Интервью с профессором Карлом Фристоном на научно-популярном канале Machine Learning Street Talk посвящено детальному разбору принципа свободной энергии и его глубоких связей с физикой, биологией и природой сознания. Ведущие Тим и Кит обсуждают с легендарным нейробиологом его последние теоретические работы, математические основания агентности и давний спор о свободе воли. В центре аналитической дискуссии — то, как из простых стохастических законов движения рождается сложнейшая эмерджентная динамика живых и думающих систем.
🧠 Суть принципа свободной энергии: от нейробиологии к универсальному закону 0:00
Принцип свободной энергии (FEP) изначально развивался в рамках системной нейробиологии как прагматичный способ моделирования активности головного мозга. Однако математический каркас этой идеи оказался настолько фундаментальным, что со временем исследователи начали рассматривать его как организующий закон для абсолютно любой живой материи. По мнению профессора Карла Фристона, наш мозг непрерывно вовлечен в процесс предсказания сенсорных сигналов, пытаясь вычислить истинные причины внешних явлений и минимизировать ошибки рассогласования.
В своей недавней публикации «Принцип свободной энергии: проще, но не слишком» (The free energy principle made simpler but not too simple) учёный описывает мир через призму стохастических дифференциальных уравнений. Фристон утверждает, что динамика любой системы складывается из взаимодействия двух базовых начал:
-
Гладкого, упорядоченного течения (например, орбитальное движение планет или распространение волн в квантовых полях).
-
Случайного шумового процесса, хаотично сбивающего этот поток в непредсказуемых точках.
Классическая биология традиционно отвечает на вопрос о том, какими механизмами живые существа поддерживают жизнедеятельность. Фристон переворачивает эту логику: если объект физически существует и сохраняет свою целостность во времени, то какими свойствами он обязан обладать? Ответ лежит в математической неизбежности движения к пуллбэк-аттрактору (pullback attractor) — особому набору притягивающих состояний, предохраняющих структуру от теплового распада. Динамика удержания этих границ эквивалентна байесовскому активному выводу (active inference). Любой существующий объект фактически несет в себе внутренний аналог генеративной модели мира, непрерывно обновляя свои внутренние убеждения на основе входящих данных.
⏱️ Разделение временных шкал: как обучение контекстуализирует вывод 44:15
За последний год в развитии принципа свободной энергии наметился важный сдвиг: авторы теории практически отказались от формулировок, завязанных на неравновесные стационарные состояния при времени, стремящемся к бесконечности ($t = \infty$). Подобные абстракции вызывали серьезную критику со стороны философов и математиков, поскольку реальные живые системы никогда не достигают бесконечного времени жизни. Вместо этого Фристон перевел описание траекторий на язык лагранжианов и интегралов по путям. Это позволило внедрить в модель строгую сепарацию временных шкал через математический аппарат ренормализационной группы.
Как заявляет Фристон, в рамках многомасштабного активного вывода Вселенная организуется в иерархию стохастических уравнений, где каждый вышестоящий уровень медленно меняет параметры управления для нижестоящего. Это явление наглядно объясняет разницу между тремя важнейшими когнитивными процессами:
-
Быстрый перцептивный вывод (inference): ежесекундное обновление вероятностных оценок текущих состояний мира (например, распознавание звуков речи или фиксация зрительных стимулов).
-
Медленное обучение (learning): постепенная калибровка синаптических весов и базовых параметров генеративной модели, происходящая на основе накопленного опыта быстрых симуляций.
-
Сверхмедленное структурное обучение (эволюция): глобальный отбор самих архитектурных моделей, определяющий количество узлов и факторов системы. Профессор интерпретирует механизм естественного отбора именно как процесс байесовской селекции наиболее эффективных моделей.
Данный теоретический инсайт находит прямое применение в машинном обучении и робототехнике. По мнению Фристона, оптимизация весов глубоких нейросетей или вариационных автоэнкодеров (VAE) математически обязана происходить строго после симуляции данных быстрым процессом вывода. Сегодня инженеры берут ожидаемую свободную энергию (expected free energy) в качестве универсальной целевой функции для автономных роверов, используя методы амортизированного обучения для быстрого отображения высокомерных сенсорных сигналов на сетку внутренних убеждений робота. Примечательно, что Фристон отмечает повсеместный переход академического сообщества с программного комплекса Matlab на современные языки Python и Julia для реализации таких вычислений.
🧊 Математика «вещности»: марковские одеяла и первичный суп 53:43
Определяющим условием автономии любого объекта является марковское одеяло (Markov blanket) — математическая граница, разделяющая внутренние и внешние состояния системы через промежуточные сенсорные и активные каналы. Наличие такой границы жестко задается свойством разреженности связей (sparse coupling), когда определенные элементы в матрице гессиана условной вероятности строго равны нулю. Ведущие подкаста указали на очевидное противоречие: реальная физическая Вселенная на макро- и микромасштабах напоминает сплошной взаимосвязанный «суп», где любые объекты оказывают друг на друга гравитационное или квантовое влияние, пусть даже бесконечно малое ($\epsilon$).
Карл Фристон возражает, что допущение абсолютных нулей в уравнениях связи — это не просто удобная абстракция, а фундаментальное требование для сборки макромира:
- Без разреженности динамического сопряжения во Вселенной физически не могла бы возникнуть никакая иерархическая организация.
- Если бы каждый элемент среды был напрямую связан со всеми остальными, ни один объект невозможно было бы вычленить из общего контекста Вселенной.
Опираясь на исследования биофизиков Джереми Ингланда (Jeremy England) и Кейт Джеффри (Kate Jeffries), гость описывает возникновение жизни у геотермальных источников на дне океана как процесс зарождения упорядоченной разреженности. Первичный бульон содержал хаотичные химические элементы, однако в какой-то момент возник эффект «экранирования» (shielding), когда автокаталитические структуры физически изолировали внутренние реакции от внешних флуктуаций среды. Из этого экранирования и сформировались первые марковские одеяла. В динамических системах такие границы не статичны, они описываются блуждающими множествами Биркгофа (Birkhoff wandering sets). Параметры уравнений плавно дрейфуют во времени, обеспечивая метаморфозы, деление клеток и усложнение биологической структуры.
👁️ Природа сознания: темпоральная глубина и кремниевый опыт 1:13:43
Вспыхнувшая в ИТ-индустрии дискуссия, спровоцированная заявлением главного ученого OpenAI Ильи Суцкевера о том, что современные большие языковые модели (LLM) уровня GPT-3 могут обладать зачатками сознания, получила в интервью строгое математическое опровержение. Фристон подчеркивает, что сознание невозможно свести к пассивному распознаванию паттернов. Разум, согласно его формулировке, заявляет о себе лишь тогда, когда самосвидетельствование системы обретает темпоральную толщину и контрфактическую глубину.
Сознание в рамках FEP интерпретируется как вероятностный вывод относительно собственного будущего — расчет долгосрочных последствий от выполнения тех или иных действий. Ученый предлагает дифференцировать уровни агентности:
-
Простейшие кибернетические системы (например, комнатный термостат) обладают агентностью, но полностью лишены сознания. Их генеративная модель реактивна, она не заглядывает в будущее и реагирует исключительно на сиюминутные температурные градиенты.
-
Высшие интенциональные агенты (животные, человек) способны удерживать в уме контрфактические гипотезы («что произойдет, если я выберу стратегию А вместо Б»), взвешивать их вероятностные риски через призму ожидаемой свободной энергии и сознательно планировать шаги.
Профессор Фристон открыто называет себя сторонником компьютэшнализма (вычислительной теории разума). С его точки зрения, нет никаких фундаментальных физических ограничений, мешающих полностью воссоздать человеческое сознание и субъективные ощущения (квалиа) in silico (на кремниевой основе). Для этого в архитектуру нейроморфного агента нужно заложить эксплицитные гипотезы о его собственных ментальных и физических состояниях. Примером прагматики такого подхода служит медицинская трактовка хронической боли в рамках активного вывода. По словам Фристона, боль — это не механическая трансляция сигналов от поврежденного органа, а наиболее простое контрфактическое объяснение (гипотеза), которое мозг конструирует на верхних этажах иерархии для упорядочивания хаотичных интероцептивных шумов.
🎯 Проблема объективности, психиатрия и свобода воли в стохастическом хаосе 1:28:25
Рассматривая концепцию Кеннета Стенли (Kenneth Stanley) об «опасности объективных целей» и исторические труды астрофизика Артура Эддингтона (Arthur Eddington) о субъективной природе научного познания, Фристон соглашается, что избыточная формализация способна блокировать обнаружение прорывных идей. Математическое построение адекватного пространства гипотез (hypothesis space) с нуля остается одной из главных нерешенных проблем науки. Единственным механизмом, эффективно справившимся с этой задачей на Земле, гость считает естественный отбор и половое размножение, которые реализуют механизмы «латерального мышления» природы, поставляя абсолютно новые фенотипические модели для тестирования.
Субъективность человека и его эмоции лежат в основе вычислительной психиатрии. Фристон ссылается на теорему о полноте классов (complete class theorem), согласно которой любое наблюдаемое поведение индивида всегда является байесовски оптимальным при условии, что мы точно знаем его скрытые априорные ожидания (priors). По мнению профессора, даже самые деструктивные проявления при шизофрении или аутизме представляют собой наиболее эффективный способ минимизации свободной энергии в рамках тех искаженных базовых установок, с которыми субъект воспринимает реальность.
В финале встречи Фристон отвечает на классический вопрос о совместимости свободы воли с законами физики. Несмотря на то, что Вселенная управляется уравнениями стохастического хаоса, макроскопические агенты обладают подлинной автономией за счет ренормализации шкал. Позиция ученого в данном аспекте солидарна с концепцией «степеней свободы» Дэниела Деннета:
«Если генеративная модель живого существа способна симулировать контрфактические исходы, взвешивать альтернативные сценарии будущего и производить селекцию действий — эта система на законных основаниях проявляет свободную волю и минимальное самосознание».
Именно этот паттерн, как утверждает исследователь, люди используют в рамках модели психики (theory of mind), интуитивно считывая чужие свободные намерения по поведению окружающих.
