其高精度的信念與預(yù)測(cè)。一個(gè)簡單例證是穩(wěn)態(tài)調(diào)節(jié)：它將某些（內(nèi)感受性）感覺嚴(yán)格約束在極窄范圍內(nèi)，其依據(jù)正是高度精確的先驗(yàn)信念——即這些“關(guān)鍵變量”應(yīng)貼近穩(wěn)態(tài)設(shè)定點(diǎn)。

此思想可進(jìn)一步推廣至內(nèi)感受之外的其他生態(tài)位構(gòu)建（niche construction）形式：從維持外部環(huán)境的可預(yù)測(cè)性、整潔有序，到在社會(huì)互動(dòng)中堅(jiān)守高度精確的信念以實(shí)現(xiàn)文化性生態(tài)位構(gòu)建（Seth 與 Tsakiris, 2018）。

4.1.1 剛性

然而，高精度亦伴隨著低靈活性。高精度信念構(gòu)成一種強(qiáng)歸納偏置（inductive bias），限制了主體在環(huán)境變遷時(shí)更新先驗(yàn)信念與自我調(diào)適的能力。一個(gè)高度剛性的主體無法探索新選項(xiàng)，因其已深陷于自身信念之中；面對(duì)波動(dòng)性（volatility）時(shí)尤為困難。此類主體若想維持其特征性狀態(tài)，唯一途徑是始終停留在低波動(dòng)性環(huán)境中。

當(dāng)主體持有一套高精度策略、并長期占據(jù)低波動(dòng)性狀態(tài)時(shí)，其韌性便體現(xiàn)為對(duì)低意外狀態(tài)的選擇性采樣：即主動(dòng)尋找那些“幾乎不帶來意外”的情境。例如，堅(jiān)信“地球是平的”的人仍可能收集新證據(jù)以驗(yàn)證或證偽其信念（即執(zhí)行認(rèn)知性行動(dòng)）；但若其先驗(yàn)信念精度過高，便無法接納挑戰(zhàn)其核心假設(shè)（地球?yàn)槠剑┑姆醋C。

參見 Albarracin 等（2022a）的模擬研究：系統(tǒng)通過在“回音室”（echo chambers）中運(yùn)作，為其高精度信念與策略提供免疫保護(hù)。此類個(gè)體便是典型例證：其信念極具韌性（即魯棒），卻仍持有一個(gè)次優(yōu)的世界模型。在其特定社會(huì)生態(tài)位中，他們通過與他人共享并強(qiáng)化核心假設(shè)（例如頻繁參與支持性情境），有效降低了預(yù)期自由能——盡管該模型整體上并不準(zhǔn)確或適應(yīng)不良。

4.2 作為回歸特征性狀態(tài)的弛豫：彈性

作為彈性的韌性，指系統(tǒng)在遭受擾動(dòng)后“反彈”回歸先前狀態(tài)的能力。例如，橡膠是一種具韌性的材料——當(dāng)受外力形變后，它能恢復(fù)初始狀態(tài)，即表現(xiàn)出彈性；相比之下，陶瓷杯是非彈性的：若其物理結(jié)構(gòu)受到顯著擾動(dòng)，便會(huì)碎裂而無法復(fù)原。

我們可通過主動(dòng)推理的視角理解生物韌性中的預(yù)期性動(dòng)力學(xué)（anticipatory dynamics）。此時(shí)，韌性的彈性面向可被建模為穩(wěn)態(tài)（homeostasis）與應(yīng)變穩(wěn)態(tài)（allostasis）過程——這些過程使此類自組織系統(tǒng)得以預(yù)見并補(bǔ)償各類波動(dòng)性與不確定性。實(shí)際上，作為彈性的韌性（即回歸設(shè)定點(diǎn)的能力），可被視為主動(dòng)推理主體最基礎(chǔ)的特征：即回歸其特征性狀態(tài)的能力。此類韌性依賴于跨越延長時(shí)間尺度的規(guī)劃能力，即依賴具有“深度時(shí)間性”的模型（deep temporal models），為回歸偏好狀態(tài)提供可行路徑。換言之，應(yīng)變穩(wěn)態(tài)與穩(wěn)態(tài)之間的根本區(qū)別，正取決于那些預(yù)先性策略（pre-emptive policies）——它們可預(yù)見遠(yuǎn)期行動(dòng)的后果。在此意義上，具備韌性的主體，其先驗(yàn)信念須涵蓋具有時(shí)間深度的策略，從而支撐一種朝向未來的自我確證（future-pointing self-evidencing），使其得以在不可預(yù)測(cè)的世界中繞開短期意外。基于深度生成模型的主動(dòng)推理，為穩(wěn)態(tài)與應(yīng)變穩(wěn)態(tài)提供了強(qiáng)有力的正式模型（Corcoran, 2021）。

舉例而言：假設(shè)某人外出跑步。我們知道，人體對(duì)核心體溫維持在約 37°C 具有高精度的預(yù)期狀態(tài)。因此，跑步過程中，人體會(huì)通過出汗作為冷卻機(jī)制——此即穩(wěn)態(tài)彈性。此外，此人可能隨身攜帶水瓶，以確保有足夠水分持續(xù)產(chǎn)汗；甚至在出發(fā)前拉上家中窗簾，以便跑后能返回一個(gè)涼爽空間——此類前瞻性行為即應(yīng)變穩(wěn)態(tài)彈性，其背后是基于深度時(shí)間模型的規(guī)劃：主體跨越較長時(shí)間跨度進(jìn)行推演，以確保最終回歸偏好狀態(tài)。

簡言之，C 向量為主體提供了以偏好感官數(shù)據(jù)形式表述的穩(wěn)態(tài)設(shè)定點(diǎn)；而主動(dòng)推理方案本質(zhì)上闡明了：主體如何通過承諾特定策略（這些策略通過最小化預(yù)期自由能而被推斷得出），來生成其偏好的感官數(shù)據(jù)。

4.2.1 惡性自舉（Bad bootstraps）

對(duì)于我們這類具有復(fù)雜模型的生物而言——不僅能推理當(dāng)下，還能推斷未來狀態(tài)（即具備深度時(shí)間模型）——畢生韌性往往不僅依賴上述兩種韌性形式（慣性與彈性）。盡管它們可促成各類局部穩(wěn)定性，但這種穩(wěn)定性本身有時(shí)反而會(huì)成為次優(yōu)解，從而削弱長期、更全局層面的韌性模式。換言之，僅靠自組織系統(tǒng)在時(shí)間中“持續(xù)存在”，并不足以構(gòu)成真正的韌性。

事實(shí)上，即使在最小化自由能的過程中，主體也可能相較處于相同情境的其他主體表現(xiàn)得更為次優(yōu)——這取決于其所內(nèi)蘊(yùn)生成模型的重要變化（Constant, 2021）。然而，這種持續(xù)性本身可能已包含對(duì)變化環(huán)境的適應(yīng)過程。這一點(diǎn)對(duì)韌性本質(zhì)的廣泛討論至關(guān)重要：一個(gè)系統(tǒng)若僅符合我們前述第一、二種定義（即慣性與彈性），并不能保證該主體真正繁榮發(fā)展（flourishing），亦不能確保其長期對(duì)環(huán)境作出適應(yīng)性響應(yīng)。在更高組織層級(jí)與更長時(shí)間尺度上，生成模型本身的結(jié)構(gòu)——即主動(dòng)推理所展開的框架——也必須被習(xí)得。這在激進(jìn)建構(gòu)主義中稱為結(jié)構(gòu)學(xué)習(xí)（structure learning），在統(tǒng)計(jì)學(xué)中對(duì)應(yīng)貝葉斯模型選擇（Bayesian model selection），或在演化層面類比于自然選擇（Gershman 與 Niv, 2010；Tenenbaum 等, 2011；Gershman 與 Blei, 2012；Vanchurin 等, 2022）。

此類結(jié)構(gòu)學(xué)習(xí)的一個(gè)關(guān)鍵面向，是策略選擇所蘊(yùn)含的策略范圍（scope of policies）。例如，在一個(gè)恒定不變的世界中，若我觀察到自己反復(fù)以某種方式行事，便會(huì)習(xí)得“此類事即我之所為”，并形成習(xí)慣（habits）——這些習(xí)慣可能是認(rèn)知性習(xí)慣（epistemic habits），如“每晚十點(diǎn)必看新聞”（Friston 等, 2016）。然而，在變化的世界中，這些習(xí)慣可能不再適宜；此時(shí)，我需拓展對(duì)“生活世界”的解釋與探索范圍。換言之，計(jì)劃可能固化，并因我基于過往感知推理所進(jìn)行的、依賴經(jīng)驗(yàn)的策略學(xué)習(xí)，而獲得不恰當(dāng)?shù)母呔取@導(dǎo)致一種“惡性自舉”（bad boot-strap）：過去經(jīng)驗(yàn)的循環(huán)強(qiáng)化使我無法響應(yīng)環(huán)境變遷。

惡性自舉發(fā)生于主體持有某些阻礙其對(duì)環(huán)境進(jìn)行適應(yīng)性學(xué)習(xí)的先驗(yàn)信念之時(shí)；其結(jié)果是：推斷在狹窄參照系內(nèi)看似最優(yōu)，但從更廣視角看卻對(duì)主體整體不利。例如，主體可能未能準(zhǔn)確表征世界，或試圖基于不完整數(shù)據(jù)（即僅來自過去、必然“忽略”未來數(shù)據(jù)的數(shù)據(jù)）優(yōu)化表現(xiàn)。這類采樣不良的行動(dòng)或惡性自舉表明：僅“反彈”至已熟路徑是不夠的——因?yàn)檫@些策略本身可能已屬適應(yīng)不良（maladaptive），即“我陷入了思維定勢(shì)/行為慣性”。

由于無法保證主體內(nèi)蘊(yùn)模型是對(duì)變化現(xiàn)實(shí)的準(zhǔn)確表征，故也無法保證基于這些信念的行為是最優(yōu)的（Tschantz 等, 2020）。例如，對(duì)潛在成癮性興奮劑（如安非他命、莫達(dá)非尼）的強(qiáng)迫性攝取，在特定生態(tài)位中可能具適應(yīng)性——如士兵在戰(zhàn)場(chǎng)上使用此類藥物以保持清醒警覺；在此類受限定情境中，該行為可能最優(yōu)（因其保障戰(zhàn)斗力）。但從更廣視角看，此類行為長期而言可能有害，例如退伍后導(dǎo)致成癮等適應(yīng)不良狀態(tài)。

從數(shù)學(xué)上，此現(xiàn)象可理解為陷入局部極小值（local minima）。若主體對(duì)世界的信念（或其與世界互動(dòng)的方式）過于精確或受限，則其自我剝奪了探索替代性解釋或行為模式的可能性——而這些替代方案對(duì)變化后的世界（如至親離世后的世界）可能更為適宜。要克服此類局部極小值，需一個(gè)更廣闊的視角，使主體意識(shí)到尚有其他先驗(yàn)可探索。這可能涉及：

• 改變生成模型結(jié)構(gòu)，納入關(guān)于“存在方式”的替代性假設(shè)；
• 或通過降低高層信念的精度，拓展先驗(yàn)集合的多樣性，使低概率先驗(yàn)得以在更公平的基礎(chǔ)上參與競(jìng)爭。此即所謂“通過降低精度來平坦化先驗(yàn)信念景觀”（flattening the landscape of prior beliefs）（Hohwy 等, 2008；Carhart-Harris 與 Friston, 2019）。

這一思想已在主動(dòng)推理中被形式化：通過可同時(shí)追蹤局部精度動(dòng)力學(xué)與全局精度動(dòng)力學(xué)的生成模型實(shí)現(xiàn)（Miller 等, 2022）。

• 局部精度動(dòng)力學(xué)反映主體在特定任務(wù)上的表現(xiàn)，如唱歌、做朋友、工作等——可對(duì)每項(xiàng)任務(wù)單獨(dú)優(yōu)化；
• 全局精度動(dòng)力學(xué)則反映整體表現(xiàn)，即如何平衡所有局部方面。若未能優(yōu)化全局精度，則可能僅實(shí)現(xiàn)局部最優(yōu)。此時(shí)，認(rèn)知性行動(dòng)雖有助于提升某項(xiàng)局部任務(wù)表現(xiàn)，卻無助于整體績效提升。

例如，設(shè)想某人將全部精力投入工作表現(xiàn)的持續(xù)提升，卻忽視生活的其他面向，最終導(dǎo)致抑郁——這即是某一方面（工作）局部精度極高，但因忽視其他生活維度而導(dǎo)致全局精度動(dòng)力學(xué)低下的實(shí)例。

4.2.2 利用誤差動(dòng)力學(xué)與精度以達(dá)致最優(yōu)性

最優(yōu)性（optimality）意味著認(rèn)知性行動(dòng)（epistemic action）與工具性行動(dòng)（instrumental action）之間的最優(yōu)平衡。這一平衡取決于：

• 先驗(yàn)偏好（prior preferences）所賦予的精度相對(duì)于認(rèn)知性可供性（epistemic affordances）的精度；
• 以及自由能所賦予的精度相對(duì)于習(xí)慣性先驗(yàn)（habitual priors）的精度。

簡言之，一種高階的韌性——即具備修訂生成模型本身結(jié)構(gòu)（“織物”）的能力——依賴于為各類信念分配恰當(dāng)?shù)木?/strong>（即亞個(gè)人層面的置信度）。值得注意的是，被認(rèn)為負(fù)責(zé)編碼此類精度的神經(jīng)系統(tǒng)，恰恰也是支撐目標(biāo)導(dǎo)向行為、對(duì)新奇性的響應(yīng)以及行動(dòng)本身能力的系統(tǒng)；例如，多巴胺系統(tǒng)在新奇性編碼中的作用，及其在帕金森病中的功能障礙（Adams 等, 2013；Schwartenbeck 等, 2015, 2019）。

在此層級(jí)的自我確證中，所隱含的韌性本質(zhì)上在于：通過避免對(duì)先驗(yàn)信念賦予過高精度，確保結(jié)構(gòu)學(xué)習(xí)能達(dá)到恰當(dāng)水平，從而實(shí)現(xiàn)適應(yīng)性調(diào)整。換言之，這正是一種特定形式的作為可塑性的韌性——即具備接納新假設(shè)、并依據(jù)變分自由能與預(yù)期自由能對(duì)解釋與計(jì)劃集合進(jìn)行動(dòng)態(tài)更新的能力。

該框架已有諸多臨床實(shí)踐轉(zhuǎn)化實(shí)例：

• 例如，認(rèn)知行為療法（CBT）鼓勵(lì)患者主動(dòng)搜尋反證，以挑戰(zhàn)“惡性自舉”式的先驗(yàn)信念；
• 又如，某些致幻劑（psychedelic drugs）通過作用于特定的神經(jīng)調(diào)質(zhì)受體（如5-HT2A受體），降低先驗(yàn)信念的精度，從而促進(jìn)信念重構(gòu)（Carhart-Harris 與 Friston, 2019）。

綜上所述，韌性可源于系統(tǒng)的適應(yīng)性能力——其中高層過程由密集交互的底層組分與過程涌現(xiàn)而成，最終實(shí)現(xiàn)多尺度上的自組織（Levin, 1998；Holling, 2001）。在此意義上，韌性發(fā)展的最重要機(jī)制，是對(duì)精度（precision）或學(xué)習(xí)速率（learning rates）（即系統(tǒng)的可學(xué)性或適應(yīng)性）的優(yōu)化，而這一機(jī)制內(nèi)在于諸多自然系統(tǒng)之中。

彈性韌性體現(xiàn)為回歸既往功能狀態(tài)的能力（一般而言，通過穩(wěn)態(tài)過程及主動(dòng)推理框架下的選擇性采樣實(shí)現(xiàn)）——此過程固然具有適應(yīng)性（即最小化自由能），但仍可能陷入局部極小值困境：此時(shí)，彈性韌性反而阻礙了對(duì)更大尺度狀態(tài)躍遷的學(xué)習(xí)，導(dǎo)致更長時(shí)間尺度上的功能受損（例如，世界已躍遷至新狀態(tài)，而主體缺乏有效的策略庫以回歸低自由能狀態(tài)）。

因此，慣性與彈性必須輔以可塑性，方能構(gòu)成真正強(qiáng)健的韌性。

4.3 借助冗余性與“斜率追逐”實(shí)現(xiàn)可塑性

4.3.1 冗余性與簡并性

有效的穩(wěn)態(tài)（homeostasis）與應(yīng)變穩(wěn)態(tài)（allostasis）往往需要執(zhí)行復(fù)雜的行動(dòng)序列——這些序列基于對(duì)可能情境及其應(yīng)對(duì)方式的內(nèi)部模型。此類行動(dòng)鏈?zhǔn)箯?fù)雜系統(tǒng)能在受擾動(dòng)后推斷出回歸所期望或偏好狀態(tài)的路徑，并以前瞻性方式規(guī)劃，以最小化未來暴露于不確定性的風(fēng)險(xiǎn)。

為使系統(tǒng)在多變情境下仍能頻繁訪問有限集合的特征性狀態(tài)，該“可能性—響應(yīng)”模型必須具備一定程度的冗余性（redundancy）：即多種不同狀態(tài)最終可導(dǎo)向相對(duì)較少的一組合意結(jié)果。正如 Sajid 等（2020）深入討論的（并將在下文展開），盡管冗余性會(huì)增加模型的復(fù)雜性（從而提高能量消耗），但它對(duì)韌性至關(guān)重要——因其賦予主體應(yīng)對(duì)更高水平不確定性的能力。這種“有益的冗余性”常被稱為簡并性（degeneracy）。

Whitacre 與 Bender（2010）對(duì)生物系統(tǒng)中的“簡并性”給出了密切相關(guān)的一種定義：

“簡并性亦稱部分冗余（partial redundancy）。在生物學(xué)中，它指系統(tǒng)組分的功能或能力存在部分重疊的狀態(tài)（Edelman 與 Gally, 2001）。它尤其描述了結(jié)構(gòu)相異的組分（如基因、蛋白質(zhì)、模塊或通路）——它們?cè)谀承l件下可執(zhí)行相似功能或相互替代，但在其他條件下又具有各自獨(dú)特功能——的共存現(xiàn)象。”

在此意義上，簡并性不僅隱含一種多對(duì)一（many-to-one）的關(guān)系（即多個(gè)結(jié)構(gòu)路徑可達(dá)成同一功能輸出，如上所述），還隱含一種一對(duì)多（one-to-many）關(guān)系：因?yàn)椴糠秩哂嘁髥蝹€(gè)組分具備多種功能（從而與系統(tǒng)其他部分形成可變的關(guān)聯(lián)）。我們指出，該定義與前述定義僅在“純粹冗余”（pure redundancy）情形下外延不同——而純粹冗余在現(xiàn)實(shí)中幾乎不存在（例如：當(dāng)右腎受損時(shí)，左腎仍可發(fā)揮血液解毒功能；但右腎本身并不“缺乏”該功能——此例中的不對(duì)稱實(shí)為簡化表述；更嚴(yán)謹(jǐn)?shù)卣f，兩腎功能相似但不完全等同，其貢獻(xiàn)受發(fā)育、代償、局部微環(huán)境等調(diào)節(jié)）。

正如 Sajid 等（2020）所論證的，簡并性（即“有益冗余”）與變分自由能（VFE）之間存在一種簡潔關(guān)系——而如前所述，VFE 正是主動(dòng)推理所優(yōu)化的基本量（其中，預(yù)期自由能用于評(píng)估策略的合理性，其依賴具備時(shí)間深度的生成模型，使主體能基于對(duì)未來觀測(cè)的預(yù)期進(jìn)行規(guī)劃）。VFE 可以多種等價(jià)形式表達(dá)，每種形式揭示了 VFE 最小化效用的不同側(cè)面。

當(dāng)將 VFE 表述為亥姆霍茲自由能（Helmholtz free energy）形式時(shí)，簡并性的效用體現(xiàn)得最為清晰：

公式（1）中的第二項(xiàng)即為識(shí)別密度（近似后驗(yàn)密度）Q(s) 的熵，Sajid 等（2020）指出，該熵在形式上等價(jià)于簡并性（degeneracy）。

VFE 的另一種分解方式則凸顯了項(xiàng) EQ[ln P(o | s)]，該項(xiàng)衡量了利用所推斷的假設(shè)來預(yù)測(cè)感官輸入的準(zhǔn)確性（例如，預(yù)期預(yù)測(cè)誤差）。

右邊第一項(xiàng)為 KL 散度（Kullback–Leibler divergence），即近似后驗(yàn)分布 Q(s)（對(duì)隱狀態(tài)的推斷）與先驗(yàn)分布 P(s)（對(duì)同一隱狀態(tài)的先驗(yàn)信念）之間的非對(duì)稱差異。該項(xiàng)被稱為復(fù)雜性（complexity），因?yàn)樗攘苛恕盀闇?zhǔn)確解釋感官數(shù)據(jù)所動(dòng)用的自由度數(shù)量”（Sajid 等，2020，第5,752頁）。更直白地說，它反映了主體在接觸感官證據(jù)前后，其信念發(fā)生改變的程度——即從先驗(yàn)信念更新至后驗(yàn)信念的信息增益量。這種信息增益常被視為一種復(fù)雜性代價(jià)（complexity cost），因?yàn)槠渲须[含的信息擦除過程在能量與代謝上代價(jià)高昂。換言之，同化新的感官證據(jù)需付出復(fù)雜性代價(jià)，以確保信念更新在盡可能簡潔的前提下（即不過度背離先驗(yàn)信念）準(zhǔn)確解釋感官輸入，從而避免過擬合。

依據(jù)上述復(fù)雜性定義，顯然：更復(fù)雜的模型本身即意味著更低的效率——因其解釋同一感官數(shù)據(jù)點(diǎn)時(shí)，動(dòng)用了比其他替代模型更多的自由度。因此，復(fù)雜性恰恰是效率（efficiency）的反面；而文獻(xiàn)中常將效率的缺失稱為冗余性（redundancy）：一個(gè)冗余系統(tǒng)即是低效的系統(tǒng)，因?yàn)樗粌H使用了更簡系統(tǒng)達(dá)成同一目標(biāo)所需的資源，還額外耗費(fèi)了資源（即冗余部分）。

僅需運(yùn)用對(duì)數(shù)運(yùn)算規(guī)則展開復(fù)雜性表達(dá)式——即后驗(yàn)信念與先驗(yàn)信念之間的 KL 散度——便可得到如下式子（參見 Sajid 等，2020，第 5,753 頁）：

這一分解揭示出復(fù)雜性（“代價(jià)”）中存在一種未被系統(tǒng)利用的“殘余”部分——即未被用于支撐主體達(dá)成目標(biāo)之多樣化有效手段的那部分代價(jià)。

另一方面，簡并性（degeneracy）衡量的是：系統(tǒng)中不同成因（causes）可導(dǎo)致同一結(jié)果的程度；而識(shí)別密度的熵（即右側(cè)第二項(xiàng)）則精確量化了：主體相信有多少種不同的狀態(tài)具有顯著概率可產(chǎn)生某一給定結(jié)果（觀測(cè)）。

Sajid 等將公式（3）中的“代價(jià)”描述為所推斷狀態(tài)的負(fù)期望“價(jià)值”（即先驗(yàn)偏好的對(duì)數(shù)）。這是理解該項(xiàng)為何構(gòu)成“代價(jià)”的一種視角：它量化了所推斷的事態(tài)與主體先驗(yàn)偏好（此處指對(duì)狀態(tài)的偏好）之間的不匹配程度。但亦可從認(rèn)知（epistemic）角度理解此代價(jià)：在認(rèn)知意義上，這一殘余復(fù)雜性或“代價(jià)”項(xiàng)，衡量的是主體關(guān)于世界的后驗(yàn)推斷平均而言有多“意外”——以主體自身對(duì)假設(shè)的先驗(yàn)為參照標(biāo)準(zhǔn)（具體而言，它是主體在生成分布下對(duì)其推斷狀態(tài)的香農(nóng)描述長度）。

有趣的是，當(dāng)該代價(jià)項(xiàng)與簡并性相等時(shí)，復(fù)雜性項(xiàng)便消為零——但不確定性依然存在。這表明：復(fù)雜性項(xiàng)實(shí)質(zhì)上編碼的是“無用的不確定性”，而作用于后驗(yàn)信念之上的熵（即簡并性）則是“有用的”或“功能性不確定性”。直觀而言，不確定性之所以有用，在于它映射了環(huán)境中真實(shí)的不確定性根源——即當(dāng)信念分布的熵準(zhǔn)確建模了感覺信號(hào)源本身的熵時(shí)。

鑒于自由能作為推理與學(xué)習(xí)的目標(biāo)函數(shù)，我們可預(yù)期：在不損害預(yù)測(cè)準(zhǔn)確性的前提下（參見上文公式2），Q 的熵將被最大化。這一點(diǎn)完全契合測(cè)量（即推理）與自組織的基本物理學(xué)原理——從杰恩斯（Jaynes）的最大熵原理，到通過最小化算法復(fù)雜性與描述長度實(shí)現(xiàn)的通用計(jì)算理論（Wallace 與 Dowe, 1999；Hutter, 2004；Sun 等, 2011；Ramstead 等, 2022）。

關(guān)鍵結(jié)論在于：為最小化此類泛函，只需調(diào)整先驗(yàn)信念分布，使其與后驗(yàn)分布相匹配即可。若此調(diào)整達(dá)到最優(yōu)，則剩余的模型復(fù)雜性完全源于后驗(yàn)分布自身的熵。而正如廣泛討論所指出的（Jaynes, 1957；Sajid 等, 2020），在生成模型所施加的約束條件下，最大化該熵是最優(yōu)策略。

此處需特別注意：可通過改變先驗(yàn)（即模型本身）——而這正是結(jié)構(gòu)學(xué)習(xí)（structure learning）的基礎(chǔ)，亦即作為可塑性的韌性之根基所在。

回到士兵退伍返鄉(xiāng)的例子：成癮涉及對(duì)特定狀態(tài)持有的高度精確（即剛性）——除其他問題外，當(dāng)對(duì)成癮物質(zhì)的需求無法被滿足時(shí)，會(huì)導(dǎo)致劇烈的痛苦。
若將這一先驗(yàn)偏好分布予以放松，使之匹配士兵返鄉(xiāng)后實(shí)際可及的更廣泛狀態(tài)范圍，則可將模型復(fù)雜性轉(zhuǎn)化為服務(wù)簡并性的資源——即以放棄剛性為代價(jià)，換取長期韌性。

4.4 斜率追逐與誤差攝取

在構(gòu)建起具備時(shí)間深度與層級(jí)嵌套結(jié)構(gòu)的生成模型架構(gòu)后，我們現(xiàn)在可重新審視：此類系統(tǒng)的最優(yōu)表現(xiàn)應(yīng)呈現(xiàn)為何種形態(tài)。在此，我們主張：當(dāng)主體主動(dòng)探尋具有信息價(jià)值的誤差斜率（interesting slopes of error），并傾向于積極尋求適度“意外”時(shí)，其表現(xiàn)達(dá)到最優(yōu)。從技術(shù)上講，這意味著最大化預(yù)期自由能中的認(rèn)知部分，即最大化預(yù)期信息增益。

盡管乍聽似悖論，但這表明：未來的意外事件反而具有吸引力——因其提供了消解不確定性的機(jī)會(huì)。這一點(diǎn)體現(xiàn)為常被討論的認(rèn)知性可供性（epistemic affordance），通常以顯著性（saliency，用于消解對(duì)潛在狀態(tài)的不確定性）或新奇性（novelty，用于消解對(duì)模型參數(shù)的不確定性）來刻畫（Schwartenbeck 等，2019）。隨著不確定性的消解，主體對(duì)世界狀態(tài)的信念精度——及其據(jù)此采取的行動(dòng)——亦隨之動(dòng)態(tài)調(diào)整。許多學(xué)者認(rèn)為，精度的動(dòng)力學(xué)變化正構(gòu)成了情感（affect）與情緒效價(jià)（emotional valence）的神經(jīng)計(jì)算基礎(chǔ)（Joffily 與 Coricelli, 2013；Smith 等, 2019；Hesp 等, 2021）。

情感效價(jià)在系統(tǒng)中充當(dāng)一種二階信息（second-order information），它調(diào)節(jié)我們的適應(yīng)性行為，使之對(duì)“誤差生成本身如何隨時(shí)間變化”保持敏感——具體而言，即對(duì)誤差生成與最小化過程之速度與加速度的預(yù)期偏差作出響應(yīng)。正因如此，具韌性的系統(tǒng)必須是斜率追逐者（slope chasers）：它們需持續(xù)搜尋最優(yōu)的誤差削減機(jī)會(huì)。我們或可稱此類最優(yōu)斜率為“可攝取誤差”（consumable errors）——即復(fù)雜度恰到好處的誤差，使主體能以良好速率學(xué)習(xí)。此處所謂“良好速率”，指系統(tǒng)既不被所遇情境壓垮，又能盡可能多地從環(huán)境中學(xué)習(xí)，從而在未來情境中表現(xiàn)更佳。

此類二階的、情感層面的動(dòng)力學(xué)，在使預(yù)測(cè)性主體維持一種亞穩(wěn)態(tài)平衡方面起著關(guān)鍵作用：使其既不困守于已知生態(tài)位，也不迷失于全然未知之中——即處于臨界邊緣（edge of criticality）——在此處，主體可優(yōu)化其學(xué)習(xí)速率與能動(dòng)性（empowerment），展現(xiàn)出恰如其分的韌性可塑性。

固然，系統(tǒng)通過“攝取誤差”以應(yīng)對(duì)劇烈波動(dòng)的沖擊；但總存在某一誤差閾值，超出系統(tǒng)可攝取的范圍。除前述“惡性自舉”所蘊(yùn)含的風(fēng)險(xiǎn)外，一個(gè)不爭的事實(shí)是：在不確定性環(huán)境中，生物體若一味退守至熟悉的穩(wěn)態(tài)（即安全）情境與刻板行為模式，便無法長久有效地管理誤差。實(shí)際上，某些事件將觸發(fā)意外事件的級(jí)聯(lián)爆發(fā)——即便是最規(guī)避風(fēng)險(xiǎn)的策略亦無法應(yīng)對(duì)。此類誤差的涌現(xiàn)，因其本質(zhì)上超出了主體模型的表征能力，故本身便不可預(yù)測(cè)。在此情形下，最佳策略是：成為一個(gè)能在高風(fēng)險(xiǎn)環(huán)境中蓬勃發(fā)展的系統(tǒng)——能迅速“攝取”迎面而來的誤差，并從中成長壯大。

5 結(jié)論

本文旨在借助主動(dòng)推理的工具，對(duì)“韌性”（resilience）這一概念進(jìn)行概念化與形式化。當(dāng)透過主動(dòng)推理與自由能最小化的視角審視韌性時(shí)，其關(guān)系性維度（relational aspect）便成為關(guān)鍵：這是因?yàn)樽杂赡鼙举|(zhì)上衡量的是主體與其生理、物理或文化生態(tài)位之間的“契合度”（goodness of fit）。而隱含于自由能最小化之中的存在性訴求（existential imperatives），僅能通過主體主動(dòng)參與（actively engages with）或與環(huán)境建立關(guān)系（relates to）的方式來定義。

我們對(duì)“韌性”進(jìn)行了概念分析，區(qū)分了該詞的三種含義：
(i)慣性（inertia），即抵抗變化的能力；
(ii)彈性（elasticity），即受擾動(dòng)后反彈復(fù)原的能力；
(iii)可塑性（plasticity），即靈活拓展假設(shè)與應(yīng)對(duì)策略集合的能力。

我們借助主動(dòng)推理框架，為上述每種含義提供了形式化解釋：

• 作為慣性的韌性映射為對(duì)關(guān)鍵變量所持有的高精度信念
• 作為彈性的韌性理解為系統(tǒng)最終回歸其特征性狀態(tài)的保障機(jī)制；
• 作為可塑性的韌性闡釋為支撐功能冗余結(jié)構(gòu)簡并性可學(xué)性（learnability）能力。

我們期望，上述工作能為韌性研究邁向形式化（即定量的、計(jì)算性的）奠定初步基礎(chǔ)。在后續(xù)研究中，我們計(jì)劃進(jìn)一步探究社群層面的韌性，尤其將圍繞“可持續(xù)性”（sustainability）這一核心概念展開深入探討。

原文鏈接：https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2022.1059117/full