A Conceptual Consideration of the Free Energy Principle in Cognitive Maps: How Cognitive Maps Help Reduce Surprise
https://www.sciencedirect.com/science/article/abs/pii/S0079742118300173
抽象的
有一种新的观点认为大脑中的信息处理可以被描述为贝叶斯推理或预测编码。这背后的机制导致大脑寻求减少其熵的扩展以及对环境相互作用的惊讶体验。至关重要的是，减少惊喜的方式涉及大脑操作中贝叶斯先验的生成，这些先验最终是关于其感官和其他内部体验的原因的假设。在本章中，我们试图对这些关于大脑作为统计机器的最新理论进行注释，回顾物理学、信息科学和认知神经科学的相关概念。我们提出贝叶斯先验具体采用认知图的形式，它是神经活动模式和物理现象之间的坐标变换度量。我们建议这种观点为未来对神经网络信息过程的性质进行更精确的研究奠定了基础。
介绍
大脑在其执行的认知工作中是一台统计学习机器的概念最近越来越受到关注。特别是，现在有令人信服的演示表明人工神经网络如何利用统计数据来执行大量类似认知的行为（Lin、Tegmark 和 Rolnick，2017）。这种使用已知数学原理定义的算法反映了生物对应物的能力，这表明人脑中存在类似的计算机制。尽管存在许多不同类型的人工神经网络，并且它们仍然是生物系统的遥远反映，但许多自组织示例的一般学习原理是贝叶斯推理（Bayes & Price，1763）。从这个角度来看，神经网络操作涉及将物理环境刺激信息与上下文信息结合建模为概率函数（Dayan，2012；Friston，Kilner，＆Harrison，2006；Knill＆Pouget，2004；Parr＆Friston，2017）。至关重要的是，这些关于刺激信息的概率表示同时代表了关于接下来预期什么信息的先验推论——预测。这个可以说是不透明的概念可能会在下面的示例中得到更好的解释。考虑一下，对于已经学会说英语的人来说，遇到一般地、隐含地写在一张纸上的字符“appl”会导致一种心理预测，即一组有限的字符（例如，“a”、“e”、“ i、“y”）比其他字母（例如“o”、“u”、英语字母表中的其他辅音）更有可能跟随。违反这一预测会引发各种偶然的心理过程，以表明某些事情是意外或令人惊讶的，因此需要处理一些新信息才能解释所发生的事情。因此，我们的心理过程已经编码了某种形式的刺激发生概率，并使用该代码来预测在环境中可能遇到的刺激类型，并根据新的经验修改该代码。
实验心理学的长期研究也指出，包括人类在内的动物学习驾驭空间环境的非线性能力不能用基本的刺激-反应映射来完全解释，并且必须对环境的内部表征进行一些额外的参与。(Hasselmo & Stern, 2015; Rowland, Roudi, Moser, & Moser, 2016; Tolman, Ritchie, & Kalish, 1946)。也就是说，大脑必须编码环境中地标之间以及这些地标与人之间的某种空间关联图，以便显示反映异中心处理的行为（Epstein、Patai、Julian 和 Spiers，2017 年；McNaughton，巴塔利亚、詹森、莫泽和莫泽，2006）。例如，通过以前没有走过的路线抄近路到目的地需要知道目的地位置与其他地标具有某种空间关联，而与人所在的位置无关。事实上，最近的研究已经描述了神经网络响应中的六边形网格坐标架构的特征，该架构对与由地标和边界定义的给定空间环境相关的物理位置进行编码。特别是，在海马体中检测到神经元位置细胞，选择性地增加环境中特定位置的动作电位尖峰活动（O'Keefe、Burgess、Donnett、Jeffery 和 Maguire，1998；O'Keefe 和 Dostrovsky，1971）。此外，此类海马位置细胞组接收来自内嗅皮层网格细胞的输入（Hafting、Fyhn、Molden、Moser 和 Moser，2005；Solstad、Moser 和 Einevoll，2006）。给定的网格单元不仅选择性地发射到特定的空间位置，这些位置形成了应用于直接空间的六边形瓷砖的假想网格的顶点（即，顶点描绘60°角），因此建议一种基于六边形网格的大脑中的空间坐标表示。位置细胞和网格细胞首先在啮齿类动物中被发现，但基于网格细胞的表征也已在人脑中得到证实（Bellmund、Deuker、Navarro Schröder 和 Doeller，2016；Doeller、Barry 和 Burgess，2010）。
神经网络功能组织中空间环境的地形坐标表示与类似地图的异中心导航行为的存在与大脑中操作中的某种形式的推理预测一致，至少对于空间处理而言。具体来说，当且仅当神经操作产生这样的预测或假设：参与新颖的运动行为（尽管从未实际参与过）将在当前导航问题的背景下产生预期的解决方案时，才可以显示非中心空间导航行为。虽然这个概念并不新颖，但我们的目标是使预测编码、大脑神经网络功能和认知过程之间的联系变得明确。一个推论，也许更重要的是，目的是提出大脑中的预测编码也可以根据物理热力学和信息统计力学基础原理的自然结果来理解。也就是说，我们考虑组成大脑的生物神经网络如何成为一个自组织系统，它利用类似的统计原理，如人工神经网络中的纯信息处理所例证的那样。此外，我们进一步将自组织系统应用统计计算的过程与热力学原理联系起来，以了解能量如何作用于自组织系统并被自组织系统使用。事实上，一些人认为自由能的减少以及更重要的是整体惊讶感的减少可能是大脑功能的核心驱动因素（Friston 等，2006）。在这里，我们从这个概念发展而来，并指定大脑通过形成认知图来做到这一点。
首先，我们首先解决上述令人畏惧的自由能、惊奇和熵概念的定义，这些概念来自热力学物理和信息科学领域，与本章直接相关。接下来，我们从认知力学的角度扩展地图的概念。然后我们考虑认知图在贝叶斯概率统计定理中的适用范围。具体来说，我们将认知图呈现为贝叶斯公式中的先验，预测未来感官体验的可能性。这种对未来经验的先验推论与从实际环境经验中获得的支持（或反驳）证据相结合，产生了关于环境原因的后推论。然后，我们对人类经验的各个领域的这些操作进行类比，这些领域需要某种形式的认知地图，包括空间、社会和概念信息的地图。通过这项练习，我们的目的是揭示贝叶斯认知图理论作为大脑和认知功能和结构的解释的普遍性，可用于理解自组织系统如何协商不同的信息领域。最后，我们可以自由地推测大脑中神经网络所实例化的认知映射与自我概念之间的联系。
章节片段
自由能和熵
为了得出令人惊讶的概念，我们必须引入有关自由能和熵的简短概念，这些概念起源于物理学，特别是热力学，然后是信息的研究。我们从热力学开始。尽管自由能概念有不同的具体用途（Gibbs，1878；Helmholtz，1882），但最普遍的概念是，它是可用于做有用功的系统的能量，其中功泛指任何
积累的历史当地知识的代表
地图的常见定义通常是指空间概念（通常是空间环境）的一些图形描述。事实上，图形空间地图是许多人在导航新位置甚至更多地了解自己的当前位置时日常体验的一部分。如果没有图形地图，人类社会各个规模和跨领域的许多任务的难度都会大大增加，甚至可能根本不可能。如果我们无法获得世界地图，经济
贝叶斯推理、惊喜和地图选择
如上所述，确认地图有效性的过程包括首先形成先前的信念，并根据随后收到的支持证据进行调整（图 4）。这样的贝叶斯推理循环不可能立即发生，至少对于上述理论上的生物系统中的典型热力学操作来说是这样。也就是说，与从一个系统到另一个系统的能量传输以及从源到接收器的消息传输一样，推理更新
空间认知图
如上所述，为了更好地理解啮齿动物和人类的大脑，特别是内侧颞叶皮层，如何表示环境的空间关系，已经做了大量的工作（Burgess，2008；Moser & Moser，2008；O'Keefe 等）等人，1998 年；罗兰等人，2016 年；托尔曼等人，1946 年）。最近的大部分进展都是由于位置细胞的发现（O'Keefe et al., 1998; O'Keefe & Dostrovsky, 1971; Wills et al., 2005）以及后来的网格细胞（
神经网络活动作为环境假设的输入输出映射
在研究了从自由能、熵和意外到贝叶斯推理和认知图的理论之后，我们现在简要描述神经元回路的活动和连接如何实例化贝叶斯推理以减少熵和意外，并实现认知地图。神经元突触通讯由许多复杂的神经生物学和电生理学机制组成（例如，兴奋性与抑制性连接、循环连接、长期连接）
结论
在本章中，我们只是粗略地了解了认知图如何帮助减少生物系统（尤其是大脑）在与不断变化的环境相互作用时所经历的惊讶这一概念的表面。为了公正地对待这个看似简单的陈述，我们遵循了以热力学、统计力学、信息科学、心理学和认知神经科学为基础的原则。目标之一是在一份方便的文件中指示最近
