自由能原理下的神经与表型表征

本文旨在利用自由能原理及其推论过程理论——主动推断，来发展一种关于生物表征能力的通用、可泛化模型；即一种表型表征理论。鉴于其普遍性，我们关注分布式表征形式（例如群体码），即生物组织中集合活动的模式来表征感觉输入或数据的原因。主动推断框架基于马尔可夫毯形式，它允许我们将感兴趣的系统（如生物系统）划分为内部状态、外部状态以及使内部和外部状态条件相互独立的毯（主动和感觉）状态。在该框架中，生物的表征能力作为其马尔可夫结构和非平衡动力学的结果而出现，二者共同蕴含一种对偶信息几何。这蕴含一种适度的表征能力：内部状态具有描述其在状态空间中随时间轨迹的内在信息几何，以及允许内部状态编码关于（虚构）外部状态的（参数的）概率信念的外在信息几何。基于此，我们在此描述被马尔可夫毯约束的神经元群如何以自动且涌现的方式编码关于刺激的信息；即所谓的神经元包假设。作为此类涌现表征的具体演示，我们给出了数值模拟，显示共享恰当概率生成模型的主动推断智能体的自组织集合能够编码关于刺激阵列的可恢复信息。