算命一假說是什麼意思

解夢佬 2023年11月26日 03:15

全文共5960字，預計學習時長12分鐘

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，以致于無人可以預測未來。布萊士·帕斯卡爾（Blaise Pascal）曾說過：“我們在一個遼闊的區域內航行，四處漂流不定，從這頭被推到那頭。”沒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。我們構成穩定的社會關系，建造紀念碑使生命延續。我們能夠感知將要發生的事情并加以控制，這是我們當之無愧的能力。

人類誕生于紛繁復雜、千變萬化的進化過程，能夠具備上述能力真的是非常偉大。那麼，這種從不確定的未來中獲得確定感的能力，是怎樣發展出來的呢？

貝葉斯大腦假說（Bayesian brain hypothesis）認為，人類行為背后有著一種深層隱性結構，這一結構可以追溯到生命的本質。假說認為，從某種程度上來說，大腦除了預測并實現一個理想的未來外，一無是處。大腦符合生命系統的規則，總是在和自然環境為它們準備的“驚喜”苦戰。

圖自Unsplash/ Ramón Salinero攝

穩態重要性

穩態（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（Walter Bradford Cannon）在1926年根據拉丁文homeo（平等）和stasis（靜止）創造。穩態指維持生命系統內部的物理和化學過程，使得生命系統保持完整，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，穩態一詞是有誤導性的，其含義遠遠大于靜止不動。生命是有自主性的，不會滿足于維持當前的功能。假設選定兩個具有競爭性的有機體，其中一個滿足于當前的生命狀態，另一個則會不斷優化，以更好地適應未來的生活。那麼哪一個有機體有更大的幾率存活數億年呢？如今我們發現，生命總是在無聲無息地將自己推向遙遠的未來，這是因為生命已經在過去進化出一些特質，能夠激勵它不斷向未來進軍。

保持運轉，保持呼吸，不斷前進。

德爾菲的女祭司/John Collier繪

預測未來

人類千方百計地想要預測并改變未來。在古代，算命是牧師和薩滿才能掌握的復雜技藝。最著名的例子莫過于德爾菲神諭（Oracle of Delphi），數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，當時的人們想要減少這種不確定性，也無可厚非。

但是從現代科學的角度來看，我們已經意識到在恍恍惚惚的狀態下，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，即基于當前對世界的認識，盡可能地對未來作出預測。比如，基于我今天對世界的觀察，預測明天將會發生什麼，并思考我應該怎樣指導自己的行為，使得結果更加有利于生存。

貝葉斯定理

當今備受尊崇的托馬斯·貝葉斯（Thomas Bayes）在18世紀提出了這個簡潔、不起眼的定理。這一定理在他在世時并未發表，但之后卻在各個領域發揮出巨大的作用。貝葉斯定理真的非常簡單，但這并不妨礙它成為當代認知科學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發生的情況下A發生的可能性P(A|B)等于，在A發生的情況下B發生的可能性P(B|A)乘以A發生的可能性P(A)，再除以B發生的可能性P(B)。

貝葉斯定理使得我們能夠根據已知的相關事件發生的概率推算出某件事情發生的概率。

讀者可能已經猜到為什麼貝葉斯定理在預測未來時那麼有用了。

貝葉斯定理最常應用于天氣預測。天氣永遠充滿不確定性，體現了大自然的殘酷。

圖自Unsplash/Elliott Engelmann攝

假設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，你非常口渴。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。

那麼這一片云帶來降雨、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，那麼是否從這天開始的時候天空中就有云呢？假設沙漠中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

那麼在看到云之后，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果。

假正

貝葉斯定理可以幫助我們糾正假正（false positives），比如當我們假設一件事情能給一個結果提供有用信息時，而這個結果本身不太可能出現，就容易出現誤報。與誤報相關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）。

假設某種癌癥的患病率為0.1%。你的醫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。你的檢測結果為陽性。知道結果的一瞬間，你真的非常害怕。因為你認為這一結果表明你患上癌癥的概率為90%。

不，其實并不是這樣的。應用貝葉斯定理，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%

檢測結果為假正的概率是結果為陽性、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，對于任何有興趣預測未來的人來說，對即將發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果）對預測另一件事情（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，為什麼大腦的運作過程體現了貝葉斯定理。

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”的結論嗎？

只要是個正常人，恐怕都不會得出這一結論。因為根據觀察到的形狀得出觀察到了一只獨角獸的結論的概率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。而后者在現存宇宙中為0。

世界的內部模型

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“世界是什麼”的內部模型，來了解“世界可能成為什麼”。

大腦需要能夠在接受世界狀態的最新信息，如最新樣本后，更新世界的內部模型。假設你在日常通勤路上經常見到獨角獸。那麼在多久之后你會開始懷疑“沒有獨角獸”這一假設的正確性？或者假設在做癌癥檢測時，50個得到陽性結果的人當中，有20個真的得了癌癥。你是否還會相信上文得出的預測，即只有9.17%的陽性結果表明患者真的得了癌癥？

采用統計最優的方法，基于最新信息更新內部模型的概率分布，這就是貝葉斯推理（Bayesian Inference）。

我們通常可以在行為實驗中，或關聯各個感官輸入時，觀察到大腦的這種推理。比如，研究表明，在巴甫洛夫的相關刺激實驗中，不同刺激之間的互信息是最優的。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反應或發射率，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。

結果顯示，大腦的預測方式是可以預測的。

貝葉斯大腦假說

現在我們已經準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生的事情進行模擬。Karl Friston認為：

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）狀態之間隨意的關系（聯結）建模。在這之后，神經元聯結便會對生成感覺信息的隨意聯結進行編碼（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：大腦中的世界內部模型認為，大腦模型中的進程在物理世界中進行。為了成功地預測未來，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：即在某種程度上，大腦是最優的，因為人類需要預測自然何時會受到影響。

上文提到，在分類知覺的內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水平。這也就意味著，大腦在推斷世界的未來（隱性）狀態時，會盡可能多地考慮所有可獲得的信息和所有概率約束。

對于所優化的量，有很多種命名。但是和大部分深奧、統一的理論一樣，結果表明，對不同事物從不同角度進行優化，最后得到的量都是相同的。有一種方法就是把它看作證據，在信息理論中，這就相當于最大化感知數據和世界內部模型的互信息。

自由能

自由意志熱力學一文對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化一個模型的證據或邊緣似然，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，如大腦的行為中，使得系統能夠在世界中執行動作。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期待來主動改變未來。

Karl Friston認為，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，大部分機器學習都會結合最小自由能”。

這使得我們又想到了上文提到過的達馬西奧對穩態的批判：

生命系統并不是靜態的，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熵的一種度量，這就把最小化自由能與熵聯系了起來。Friston認為，這有著影響深遠的物理結果：

這意味著，貝葉斯大腦在最大化證據的同時，也在暗中最小化熵。換句話說，貝葉斯大腦與熱力學第二定律相違背，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于基本范圍的理論。它將大腦的行為與穩態重要性聯系了起來，與在一個情愿消散的世界中掙扎求生的生命聯系了起來。

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。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。

貝葉斯推理發生在多個認知層面，從動作控制到注意力和工作記憶。每一個認知任務都會根據貝葉斯推理得出自己的預測、自己的內部模型以及獨一無二的時間表。

預測性編碼（Predictive Coding）是嘗試理解大腦貝葉斯推理行為的理論中較有前景的一個。預測性編碼就是做了貝葉斯大腦應該做的事情。其算法通過改變預測的參數來最小化意外，以防今后需要再次應對同樣的情況，從而做好應對未來的準備。研究已經發現了支持該理論的證據，如詞匯預測實驗中的N400效應（詳見：https://www.nature.com/articles/nn1504）。

認知科學認為，大腦并不僅僅是一個消極接受外界信息并對其做出回應的檢測器。事實上，大腦采用自上而下的模式，對世界是什麼樣的，以及世界將會是什麼樣的作出假設，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據的方法進行塑造，如上文獨角獸的例子）。研究人員因此已經采取了一個很棒的現實概念，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典的一個例子：如果先朗讀了“kick”一詞，那麼之后會把“pick”誤聽成“kick”。

幻覺現實用可預見的方式給了我們一種決定性的進化優勢，滿足了我們想要從混亂復雜的世界中找到結構的迫切需要。

科學家們仍然在激昂地爭論這一理論的有效性，以及大腦實際上是如何在功能水平上應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。但是本文認為，根據這一理論的合理性和我們目前所有的證據，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。