来源： 混沌巡洋舰
推荐一篇万字长文 聪大脑的预测性编码讲起，区分三种不确定性，最终对我们如何应对这个充满不确定的时代，给出启示。愿读完后，你能够更全面客观的理解生活中的随机性。
霍金斯是一位计算机科学家(后来成为艺术家) ，他花了两年多的时间“随机生活”。他的故事开始于在旧金山担任谷歌工程师时，他突然意识到他已经优化了自己的生活，使自己的偏好变得令人担忧的可预期。他每天早上7点准时开始工作，去最好的咖啡店，然后循环15分钟的最佳路线去上班。通过一个简单的算法，输入他一周的 GPS 跟踪数据，就可以非常准确地预测他下周同一时间的行踪和动向。他觉得，这让他在某种程度感到缺乏个人自主。
尽管他的生活几乎完全符合自己的偏好，但他感觉自己陷入了困境——仿佛他已经优化了自己的生活，使自己的角色被取代了。作为回应，霍金斯使用新技术给他的生活带来了更多的变化。在两年的时间里，他按照一系列随机算法生活。一个减肥APP告诉他吃什么，一个自动算法的旅行代理商挑选出他将在未来两个月里生活的城市，一个随机的 Spotify 播放列表为这次旅行提供音乐，一个随机的 facebook 事件选择器告诉一个 Uber 司机当他到达那里的时候带他去哪里。
这些算法让他去了孟买的杂技瑜伽课程和斯洛文尼亚的一个山羊养殖场，但也带他去了爱荷华州小镇圣十字酒吧，参加了八年级的长笛独奏会，还去了加利福尼亚州弗雷斯诺的一个小家庭圣诞节。任何能让他摆脱富裕的旧金山技术工人舒适的常规生活的地方。这些算法不仅规定了他应该去哪里、吃什么、参加什么休闲活动，甚至还规定了他应该采用什么样的服装和发型(他最终需要几顶假发)。他甚至从网上的图片中随机选取了一个胸部的纹身。
霍金斯报告说，他发现自己在多种意想不到的方面获得了巨大的成就感，而且(自相矛的是)让他感觉自己作为一个人更有存在感，因为他已经摆脱了自己按喜好和偏好最优化的生活方式的独裁统治。
从某种角度来看，霍金斯的不安似乎很奇怪，甚至是自相矛盾的。根据一种被称为“预测编码”的主流神经科学理论，我们这样的大脑被设计用来解决一个基本的难题: 如何在我们与世界交流的过程中，最小化他们自己的长期平均预测误差。
环境越不稳定，这个目标就越难掌控，并会导致焦虑、压力和失控感。然而对于霍金斯，他显然给自己的生活增添了许多意想不到的东西。
即使从预测处理的角度来看，局部保持在预期的范围内也只是更复杂的故事的一部分。对于这些具有预测能力的大脑，我们的大脑被设计成能够驱动像我们这样好奇、好动的生物。这样的生物必须有效地在它们自己不确定中冲浪。为了做到这一点，他们对世界进行了探索和采样，旨在揭示关键的不确定性究竟在哪里，以便通过未来的行动，他们能够应对这些不确定性，继续前进。他们寻求新的信息，他们参与的复杂活动，如艺术和科学，其作用至少部分是安全地揭示和压力测试自己对不确定性的假设。
霍金斯实际上在做类似的事情——压力测试。从而得出关于他是谁和他喜欢什么的最深刻假设，以便更充分地探索人类可能性的空间。
理解我们自己与不确定性的关系从来没有像现在这样重要，因为我们生活在一个异常具有挑战性的时代。气候变化、2019冠状病毒疾病和监控资本主义的新秩序让我们感觉好像进入了一个全球波动的新时代。曾经在可靠的海洋中只有零星的稳定。通过更好地理解不确定性的多样性和价值，并认识到将我们自己的不确定性和期望转化为适合测试和挑战的具体事物包含的巨大附加值，我们就能够更好地利用我们自己的预测性大脑的能力。
预期的不确定性
仅仅为了自身的利益，就决定让自己面对完全的不确定性，这远非常态。人类是有习惯的生物。我们早餐吃同样的东西，走同样的路线去上班，然后在同一个酒吧见同样的人喝酒。2010年，一组计算机科学家分析了5万名匿名手机用户的移动模式，发现根据过去的行为预测他们未来的位置有可能达到93% 的准确率。然而，当我们在可预测的日常世界里进行谈判时，我们别无选择，只能在一波又一波的不确定中前行。
然而，并非所有的不确定性都是相等的。
一个简便的分类法可以区分已知不确定性、意外不确定性和波动性。已知不确定性是判定一种任务是否有意义时的不确定性，这种不确定性已经被现有的心智所具有的(生成性)模型预测到了。当环境变化导致我们对自己的生成模型变得不确定时，意外不确定性就会出现。波动性是微妙的不同: 它指出了一种情况，其中的变化频率在环境偶然事件本身正在迅速变化。因此，波动性是最有可能引发焦虑的不确定性。这是不确定性空间本身的不确定性。
一个已知不确定性的简单案例是，一个知道从某个地方回家的路的人可能会导航到那个地方，即使知道家实际上在另一个方向。通过到达熟悉的位置，她解决了任务中的不确定性，并能顺利的解决她真正的问题。
预测编码理论将认知行为理解为选择行为，以最小化预测到的未来预测错误。为了达到这一目标，一种是简单的战略，是回到熟悉的地点，另一种是更复杂、更独特的人类战略，比如使用谷歌地图帮助我们从任何地方找到我们的目的地。
将这些表面上非常不同的策略联系起来的是，每种策略都可以在不同的方式和时间尺度上被看作是一种通过从当地环境中获取信息，来减少预测不确定性的方法。预测错误最小化系统找到这种解决方案的能力现在已经在多个模拟研究中得到了证明，其中一个模拟实验中，模拟老鼠使用探索和利用的混合策略来找到回家的路，首先导航到熟悉的地标，然后利用现有的知识找到回家的路。
意想不到的不确定性
每当我们知道自身信息状态中的弱点时，已知的不确定性就会出现，我们就可以采取相应的补救措施。如果我知道我不知道哪里是回家的路，那么我的不确定性是完全可以预料到的，并且(在这种情况下)是可以补救的。或者如果我知道骰子是公平的，那么我就知道没有一个玩家，包括我自己，能够自信地知道一个不偏不倚的骰子的结果。这是预料之中的，而且是一种相当常见的不妥协的不确定性。
相比之下，意外的不确定性通常发生在环境发生变化时，而我们无法预测这种变化。例如，假设有人(在我不知情的情况下)把公平的骰子换成了能作弊的骰子，游戏开始了。现在，我对其他玩家的不确定性的估计突然变得不正确了，我将开始损失钱。或者假设我知道某家餐厅80% 的时间里都有我喜欢的菜，所以10次中有8次会产生令人满意的结果。这就是一种已知的不确定性。相比之下，如果餐厅突然换了主厨，我的估计立刻就不可靠了。我被推进了一个意想不到的不确定之地——一个可怕的地方，引人注目的是，霍金斯发现这是如此令人惊讶的满足。
当面对意想不到的(突出的)不确定性时，我们的大脑会做出反应，提高学习速度，鼓励更新预测模型所需的各种变化——例如，开始学习新厨师创建的典型菜单。随着时间的推移，结果是一个修正的模式，例如我希望在任何10次光顾餐厅的过程中，我喜欢的菜肴只能被端上大约5次。这可能是我进入探索模式并尝试另一家餐厅的原因。
事实上，这种形式的不确定性对我们是非常有益的。这种不确定性可以帮助我们打破坏习惯，摆脱“局部极小值”——差不多好但远远无法帮我们达到最终目标的解决方案。
波动性
下一种的不确定性是最具挑战性的。预期和意想不到的不确定性以一阶和二阶的形式出现。一阶不确定性是关于简单的目标，例如得到我们喜欢的食物的机会。二阶是关于一阶估计本身的。我可能会对自己的估计感到自信或不自信，因为我估计大多数拜访都能得到我喜欢的食物——例如，如果我只去过几次，或者其他与我有着相似口味的人似乎有着非常不同的经历。
但也有一些环境对我们的预测能力提出了特殊的挑战。这样的环境使得二阶估计不可靠。这就是所谓的“不稳定环境” ，在这种环境中，统计规律本身，当以我通常的方式进行探索时，是不稳定的。例如，一个餐厅经理每个季节都会多次改变菜单，即使厨师没变。随之而来的学习，即我开始注意到我最喜欢的食物越来越少，意味着对已知不确定性的预测偏差本身是不可靠的。
这就像玩骰子，有时是公平的，有时是不公平的。在这个世界里，潜在的“规则结构”的变化频率很高。这个世界中，很难结构化的学习到关于不确定性的知识，除了认识到这确实是一个这样的世界，因此降低了我们对达成目标所居有信心的估计。
这样的环境尤其具有挑战性。未能掌握预期(一阶)的不确定性最初想要驱使我们进入可塑性和学习。我们进入探索模式，因为想寻求更好和更稳定的环境。但是，波动性意味着这种策略本身是可疑的，因为除了事情容易发生变化之外，在目标层面上几乎没有什么有用的了解。这是一个人类通常会觉得非常不舒服的情况。
当一切进展顺利时，对人类经验及其可靠性(不确定性)的广泛预测和估计，使我们能够利用我们所经历的一切经验和学习，快速发现那些对我们重要的感官模式，基于当前的感官证据评估我们自己的预期的可靠性，并以有助于产生理想和有益模式的方式行事。
但这也存在危险。我们对世界的预测可能会在各种方面出现错误或误导。我们隐藏的偏见可以塑造我们对世界的感知和行为方式，从而导致世界相信于我们的错误观点。实际上，把我们的错误观点变成现实，只会强化我们对这种偏见的信念。
饥饿、无家可归、孤独和慢性疼痛都是持续产生波动性(难以控制的负面意外)的例子。持续暴露于这种动荡的局势和环境，行动的结果本身就是不可预测，这会导致人们对自己实现预期结果的能力的信心不可避免地下降。在这一点上，我们的预测性大脑开始推断出我们无法成功地进行控制，然后这就破坏了一个指导我们未来行动的模型。
这可能导致一种形式的习得性失助。当动物接触到不可避免的副作用时，习得性失助就会发生。许多相当残酷的研究会让老鼠接受电击而没有逃跑的机会。令人吃惊的是，即使有逃跑的通道，过了一定的时间，老鼠甚至不会试图逃跑。它已经认识到，它是无助的，它无法采取行动，以避免这些副作用的结果。
像习得性失助这样的状态的计算基础在预测编码框架下中被理解为一种根深蒂固的无法控制结果的期望，因为环境太不稳定以至于无法成功地预测和导航。关于控制水平和避免不利结果的能力的信念可能会巩固一个环境中的适应行为(当门关闭时) ，但不一定会传递到其他环境(当它打开时)。
成瘾物质利用了一个不同的弱点，再次允许次正向的循环占据主导地位。阿片类药物“劫持”了大脑中的奖励回路，预测编码理论的研究人员利用这个回路来计算预测率的估计值，即误差最小化。也就是说，与当前情况下预期的误差减少率相比，大脑对自己在减少预测误差方面做得如何的估计。劫持这个过程意味着大脑被愚弄，以为它在减少显著(高精度)误差方面的表现远远好于预期。重要的是，任何发生这种情况的环境都会被标记为我们寻求栖息的环境。
随着时间的推移，药物反复诱发这种效果的能力导致了成瘾性。然而人们会意识到药物实际上并不能带来快乐、成功或满足。这是因为，尽管高层次的判断，在使用的瞬间，由于预测误差的减少而带来积极的体验，然而，大脑并没有进化到能够管理成瘾药物所呈现的各种信号。值得注意的是，这里，大脑并没有出现故障，它只是在做它已经进化出来的事情——减少不确定性。
成瘾的预测者可以创造一个个人的桃花源，其中与他们的预测模型不兼容的元素被排除在外。似乎很难理解这种明显有害的习惯如何能够无限期地维持下去。阿片类药物成瘾显然不利于人体健康。一个(无故障的)预测性大脑如何能够继续维持这样一个模型，在这个模型中，不顾大量相反的证据，在任何水平上，都认为药物成瘾是积极的？如果预测编码允许我们的模型如此持续地与外部环境脱节，那么它的进化效用是什么？
为了充分理解这些习惯的自我强化力量，我们需要再次超越大脑。我们需要注意如何采取行动，以最大限度地减少意外诱捕我们的环境进入总体错误-最小化的过程。在最简单的层面上，这些行为可能只是涉及到忽略直接的错误来源——比如酗酒者通过不考虑他们经常在饮酒上花费多少来保持他们运作良好的信念。
但是我们的行为也可以对我们的环境本身的结构产生持久的影响，通过塑造我们的认知模型。通过这个过程，成瘾预测者可以创造一个个人的生态位，其中与他们的模型不兼容的元素被完全排除在外——例如，只与其他同样参与，因此不挑战他们的成瘾行为的人联系。
这种互相强化的循环的习惯和栖息地并不是物质成瘾的一个独特特征。2010年，互联网活动家伊莱•帕雷瑟(Eli Pariser)提出了“过滤气泡”(filter bubble)一词，用来描述互联网日益分化的现象，因为个人越来越多地只与有限的、符合他们先前偏见的信息来源进行互动。这些气泡可归咎于大型科技公司越来越多地使用预测算法，以提供个性化的互动过的内容。从预测性大脑的角度来看，这种个性化技术与其说是一种激进的新发展，不如说是对我们潜意识中自我运行的预测性算法的延伸，目的是努力将我们的环境互动控制在易于抗干扰的范围之内。
每个与惊讶最小化大脑相互作用的环境并不是一些共享和稳定的规律性领域。可以通过一个中立的检查，以保持我们所有的预测模型在一条线上，避免选择性地提取和创造我们所预测的那些规律。有悖常理的是，环境越灵活，就越容易产生自我保护的气泡和个性化的桃花源，从而为僵化模式提供了保护。
我们被自己的预测性大脑捕获的方式有很多，这些方式与我们被自己对不同预测的可靠性估计有关。霍金斯觉得自己由于自己的过度优化陷入了困境——精确的高层次预测，即他将过一种特定的生活。但是，注意到那种生活的局限性，他终于能够打破自我模式的束缚。
这表明我们有办法侵入我们自己的预测性思维，至少可以逃脱一些陷阱。在人们渴望更多样化和更有吸引力的生活的情况下，这是正确的。但是类似的原则也会带来极具破坏性的精神疾病，例如习得性失助。对于环境的波动性和不可预测性的根深蒂固的期望是难以修正的，即使当行为者发现自己处于更有利的环境中。大量的心理和情感障碍，如重性抑郁症、焦虑症、成瘾症和创伤后创伤后心理压力紧张综合症障碍。
从预测加工的角度来看，预测本质上是信息压缩的，在更高的层次——处理现实中更抽象或不变的特征，跟踪更长的时间尺度——去除了冗余的感官信号: 也就是说，任何与适应行为无关的信息。在迷幻药的作用下，“减压阀”被打开了。从预测加工的角度来看，这些药物可以理解为放松对感觉信号如何产生的根深蒂固的期望，允许大脑创造关于世界和我们如何与之相关的新的假设。
迷幻剂可以被看作是将大脑置于暂时可塑性的“热状态”。由于不再受到高层次影响的限制，低层次的感觉效应与这个新近令人费解的丰富感官信息流的最佳猜测大相径庭——就好像大脑循环了更多的假设，以解释传入的感觉信号，并理解当前的感觉流入。
从比喻的角度来说，迷幻剂可以被看作是将大脑暂时置于“热状态”。我们可以把金属加热退火作类比，以便引入暂时的可锻性状态。迷幻剂会使大脑处于处于高温状态，此时大脑的可塑性足以改造其预测模型。在适当的条件下，大脑会适当地考虑环境和经验融合，这有可能产生深刻的治疗作用。通过将大脑置于一个高度可塑性、敏感的状态来思考这个问题，可以让我们了解迷幻药是如何深刻地支撑治疗体验的，同时它强调了负责任的使用的重要性。
其他侵入我们自己的预测性大脑的方法包括故意设置有益的预期，就像所谓的“诚实的安慰剂”(当病人知道他们正在服用的药物是安慰剂)的使用一样。在这些情况下，预测编码带来的选择性解读被激活。事实证明，诚实(或‘开放标签’)的安慰剂在治疗从大肠激躁症到癌症相关疲劳的各种病例中都是有效的，即使该人完全知道没有真正的药物存在，而且对它们作用力的估计越高。注射器输送的惰性物质的效果通常比药丸输送的效果更好，大概是因为我们自动估计这是一种更有效的干预形式。
然而，所有这些都是对我们自己的预测和期望的相当直接的干预。不那么直接的干预包括结构化的练习，如冥想和正念，这些练习有助于重新训练我们自己的约束期望。一个有用的工具是训练我们的注意力，主动地让我们的认知，更多地取样那些不那么主流的常见的信息，远离我们固定的信念，从而使我们对高水平稳定性本身的期望脱离。
这样我们就可以活在当下，同时处理日常生活中不断变化的偶然事件。这些实践反映了一些重要但容易忽略的东西——我们人类将自己的精神状态转化为反思和行动的对象的能力。这就把我们带到了霍金斯的故事中，也是这个故事中的关键线索，导致了他极端地试图超越自己对日常生活的正常期望。
霍金斯的算法是为设计师准备的工具，将他从日常工作中推出，并允许新的模式和体验出现。他特意设计它们来实现一个特定的目标——打破他高度优化的生活方式的模子。这种激进行动的关键在于这样一个过程，尽管很少被提及，但在我们看来，这个过程处于人类与不确定空间关系的核心。这个分两步的过程首先是让我们自己的预测模型和相关的期望可见，然后把它们变成我们自己和他人都可以检验的对象。然后，它通过设计各种花招、计划和，来对我们施加压力、从而有效地打破这些模式。
第一步是自由的表达。口头语言、书面文本以及一系列相关的实践把我们自己的生成模型的某些方面变成了公共对象，例如文字、书籍、图表，这些都适合于分享、完善和跨代传播。当霍金斯谈到被自己高度优化的每周日程的可预测性所困扰时，他清楚地表明了他自己的美好生活模式正在提供一连串的选择和体验，而他现在发现这些选择和体验并不令人满意。这是一个了不起的成就，值得我们深思。
灵活的符号代码，一旦到位，使我们能够从我们自己的生成模型和基于模型的预测退到更高的抽象层级，把它们变成适于质疑、可进行压力测试和故意“破坏”的公共对象。在我们看来，对大多数非人类动物来说，成功地让自己的生命模型可见是极不可能的。他们的模型指导行为，但模型本身并不是行为的对象。但是一旦掌握了符号代码，这就变得可行，我们自己的模型和基于模型的期望就会成为审查的对象。这可能是文字赋予的最具变革性的认识革命。
一旦我们自己最好的模型可以被看成对象，我们就可以做更多的事情，而不仅仅是简单地审视它们。我们可以采取旨在打破和重建模型本身的行动。故意使用迷幻药物来放松我们自己的高水平自我模型的控制就属于这一类。某些冥想练习也是如此，它们的明确目的是放松我们对永恒期望的专制。霍金斯创建的所有随机生命算法也是如此。
也许最值得注意的是，我们自己的艺术、工程和科学实践经常扮演这种角色。例如，图表、描述和比例模型使我们能够独立地操作设计的不同方面，并有选择地关注不同的元素。这使得我们能够探索不同的结果，因为这些结果取决于不同的选择，而这些选择能够缓解我们基于模型的期望之间的联系——就像是把一堆拼字游戏的拼图移来移去，以帮助我们发现新词。
为了实现这样的操作，我目前的信念和模型需要以超越概率趋势的方式存在，就像我在储存知识的基础上驾驭世界一样。它们需要作为具体的概念存在，以便于注意、分享和提问。理论科学旨在编纂我们自己的思想和世界如何工作的最佳模型，将它们作为分享、监督和富有成效的突破的对象
当不确定性管理出错时，我们很容易失去对自我、世界和他人的控制。
艺术通常也处于这种揭示模型/打破模型的行业中。它可以成为实现和面对我们自己关于自我、世界和其他的高层次假设的一种方式。这样做时，框架要远离日常的关注(想象一下在剧院里观看戏剧的推销员之死) ，因此这通常不会被认为是真正的威胁，即使它是颠覆性的。。
不管是什么故事，人类的思维能够到达以前没有动物思维去过的地方。霍金斯打算摆脱自己生活模式的束缚。值得注意的是，仍然存在一个可以预测的制度在发挥作用，这个制度是他自己理解的。例如，他知道算法会每两个月把他送到一个新的地方，而且不是每周或每年。
有趣的是，我们可以推测，正是这种缺乏波动性，使他能够从实验中获得如此多的东西，同时避免了我们许多人最近感到的那种焦虑和恐惧，例如由新冠颠覆的生活模式。预测性大脑如果没有得到控制，他们就会驱动学习。通常，对环境中高波动性的检测应该促进学习和探索。然而，在封城的情况下，我们(理所当然地)被告知呆在原地，什么也不要做。而这会让我们感到焦虑。
这对我们来说非常奇怪。一种反应是控制小世界——烘焙、拼图、锻炼。这非常类似于自闭症患者的反应，即产生和居住在一个更受控制的环境中。这是一个很好的回应，一种在更大范围的波动面前恢复某种掌控感的方法。在计算精神病学领域，大量令人印象深刻的工作正致力于更好地理解我们与不确定性的关系，以及它可能出错的许多方面。我们人类似乎是不确定性管理系统——当不确定性管理出错时，无论是由于外部还是内部的扰动，我们都很容易失去对自我、世界和他人的控制。
从霍金斯经历，最有启发性的一点是：“最奇怪的情况是如何迅速成为“新常态”的，以至于他可以很容易地想象那个人生活在那个曾经陌生的地方。我们推测，这是预测性大脑再次主张自己，改变我们自我模型的方方面面，以便抓住新的常态。
Hawkins 要传达的信息很简单: 不要让你自己的偏好成为一个陷阱。然而，在某种元级别上，他仍然陷入了困境(这是一种好的方式)——他的随机算法只是满足了他新的顶级偏好，这种选择方式绕过了他的一级偏好结构。在这个实验中，我们不能不直觉地感受到某种价值。就像艺术和科学，它使无形的具体，揭示了我们自己的期望的强大的引力。而这也是可控不确定性所具有的惊人价值的一个实例。
本文翻译自：
https://aeon.co/essays/use-uncertainty-to-leverage-the-power-of-your-predictive-brain
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
