主动推理:心智、大脑与行为的自由能原理

1星价 ¥71.3 (6.6折)

2星价￥71.3 定价￥108.0

作者：托马斯·帕尔

出版社：机械工业出版社

本类榜单：社会科学

分类：社会科学 > 心理学

暂无评论

图文详情

ISBN：9787111750192
装帧：平装-胶订
册数：暂无
重量：暂无
开本：128开
页数：440
出版时间：2024-06-01
条形码：9787111750192 ; 978-7-111-75019-2

本书特色

全球*具影响力的神经科学泰斗与诺贝尔奖热门候选人生涯代表作；认知科学的“万物理论”和生命与心智的“**性原理”；揭示一切具身智能和计算系统认识与改造世界的根本逻辑；推动多学科范式转移和通用人工智能研究路径创新。以GPT-4O和Claude等为代表的深度神经网络正不断刷新公众对“人工智能”的固有印象，一次次地告诉我们智能“不是什么”，却从未正面回应智能“是什么”。如何理解智能的本质？人与动物的思考和行动遵循哪些基本逻辑？它们与人工智能系统有哪些共性，又有哪些深层的差异？诸如此类的问题不仅在科学和工程上意义重大，更关乎每一个个体能否真正适应波澜壮阔的智能时代，包括重新找准自身的定位及发展自身的独特优势。这部里程碑式的作品系统地介绍了当代神经科学泰斗卡尔·J. 弗里斯顿（Karl J. Friston）对上述问题的深刻见解。弗里斯顿提炼了生命与心智的“**性原理”，指出任何具身的智能系统，包括人、动物与机器认识世界与改造世界的原动力——在有限时空范围内抵御热力学第二定律以维系自身的存在——均可概括为系统自由能的*小化，该过程体现为“主动推理”。主动推理将感知、行动、学习和计划等一切心智活动纳入了统一的框架，其在认知科学领域的革命性意义堪比生物学领域的自然选择理论和地质科学领域的大陆漂移学说。本书包括主动推理的顶层逻辑（物理原则）、底层逻辑（形式体系）和实际应用（建模实例和数据分析方法），作为现存关于主动推理*为清晰详实的介绍，展示了关于生命与心智的颠覆性的科学观与方法论，既是一架天马行空的理论万花筒，又是一部脚踏实地的研究操作指南。

内容简介

主动推理架构是对感知行为的一种理解，旨在以概率推理描述知觉、计划和行动。该架构为理论神经科学家卡尔·J.弗里斯顿多年来开创性研究的成果，提供了一个关于大脑、认知和行为的整合性的视角，越来越多地应用于神经科学、心理学和哲学等学科领域。主动推理架构将行动寓于知觉之中。本书首次全面介绍了主动推理架构，涵盖理论基础和实践应用。作为理解行为与大脑的“**原则”方法，主动推理架构以*小化自由能为纲。本书强调了自由能原理对理解大脑运行方式的重大意义，介绍了主动推理架构的相关概念和形式体系，并将其置于当前认知科学理论的语境之中，而后以具体实例展示了如何使用基于主动推理的计算模型来解释知觉、注意、记忆和计划等认知现象。

致谢
前言
**部分
1 概论
1.1 介绍
1.2 生命有机体的持存与适应
1.3 主动推理：基于**原则的行为
1.4 全书结构
1.5 总结
2 主动推理的底层逻辑
2.1 介绍
2.2 作为推理的知觉
2.3 生物的推理和优化
2.4 作为推理的行动
2.5 *小化模型与世界的差异
2.6 *小化变分自由能
2.7 预期自由能和作为推理的计划
2.8 何谓预期自由能
2.9 关于主动推理的底层逻辑
2.10 总结
3 主动推理的顶层逻辑
3.1 介绍
3.2 马尔科夫毯
3.3 惊异*小化与自证
3.4 推理、认知与随机动力学
3.5 主动推理架构：理解行为与认知的新基础
3.6 模型、策略与轨迹
3.7 在主动推理架构下协调生成论、控制论和预测理论
3.8 主动推理：从生命的涌现到能动性的产生
3.9 总结
4 主动推理的生成模型
4.1 介绍
4.2 从贝叶斯推理到自由能
4.3 生成模型
4.4 对应离散时间任务的主动推理
4.5 连续时间的主动推理
4.6 总结
5 消息传递和神经生物学
5.1 介绍
5.2 微观回路与消息
5.3 运动指令
5.4 皮质下结构
5.5 神经调节与学习
5.6 表征离散变量与连续变量的层级
5.7 总结
第二部分
6 主动推理模型的设计指南
6.1 介绍
6.2 主动推理模型：四步设计指南
6.3 我们在为什么系统建模？
6.4 生成模型*恰当的形式是怎样的？
6.5 如何创建生成模型？
6.6 怎样理解生成过程？
6.7 基于主动推理架构执行数据的模拟、可视化、分析和拟合
6.8 总结
7 离散时间的主动推理
7.1 介绍
7.2 知觉推理
7.3 作为推理的决策与计划
7.4 信息搜集
7.5 学习与求新
7.6 多层（深度）推理
7.7 总结
8 连续时间的主动推理
8.1 介绍
8.2 运动控制
8.3 动力系统
8.4 广义同步
8.5 混合（离散连续）模型
8.6 总结
9 基于模型的数据分析
9.1 介绍
9.2 元贝叶斯方法
9.3 变分拉普拉斯
9.4 参数经验贝叶斯（PEB）
9.5 基于模型的数据分析指南
9.6 生成模型举例
9.7 错误推理的模型
9.8 总结
10 作为感知行为之统一理论的主动推理
10.1 介绍
10.2 完整梳理
10.3 融会贯通：以整合水平理解主动推理架构
10.4 预测性的大脑、心智和预测加工理论
10.5 知觉
10.6 行动控制
10.7 效用与决策
10.8 行为与有限理性
10.9 效价、情绪与动机
10.10 稳态、稳态应变与内感觉加工
10.11 注意、显著性与认识活动的动力学
10.12 规则学习、因果推理与快速泛化
10.13 在其他领域应用主动推理：一些可能的方向
10.14 总结
附录
附录A 相关数学背景
附录B 主动推理的数学方程
附录C Matlab代码：一个带注释的例子
注释
参考文献
索引

展开全部

作者简介

托马斯·帕尔（Thomas Parr）
伦敦大学学院Queen Square神经病学研究所研究员乔瓦尼·佩祖洛（Giovanni Pezzulo）
意大利国家研究委员会认知科学与技术研究所研究员卡尔·J.弗里斯顿（Karl J. Friston）
伦敦大学学院Queen Square神经病学研究所教授
Wellcome人类神经成像中心科学主任
英国皇家学会院士，欧洲科学院院士
2016年Semantic Scholar“全球十大*具影响力神经科学家”之首
2017年科瑞唯安诺贝尔生理/医学奖热门候选人

本类五星书