稳妥行事：信息约束集体下注策略

生命体与其环境的每一次交互都涉及一次下注。在关于随机世界的部分知识武装下，生命体必须决定其下一步或近期策略，这一行为隐含或显式地包含了对世界模型的假设。关于环境统计的更好信息可改善下注质量，但实践中用于信息收集的资源总是有限的。我们认为，最优推断理论指出“复杂”模型在有限信息下更难推断并导致更大的预测误差。因此，我们提出“稳妥行事”原则：在给定有限信息收集能力时，生物系统应偏向更简单的世界模型，从而采取风险更小的下注策略。在贝叶斯推断框架下，我们表明存在由贝叶斯先验决定的最优稳妥适应策略。进而我们证明，在细菌随机表型切换背景下，践行我们的“稳妥行事”原则提高了细菌集体的适应度（种群增长率）。我们提出该原则广泛适用于适应、学习与进化问题，并阐明了生命体得以繁盛的环境类型。