此页面由机器翻译成中文。 查看英文原版。

物理导向的学习者和研究人员探索自由能量原理的物理基础。

物理课程

一个将物理、热力学和主动推断的理论基础联系起来的课程。

该项目已存档。它不再活跃,下面的参与提示描述了它以前的操作方式。

最佳下一步行动

物理课程路径

从本页最高信号的公开链接开始,然后继续浏览相关资源和目录视图。

课程安排

课程表

六次录制的讲座 session 包含实时讨论,2023 年 5 月 – 10 月。每个链接到视频,并且如果有可用,包含完整的转录。

{18 May 2023}

讲座 1

Session 1 (18 May)回顾了课程框架背后的历史:玻尔兹曼关于熵与能量的关系,图灵和丘奇的计算模型,香农的信息论,阿什比等人所谓的“黑匣子”方法,佩尔对马尔可夫毯的定义,贝肯斯坦黑洞的面积定律,图特霍夫和索斯金德提出的全息原理表述,计算中对象、接口和虚拟机器的想法,一直到弗里松2010年和2013年的论文引入了主动推理。该会议的目标是确立马尔可夫毯作为通信接口的概念。建议的准备:复习熵、图灵-丘奇定理、信息论和马尔可夫毯的相关维基百科文章;格雷姆·图特霍夫的《量子引力中的维度减少》(全息原理的第一个陈述)论文;卡尔·弗里松的《自由能原则:统一的大脑理论?》和《生命我们所知的形式》,这两篇主动推理的关键参考文献。

2023年6月15日

讲座2

第二 sessions (6月15日) 询问为什么需要量子物理学来理解主动推理。答案是信息的离散性和所有物理测量的必然有限分辨率自然导致了交互的离散本征值表示——即量子理论。该 session 展示了如何将全息原理推广到量子理论,展示了全息屏幕作为马尔可夫毯子的功能,以及如何将所有分离(非纠缠)系统的物理相互作用视为通信。这回答了“自由能原则适用于什么?”的问题,答案是“一切可测量的”。推荐准备:关于纠缠和分离(非纠缠)状态的维基百科文章;Fields, Glazebrook 和 Marciano 的《全息原理的物理意义》一书的第一部分;以及 Friston 的《自由能原则在特定物理学中的讨论》,该文从经典视角探讨了FEP的一般性。

2023年7月13日

第3讲

第三sessions(2013年7月13日)介绍了量子参考框架(QRFs)及其使用层次二进制分类器的表示方式。这些正式结构为测量提供了一种语义,并因此为交互代理的意义理论提供了基础。QRF的语言特别简洁明了地定义了变分自由能,从而允许一个完全通用的量子形式的自由能原则。该session展示了FEP是单位性原理的经典极限,单位性原理是量子理论的基本原理。推荐准备:3.2和3.3节“广义化的全息原理的物理意义”;Fields等人,“一般量子系统的自由能原则”;以及在生物联系方面,Fields和Levin的“生命系统如何创造意义?”和Fields、Glazebrook和Levin的“最低限度的物质主义作为认知和意识的尺度自由基础。

2023年8月10日

讲座4

第四次会话(8月10日)介绍了拓扑场论——一种不需要背景时空的场论。这些工具提供了一种自然的方式来用费曼路径表示序列测量,即认为测量是在“设想系统可能如何演化”的每一种方式中进行探查。它们允许对多代理通信进行全面描述,使代理可以使用经典和量子通信通道。该会话专注于如何思考复合代理,例如多细胞生物及其神经系统。推荐准备:《广义原理的物理意义》一书第3.4节,或详尽版本《序列测量、TQFTs与TQNNs》。

2023年9月14日

讲座5

第五次 session (2014年9月) 引入了 时空 是一种错误校正码,具有足够计算资源的 生物(或其他观察者) 使用它来组织他们的经验 的想法。 这使得时空 对观察者来说是相对的,并提出了 观察者需要什么样的 计算资源 才能“看到” 时空 的问题。 它还展示了 自由能原理 与 仍然开放的问题——如何制定一个可接受的量子引力理论 ——有着密切联系。 推荐准备:约翰·惠勒的经典 “无法之法”,以及亚历克西·格林班姆的“设备独立的方法改变了物理理论的意义”。

2023年10月12日

讲座6

第六次 session(2021年10月12日)回到生物学,总结了课程框架的应用,并指出了未来的方向和开放性问题。建议的准备:Fields等人,“自由能原则诱导神经形态发展”,“主动推理系统中的控制流”。

物理课程是一个研究所教育项目,开发关于主动推断和自由能量原则物理基础的课程材料——涵盖热力学、信息论以及生物自我组织的物理学。

概述

《物理学课程从物理视角探讨了Active Inference,涵盖了热力学、信息论和统计 mechanics如何支撑自由能原则。它发展了这些基础与生物和认知系统之间的联系材料。最初的课程系列《物理学作为信息处理》在2023年推出,并由物理学家Chris Fields共同开发。

课程描述

物理学作为信息处理”是一门由物理学家克里斯·菲尔茨教授的六节课程,阿德纳·阿古雷担任助教,在2023年由Active Inference Institute主办。它向参与者介绍了将物理互动视为通信的方式,并因此将其视为通信代理来思考物理系统。展示了自由能原则和主动推理的概念适用于所有物理系统,无论尺度如何,只要条件统计独立或可分性受到约束。探讨了这些约束、其实现及其极限。该课程介绍了量子信息理论的正式方法,并展示了它们与经典信息理论的关系,用作思考工具而非计算工具。无需编程。每月有一个实时演示和一个实时讨论会,还有异步问答和讨论;所有会议均已录制并可异步访问。

关键表面

一瞥物理课程

問答

参与者问答

从课程中的实时讨论 session 和异步 Q&A 中收集的 30 个问题和回答。

什么是信息?

信息的概念在理论中扮演着越来越重要的角色,它成为了一个更基础的起点,因此成为一个没有明确定义的术语。人们可以说一比特是对一个是否问题的回答,但这实际上是循环的:现在必须说“一”和“问题”的含义是什么。“不确定性”同样是没有明确定义的——确定性和不确定性本质上是我们所体验的感觉,而不是我们可以从其他东西中推导出来的概念。

时间是什么?

好问题。接下来的两节可能会解答这个问题。我们可以在七月进一步讨论。

如何测量心灵感应信号?

你是指,你会如何测量如此(假设的)信号的效果从而获得其存在的证据,还是说你会用其他非人类探测器来测量该信号本身?

{title} 在何种方式/模型中马尔可夫_blanket 是物理的/或信息的?这是课程的标题,信息论和物理学是如何相似和不同的?

Markov blankets (MBs)被定义为经典、因果过程,可以表示为有向无环图(DAG),因此在状态之间由单向箭头连接的图中,没有循环,意味着没有循环(或逆时间)因果。在这种设置下,围绕某个状态(或一组状态)X的MB是发送到X的状态集(“X的父节点”),加上接收来自X的状态集(“X的孩子节点”),再加上任何X的孩子节点的父节点。因此,所有对和从X传递的信息都经过MB状态。由于MB是一个状态集合,它是物理性的。由于它有效地编码了X从外部世界接收到的所有信息并发送给外部世界的所有信息,它是信息性的。在本课程结束时,您将在六月的讨论中看到一个全息屏幕如何作为MB工作,尽管它的定义不同。希望您的第二个问题到那时能得到解答。

什么是黑洞由什么组成的?例如,光子、元素周期表中的元素等会赋予它质量吗?它是如何从一颗星(例如铁和其他元素)中形成的?

黑洞(BHs)是经典广义相对论(GR)的预测。在GR中,质量就是时空中的曲率,因此可以看作是一种张力。一个黑洞是在这种曲率如此之大以至于光线无法逃脱的空间时空中的一块区域。如果时空是一维的,它看起来就像这张图片,我从数学栈exchange得到的。x和y轴是时空,z轴是能量的形式,即引力势能。任何落入黑洞的事物都会增加黑洞的质量,从而使其曲率增大。标准天文学模型认为,当非常巨大的恒星耗尽燃料、停止辐射并由于自身的重力坍缩时,就会形成黑洞。此外,还有早期宇宙中存在不均匀性导致黑洞形成的理论。这两种想法都是经典性的。从观测上看,这些黑洞在许多星系的中心存在,包括我们自己的银河系。这些黑洞非常巨大,例如整个太阳系大小,因此质量比太阳大得多。关于这类物体的研究文献极其丰富——从维基百科页面开始,并跟随链接。

大约在12分钟时有人说,对数在那里是因为状态的数量巨大。我只是想评论一下,对数的存在是由于组合允许以适当的方式结合不同系统的熵,如果没有log(ab)=log(a)+log(b)这个性质,这是不会工作的。

是 - 日志使熵加性,因此更容易思考。

为了保持其马尔可夫毯子在时间上的一致性,一个系统必须能够限制其可能的未来状态集……朝向“好”的状态前进,在那里它能保持在一起,避开“坏”的状态,在那里它会分崩离析。这基本上意味着它必须限制自身的熵,或者以某种方式抵抗熵。是什么允许系统做到这一点?达尔文的适应度?这种物理上可测量吗?

薛定谔在《什么是生命》(1944)一书中提出了“抵制熵增”的想法。“保持在一起”作为一个可识别的“东西”,需要能量。相对简单、坚固的东西,如晶体,只需化学结合能就能抵抗分解。相对复杂、柔软的东西,如细胞或生物体,则必须使用代谢能来控制化学反应。没有储存在化学键中的能量会以热的形式返回环境,或者通过定义dQ = dS/T作为熵的形式释放出去。因此它们被称为“耗散系统”,即消耗熵的系统。这个想法是自组织理论的基础。可以将所有生物学视为对自组织系统的研究。达尔文的适应度从技术上讲是指一个基因型或表现型(取决于形式)在下一代中出现的概率,这至少依赖于成功地消散了足够的熵才能繁殖。

试图 figuring out 如何 在系统中 添加 一个 动作 单位 对 它 的 可能 状态 数 进行 求变。 根据 Entropy=(玻尔兹曼 常数)*ln(Ω) 其 中 Ω 是 状态 数, 我们 可以 得到 Ω=e^(S/ħ). 从这里 我们 应该 走向 哪里? 是否 应该 使用 戴维南 旋转 来 尝试 替换 玻尔兹曼 常数 为 光子 常数? 那会 是 如何 的 样子?

在有限时间内添加行动 = 有限能量不会增加可能状态的数量(即不会改变状态空间),它只是改变了状态占据的概率分布。当我们添加能量时,更具有能态的状态被占用的可能性更高。添加或减少可能状态(改变状态空间)通常涉及添加或减少物质,因此粒子自由度的变化。这是黑洞的一个极限情况 - 添加物质,甚至是光子的形式的能量,是增加曲率,这使得光线无法逃脱的范围变大。这会增加边界(即黑洞与外界世界之间的界限)上的状态(即熵)。

对系统进行观测我们必须向其添加能量以降低其熵。但似乎增加能量也可以增加熵。是什么使得区别?是视角的问题?

是的,这将是七月 session 的主要主题。一个行为是“信息性的”还是“噪音”,取决于观察者是谁以及他们如何观察。想象一下在 LHC 中碰撞一个质子和一个反质子。如果我使用一个复杂的探测器来测量出射粒子的动量、电荷和自旋,我会得到很多信息来检验标准模型。但如果我只是用一个热释光计来测量,我只得到热量,从我的角度看,我只是增加了系统的熵。这回到了玻尔兹曼的见解,即熵是我在使用某种测量方法时无法区分的状态的数量。

绕系旋转是否告诉我们物质和能量某种意义上以我们的3维空间‘90度’垂直存在?在‘想象的’或‘复数’空间?

时间在我们空间的三个维度上是垂直的,物质和能量(以及我们自己)存在于时间中。Wick 指出了我们如何测量时间与我们如何确定某物通过时间保持其身份(即“同一事物”)之间的密切关系,也就是通过时间不变。要通过钟表来计时,我必须确保我在看的是同一个钟,设置得一样等等。我们会在这七月和八月讨论这个问题。

Dr. Fields,当你描述玻尔兹曼熵论作为我们不确定性的度量时,这是否意味着存在一个感到不确定的主体?换句话说,这个定义从一开始就具有视角性(这可能是量子理论中的观察者暗示)?还是有一种普遍的不确定性弥漫在空气中?如果是前者,我们真的能谈论“黑洞C的熵”而不是“评估黑洞C的主体Z”的熵吗?在香农理论中,最初是接收者不确定发送者的下个消息。在FEP中,系统A的感觉状态的熵可以最小化,但系统A的信念熵可以最大化——这是从系统A的角度来看。谁或什么对黑洞的熵感到不确定,甚至对一个房间中的气体的熵感到不确定?这种主体的状态如何影响熵的测量?光子在光速移动时是否能感到不确定?宇宙?一台相机?那么观察者的必要条件是什么?

是的。在经典物理学中,熵被认为是客观的 = 观察者独立的,因为在本质上一切都是被看作客观的——只有伽利略和然后爱因斯坦的相对论观念来考虑这些。但一开始就取决于所进行的测量以及观察者事先知道什么(从贝叶斯的角度来看,观察者的先验是什么)。每次测量都使用了一个通信通道,正如香农认识到的一样。我们可以把通道的状态看作是马尔可夫毯子或边界,就像FEP所做的那样——观察者总是处于这一通道的这一侧,而被观察的系统(黑洞、理想气体等)则在另一侧。如果观察者要获取信息并因此改变她的不确定性,她必须有一个可以访问的记忆。这是光子做不到的——一个光子能够为我编码记忆,但它不能为自己编码记忆。

当熵被描述为一种不确定性类型时,(1) 如果我错了,它似乎是在谈论一个系统在你开始改变其热力学性质之前所能获取的最大信息量的阈值。显然,像镜头上的污点这样的不确定来源与观察系统的热力学无关。(2) 在这种阈值上进行观测的是什么类型的观测?例如,当布朗运动被发现时,小颗粒在液体中晃动;(3) 这些颗粒的晃动似乎传达了一些关于流体微扰动的信息,这些信息需要平衡信息增益与某种热力学性质的变化吗?看起来这种晃动对颗粒来说没有明显的结束时间,持续显示信息,并且没有明确的能量自由度来利用。我的猜测是,这并不算是信息,尽管它排除了在观察时刻不会推动颗粒朝向观测方向的某些微观状态,从而减少了不确定性;(4) 这是因为信息没有预测能力?我在哪里遗漏了这些?

因为它和液体都嵌入在有限温度的环境中,并且可以与该环境进行热力学交换,所以花粉一直在跳舞。如果整个事务都被冻结到绝对零度,它就会停止。我们能看到这种舞蹈是因为系统被光(即能量)沐浴着,其中有些会被反射回我们这里。这是一个展示观察需要热力学交换的例子,也是为什么经典的想法“被动观察”实际上并不合理的原因。为了获取关于花粉的信息,我们需要在时间上进行观察(例如使用视频相机),并花费能量将结果写入记忆(例如视频相机中的内存芯片,需要直流电)。这展示了我们作为观察者也需要开放进行热力学交换,就像我们的实验室设备一样。在演讲中,我简化了这一点,只考虑系统及其环境(在这种情况下包括我们、我们的设备等)。在八月或九月我们将得到一个明确的图景,即具有多个组件(例如我们、设备和剩余的环境)并进行经典信息交换的系统。无论细节水平如何,获取和记录信息都需要热力学交换。

沃尔回应时说没有法律是什么意思?

哲学家和物理史学家们在争论这个问题;最近的一个例子是。我的观点是他指出,‘经典现实’以及‘物理学定律’所描述的都是相对于观察者的相对的。值得一读的是Wheeler的文章,可以在网上找到

在香农和韦弗模型中,界面等同于通道吗?它是马尔可夫屏蔽吗?我们不知道谁工作在通道上是大问题吗?

界面/MB 确实是通道。我不太明白‘谁在使用这个通道’的意思——Alice 和 Bob 在上面写和读,就像我们在这个问题页面和互联网这样的通道上一样。

我注意到这种关系并想听听你的看法。基本上是说 hbar = 1/(Kb*T),注意温度可以写为 dE/dS,而 dS 可以重写为 dS = Kb*ln(Ω),使得右侧变为 1/Kb*(dE/d(Kb*ln(Ω))) 我们可以提取常数并消去它们,最终剩下 1/dE/d(ln(Ω)) 我们可以把这改写为 d(ln(Ω))/dE = it/hbar。量子力学中时间因子 it 的关联与能量对自然对数状态变化的比值(d(ln(Ω))/dE)相联系,暗示了量子系统(通常被认为是无时或孤立时可逆的)也可能通过状态数量的变化来理解,这可能揭示了量子力学和热力学时间箭头之间的一种潜在深层联系。我的解读是否正确?我只是看了第一讲,并且忍不住注意到这一点。我希望能通过电子邮件或其他方式进一步讨论这些话题。

观察不错。QT与时间的关系是一个活跃的研究领域——Rovelli的论文arxiv:1812.03578和2010.05734是很好的入门点。在这个关系中,一个关键问题是观测者相对论上的熵或信息。从这个角度看,dS/dE可以被解读为观察者向/从(边界上信息是对称的)传递信息的信息流的变化,随着用于获取信息的能量增加/减少。将观测者的内部时钟(时间参照系)视为一个比特计数器,这耦合了观测者相对的信息流到观测者相对的时间。

局部自由选择」意味着我们不能总是完美预测下一步会发生什么,我们的行动基于不确定性?

本地”在这里意味着“在某个边界上”。QT是一种全局确定性理论,即任何孤立系统都会演化为单位制。孤立系统按定义是不可观测的;它们是用来让理论起步的抽象概念。如果我们想象一个观察者(爱丽丝)和“其他一切”(非爱丽丝),那么由这两个组成的整体按定义是孤立的。爱丽丝不会观察这个整体;她会观察非爱丽丝(通常称为鲍勃)。想象爱丽丝和鲍勃之间的边界就像幻灯片16中的一个量子位数组。爱丽丝和鲍勃通过准备和测量这些量子位来相互作用。我们可以把量子位想象成自旋,而准备和测量则相当于使用z自旋算子s_z。z轴是“上/下”的方向。局部自由选择是指爱丽丝和鲍勃各自完全独立于对方自由地选择自己的z轴方向。如果他们没有这种自由,那么它们就会纠缠。我们将在7月的会议上讨论更多内容。

Dr. Fields. 当我们谈到熵与概率的关系时,您实际上指的是哪种概率版本(以塞恩·卡罗尔的术语来说)。一种版本是50%的正面或负面结果意味着——你抛硬币1000次,大约得到500次正面结果——这是基于经验。另一种版本是对信念的信心,例如罗马明天有50%的降雨概率——在这种情况下没有人会实际进行1000次实验。本质上来说,第二种概率是推断性的。所以当我们说熵是一个观察者的不确定性度量时,您展示了一个关于LHC中质子和反质子碰撞并使用颜色计数器与复杂探测器测量的例子,这是关于我们如何测量的问题。但如果我们在讨论推断性概率——信念或未来测量/答案/信息的确定性的度量,那么我们是否不是在谈论代理生成模型的质量?未训练的Chat-GPT对一个医疗问题的回答时具有较高的熵值。而如果Chat-GPT获得了PubMed.gov上所有论文的完全访问权限,则会对医疗问题具有较低的熵值。此外,为了使Chat-GPT能够灵活适应Pubmed中发布的新的数据,它是否需要拥有信念(广义分布)的高熵值——以便在新数据(意外情况)到来时以相对较高的信心更新模型,并且这种新数据与先验假设相矛盾?」请对此推断性的“不确定性”方面发表评论。

好问题,指向了一个有着悠久历史的活跃领域,至少可以追溯到拉普拉斯。 “经验主义”或“频率主义”的概率观念通常也被视为是“客观”的,即与观察者无关。 “推断主义”或“贝叶斯”的(见)概率观念则是“主观”的或与观察者相关。这种后者的观点很好地适用于基于观测者相对概念的量子状态和操作;参见克里斯·福瑟 arxiv:1003.5209 或大卫·梅伦 arxiv:1809.01639,他们提供了这个辩论的良好介绍(两者都在贝叶斯的一方)。我总是关注这些基于观测者相对读数的熵、信息、测量或行动。它们依赖于观察者如何与世界互动,即他们可用的参考框架以及他们如何使用它们。你正确地称这是代理生成模型的质量。Chat-GPT是一个很好的例子。七月的课程将聚焦于用于行动和进行测量的参考框架的问题,以及这些框架如何也决定了可以存储在记忆中并稍后访问的数据。

Dr. Fields,如果我们将普朗克方程与能量与频率成正比的关系考虑在内,并且考虑到能量与熵之间的关系,那么可以说,当其他条件不变时,增加频率会导致更高的熵吗?如果我们把这个应用到人类大脑 – EEG 测量。深睡是低频,而清醒则是高频 – γ波。那些实际上测量了EEG 熵(ApEn、SpEn等)的人观察到,在我们醒来甚至当我们只是睁开眼睛并且已经处于清醒状态时,熵都在增加。仅仅是频率吗?还是频率的变化呢?可以说,随着更高的频率/能量,通常会有更多的噪音和可变性,从而导致更大的不确定性?

这是关于EEG中的熵度量的一个很好的连接-感谢提到这一点。正如在之前问题的上下文中讨论的一样,熵及其因而的不确定性都是观察者相对的概念。“谁的不确定性?”总是会提出这个问题。如果爱丽丝正在测量EEG信号,那么变量信号比常量信号占据更多的频率状态,因此对于爱丽丝来说具有更高的熵。这与信号频率告诉爱丽丝关于系统能量和因此熵(dE = TdS)的信息无关。爱丽丝是否将信号中的变化视为“噪声”还是视为信息取决于她的测量能力和先验知识——如果她预期一个常量信号但测量到一个变量信号,且这种变化具有如高斯结构等良好的特性,那么她可能会认为这种变化是围绕她预期的常量值的“噪声”。但如果她预期会有变化——例如她在信号中寻找相位编码的消息——那么变化就不再是噪声,而是她所追求的内容。

如何将散射矩阵(量子)与马尔可夫屏蔽中的过渡矩阵(经典)联系起来?

好问题,提到了两种理论之间的区别以及它们的应用方式。MB在因果(定向)网络中定义。可以在这样的网络中的任何地方画一个闭合边界,并将MB定义为穿过该边界的节点状态及其未被计数但有指向这些节点状态的箭头的状态。因此,如果你选择一个节点,你可以围绕这个节点定义一系列越来越大、包含所有较小MB所包含状态的MB序列。在极限情况下,你会到达整个网络的边界,在那里没有更多的节点,过程就会停止。S矩阵采取了完全相反的方法,从一些“散射中心”处的理想化“自由粒子”状态开始,这些状态分别在空间和时间上延伸到正无穷和负无穷。S矩阵就是这个操作:|in> → |out>。这种表述方式假设“没有人观察”在实际互动期间发生的事情,这比代表初始状态准备和最终状态测量的非表示过程要快得多。经典图景中的明确因果网络被替换为“一切未被明确禁止都是必要的”(M. Gell-Mann from T. H. White)的标准表示形式是越来越复杂的费曼图层次结构。另一个关键的区别在于单位性以及由此导致的空间时间可逆性:所有的费曼图也适用于箭头反转的情况。

Markov 边界具有对称的输入/输出带宽吗?

如果‘带宽’定义为计数 incoming 和 outgoing 箭头,答案是否定的——节点可以有高 fan-in 和低 fan-out 或者相反。更微妙的度量标准,例如传递熵( )也可以被定义。最一般的方式来提出这个问题就是在能量守恒的术语下进行,只要内部 MB 没有源或汇点,答案就是肯定的。一个源或汇点本质上是一个奇点——一个节点在能量上以阶跃函数变化——因此可以要求因果网络中没有奇点。这是量子理论更加直接的地方——定义上的信息对称边界。两个边界的代理是否能够在任何有趣的方式使用边界的信息取决于它们的计算能力,因此通常不是对称的。

全息原理是否使得解决已知的物理问题变得更加容易?

HP是关于有限系统之间相互作用的本征值不仅有有限的本征值,而且有可编码的有限本征值。定量上,它为边界关联的熵设定了上限,S <= A/4,A以普朗克单位表示的面积,只有(定义上)对于黑洞才相等。因此HP只对黑洞给出一个数字,例如让你通过R = 2M来给质量关联一个熵。HP也是AdS/CFT等全息双生子的基础,这实际上允许你在进行计算时改变基础。AdS/CFT的应用文献非常庞大。

第一讲引言:‘FEP告诉我们,所有系统都是在不停地进行科学研究的代理人’。这让我想起了与约翰·坎贝尔的一次讨论,他说:‘科学本质上就是自然一直使用的生成和维持存在的方法,通过获取知识’(即Active Inference)。由此产生两个问题:1- 科学是否是一种生成和维持存在的方法,表现为科学理论和技术?2- 我们能否将科学视为一种旨在确保我们集体与外部环境同步的社会文化实践?3- 如果是这样,并且如果我们将其与其他世界中的集体同步策略进行比较,那么科学企业带来的环境成本是否意味着它不是最有效的同步策略?

在你引用的内容中,我用“科学”这个词非常广泛地使用,基本上作为主动推理的同义词:科学(在这种用法下)是“探求世界以获取新信息的实践”。我怀疑你在引用John C. 时他使用的“科学”一词是在区分它与其他与世界互动策略的意义上使用的,正如你在我问题3中所做的一样。在我的广泛使用下,所有同步策略都是主动推理的不同实现或实施方式,因此它们都是“科学”。从主动推理的角度来看,一个有效的程序是能够用最少的能量构建具有良好预测能力的GM的一种程序。这个策略的一部分可能涉及塑造环境使其看起来更可预测。但这种策略显然可以陷入短期看来更可预测但实际上在长期看来更不可预测的状态。

Dr. Fields,我能否问一个问题关于如何从通信中得出时间?你与同事的一篇论文中的引述:“如§3.3所述,顺序测量的概念以及因此而来的可记录时间的概念,仅对能够将数据不可逆地写入经典记忆的观察者而言才是物理上有意义的。将数据写入存储区Y的动作定义了特定于A的时间量QRF tA,如图5所示。tA的基本单位是一次写入一个比特所需的时间……。”这是一个时间间隔的描述。然而,点同步(巧合)的概念是否对于这个定义是必要的?如果是的话,那么这种看似新的时间定义已经依赖于某种经典时间概念——即最基本的时间测量概念——即点同步。例如,一次写入一个比特所需的时间实际上意味着从编码者开始写1个比特时起,到它停止时止的过程。谁或什么能够确切知道这样的巧合何时发生?在你的框架中,什么是同步或巧合的定义?它是主观独立的还是纯粹主观的?是否需要一个元观察者来判断何时的确建立了同步——即启动和停止局部秒表?对于人类婴儿来说,母亲的一次触觉可能被定义为一种主观上的时间与空间完全一致的现象(A. Fotopoulou的思想)。那么病毒、石头、猩猩、恒星呢?直到点同步被独立形式化之前,我们真的能够准确测量写入一个比特或所有数据所需的时间间隔吗?

我认为你在这里指出了QRF定义的本体论性质。我只能告诉我外部时钟在走,因为我有一个内部时间QRF,所以我使用一个外部时钟,即使是阿秒分辨率的光钟,也依赖于我的内部QRF。没有什么我可以用来测量我的内部敲击(例如EEG或神经记录)的东西是不逻辑和物理上依赖于那个我试图测量的内部时钟的。还有一个更广泛的问题:没有任何系统能够逆向工程自己。A可以与B分离只有当dim(A),dim(B) >> dim(H_AB),即A-B边界的希尔伯特空间维度。但dim(H_AB)是A能写入记忆的信息上限。所以A只能将自己粗略地记录为一个模型到记忆中。这个模型将会是从与B的相互作用中推断出来的,(因为H_AB提供了所有进入数据的来源),而且就像我对自己内部过程的模型一样,它是对A认为类似于自己的系统进行观察的结果。

我不清楚理解光敏色素作用计算背后的推理,或者为什么普朗克常数会是任何过程的最小作用量

普朗克常数是(在当前理论中)定义上的最小作用量。它有能量×时间的单位,这是互补的,因此不能同时测量。但如果你分别对一些过程测量能量和时间,并且进行多次重复以计算平均值,你可以计算出一个平均的作用量。这就是我为视紫质所做的,假设了一个(ln2k_B T)的能量而不是直接测量它。实际上,视紫质响应的可见光能量接近这个数值。反应时间来自测量数据。因此我可以计算作用量并与hbar的数值进行比较。普朗克单位下的普朗克常数值为1;秒、焦耳、米等数值是从这些规定的值推导出来的——见。

Dr. Fields,如果回到Alice向Bob提问的情境中,那么Alice的本地时间似乎是所选择的语言来与Bob沟通的结果吗?比如说,Alice是人类。说“上或下”需要2秒,但通过触觉接触只需要1秒,而非语言交流通过面部表情则只需30毫秒。所有这些都会被Bob感知,他能够理解三种语言。在体内有电的、化学的以及其他形式的沟通。那么,在时间问题上如何解决Babylon难题?你的模型是否假设Alice只能使用一种特定的语言来与Bob交谈(将记忆编码到全息屏幕上)?如果不是的话,那么Alice的时间就是她所选择的语言的结果。你认为你的模型中的时间和牛顿的普遍时间或爱因斯坦相对论中的系统N以速度V移动时的时间相同吗?

是的,不同组件有不同的时间尺度,不同的成分也有不同的时间尺度——例如,即使是不同的分子也具有功能相关配置变化的不同特征时间。这确实是一项复杂的工作!复杂的生物体甚至单个细胞都有许多不同的交互模式和不同的时间尺度以及不同的实施隔室。我们可以分析到实现单一QRF的隔室,从而只有一种“语言”。我们将在七月讨论一般情况,在那之后你可能会想提出这个问题的一个扩展。

Dr. Fields,一个相关的问题 – 人类能否将所有信息定量减少为比特,还是说绝对有必要进行定性区分?比如,Alice既感到饥饿又感到口渴– 在她的身体中,这两个消息的强度可能相同,但它们是定性的不同(M. Solms)。来自内脏向垂体传递这些消息时必须有区分。10倍X和10倍Y绝对不是一回事。它们必须是类别不同的变量,因为食物无法满足口渴。中间脑决策三角形将优先考虑口渴超过饥饿,如果强度相同。说所有通信都可以减少为比特而不涉及任何类别,这个模型是否可行?

你正确,一个忽略语义的模型是不可行的。系统必须跟踪QRF结果的产生。这需要(实际上)由一些“元”组件使用自己的参照框架来看待一组结果的一种标注方案。因此,有趣的系统具有层次化的处理方式,其中每一层都在自己输入的基础上进行主动推理。我们将在七月深入探讨这一点。

Dr. Fields,关于接收者鲍勃,当爱丽丝写了一封问题给鲍勃,而且鲍勃有阅读障碍,他检索它会比爱丽丝编码它花费更长的时间,即使他们使用相同的语言时时间也是不对称的。假设进一步,爱丽丝继续在有限容量的全息屏幕上写作,而鲍勃则从屏幕上阅读。那么到了某个时候,爱丽丝会在屏幕上写满信息,无法再写更多信息了。这意味着屏幕也可以向爱丽丝传达已满的信息,因此屏幕本身也可以被视为另一个鲍勃?

A和B可以有不同的时间尺度,各自在自己的尺度上与屏幕互动。所以你例子中的Alice不会停止‘写作’,而是会覆盖她自己最后的消息。让t_A=t_B只是使模型更容易理解。

当代理变得与环境完全相同的时候会发生什么? 当模型被改进到几乎与环境无异。这种状态是否真的存在? 它是否会达到热力学平衡? 或者最大纠缠状态?

卡尔·弗里斯顿指出,经典FEP的极限,即完美预测的极限,对应于“泛化同步”之间存在联系 - 每个系统发送消息,另一个可以完美预测。这个概念依赖于系统与其环境被分离并且以某种方式被区分。在经典形式中,它们通过普通3D空间被分开——占据不同的位置。量子形式是“背景自由”的,意味着它假设没有时空嵌入——即使系统和环境有不同的状态空间(即态空间)中的不同自由度,它们也没有“不同的位置”。在这里,FEP的极限是最大纠缠。这并不意味着系统与其环境是“相同的”(它们不是,因为它们有不同类型的自由度)。这意味着它们的联合状态|SE>不可分,不能被因子化为一个系统的状态|S>和一个环境的状态|E>。他们的状态不再条件独立。这与热平衡不同,在这种情况下,它们具有相同的温度并且仍然可分,并且其相互作用可以被描述为热涨落(即噪声)的交换。

在图中,a) 表示没有有意义的互动,d) 表示完全重叠(在这种情况下无法传递新的信息),似乎为了有有趣的互动,必须同时存在一些重叠区域和一些非重叠区域(两个观察者要么 1) 观察到部分相同的部分和部分不同,或者 2) 以两种不同的但相关的方式看到同一区域 - 或许您会说 1 和 2 在某种意义上是等价的当谈论 QRF 时?)那么,如果您的目标是最大化自己的新有用信息,是否存在一个最佳差异化的参照框架?

我怀疑对所有这类问题的普遍形式的答案是不可判定的。在八月的会议上将讨论一些可以证明不可判定性的具体实例。这在某些情况下很清楚;例如,“什么是做科学最有效的方式?”是你提出的问题的一个例子。不可判定性让我们尝试找到好的启发式方法,这些启发式方法在如何做科学这个问题上一直备受争议。你问题的一个衍生问题是:“一个系统(至少近似地)如何测量自己的VFE?”。例如,人类对主观概率的分配有多好?什么是“确定感”以及它是如何实现的?这些都是十月会议的问题。

香农之后:『爱丽丝无法理解输入对系统意味着什么。』但我们要构建的模型具有语义内容,所以 presumably 我们可以推断 输入‘意味着’什么到系统?

我们的模型确实包含了关于意义的假设;我们在日常对话中每天都使用这些。按照提出的理论,一个“代理”只是一个与环境以可分离联合状态相互作用的物理系统。有趣的是,有些系统具有某种可访问事件记忆,而基本粒子则没有。因此,“代理性”是一种分布,而不是一条明确的界限。

相关资源

此页的公共链接

外部链接从共享注册表解析,这样面向访问者的目的地保持集中和可检查。

Repository / Projects

GitHub organization

Audience: Developer

Public GitHub organization for Institute repositories and open-source work.

projectsgithub-org
Repository / Projects

GEO-INFER repository

Audience: Developer

Geospatial modeling repository connected to ecological and bioregional applications.

projectsgeo-infer

官方页面

官方机构表面

仓库

相关开源仓库

Repository / Research

act_inf_metaanalysis

Audience: Researcher

Computational meta-analysis of Active Inference literature with nanopublication and knowledge-graph outputs.

TeX / 4 stars / updated 2026-05-04

researchknowledgetex
Repository / Research

Active_Inference_Ontology

Audience: Researcher

Ontology-oriented repository for shared Active Inference concepts and decentralized science knowledge infrastructure.

Unspecified / 14 stars / updated 2026-05-18

researchknowledgeunclassified
Repository / Projects

ActiveBlockference

Audience: Developer

Notebook-based applied Active Inference work connected to blockchain-adjacent and generative modeling examples.

Jupyter Notebook / 33 stars / updated 2026-05-27

projectrepositoryjupyter-notebook
Repository / Projects

ActiveInferAnts

Audience: Developer

Python models and materials for ant-inspired multiagent Active Inference.

Python / 29 stars / updated 2026-05-18

projectrepositorypython
Repository / Research

AEOS

Audience: Researcher

Active Entity Ontology for Science

Unspecified / 8 stars / updated 2025-05-27

researchknowledgeunclassified