2.4 不确定性认知中的贝叶斯认知 

    热力学（熵、耗散结构、自由能）是人机认知系统的物理底层，贝叶斯推理则是上层不确定性认知的数学表达[27]。贝叶斯推理是依托先验认知结合观测证据，反向更新事件后验概率，以最小化变分自由能实现系统熵减、完成认知修正的概率推理[12]。认知中的“变分自由能”和“后验概 率”成为连接热力学与贝叶斯推理的桥梁[17]。贝 叶斯天然对应智能认知逻辑：先验概率针对原有的思维软构体，观测带来新信息，算出后验概率、完成认知修正，对应变分最小自由能、负熵更新过程[24]。 

    认知不是看见就相信，而是先有先验模型，再 用观测修正认知。贝叶斯完整认知闭环由自身对 物理世界生成的内部模型（在初始认知核基础上 的记忆）和感官（传感器采集外部真实信号）进行匹配计算，结合先验与观测，更新对世界的判断， 完成一次认知推理[27]。预测误差即后验概率，等 同认知的不确定性−信息自由能。当内置先 验模型预测结果与真实观测出现偏差，推理就会 缩小预测误差（降低自由能），更新内部模型，修 正认知；也可主动推理，即通过行为改变外部环 境，让观测匹配自身预测，同样实现自由能最小 化。而如果观测与先验出现巨大偏差（高自由 能），系统可通过重构内部模型，完成新知识涌 现，如联想驱动的创造模式和假说驱动的发现模 式[25]。

   在物理层面，变分自由能是热力学自由能的认知镜像。热力学自由能刻画物质、能量层面系统的无序度；在认知层面，认知变分自由能等同后验概率，刻画认知的预测误差，系统通过贝叶斯推理降低信息熵；二者数学结构完全相同，最小化信息自由能即贝叶斯优化，等价于系统完成熵减、维持耗散有序，实现物理底层的热力学与认知上层推理的统一[12,17]。 

    无论是人脑神经突触重塑，还是深度学习反 向传播调权重，底层目标都是持续降低变分自由 能；通过自组织，反复贝叶斯迭代形成稳定内部 模型−新的思维软构体，依靠负反馈抑制误差 放大，避免系统认知崩溃[27]。

    热力学是所有智能的底层物理底座，贝叶斯 推理是所有智能系统的上层认知语言；碳基、硅 基系统只是载体不同，但都通过贝叶斯推理最小 化自由能，对抗热力学熵增；贝叶斯推理不是人 类独有的思维方式，而是开放耗散系统演化到一 定复杂度后，必然涌现的最优思维机制，机器大 模型、类脑网络的训练，本质就是大规模变分贝 叶斯优化[24]；具身智能会以最小化变分自由能的 贝叶斯推理为目标，兼顾算力能耗（热力学约束） 与认知精度（贝叶斯推理目标）[21]。联想驱动的 创造模式和假说驱动的科学发现认知模式，本质 是贝叶斯更新过程−先建立理论先验，再用实 验观测修正模型。因此，热力学自由能原理可以 解释工程师和科学家持续探索未知的底层动力[25]。 

    自适应是思维软构体从简单走向复杂、智能从低级迈向高级的过程。演化的本质，都是系统依托与外界交互，完成自组织重构、优化网络链路、迭代思维软构体、提升与物理环境的适配能力的过程，也是系统持续优化自由能的过程[14]。 通过形成低能耗的行为与思维习惯，逐步淘汰高 能耗的无效认知。学习后形成经验不再重新费力思考，是演化出的能效最优状态，这就解释了为什么“基于记忆驱动的经验模式”是最常用的认知 模式，它是自组织系统结合最小自由能原理的演化结果[20]。 

    演化分为物种先天演化与个体后天自组织两大阶段。数十亿年自然选择为新生儿脑搭建了初始认知核，初始认知核在个体成长过程中又依靠试错、积累、学习、实践，不断重构神经网络与思维软构[8]。而在认知机器中，“他组织”在先，所有基础设备、设施和软件，包括初始认知核在内，对应物种先天的演化结果，后天的学习、实践、再学 习、再实践，复刻了生物认知的抽象、联想和交互的过程，自我成长，在和物理世界交互中持续迭代认知模型，在认知螺旋中，或遗忘或生成思维软构体，体现了自组织的物理过程，是复杂自组织系统演化的共性现象[18]。例如，依托物质、能量、结构和时间构造的清洁领域专用机器人，20年前还是玩具，10年前力气不大，普遍智障，现在认知觉醒，整体功能已经脱胎换骨，能扫地、能拖地、能避障，强吸力、低噪音、自清洁；可交互、会学习、自成长；能听懂主人意图、会聊天，能理解复杂指令，普遍搭载大模型语音，自然语言对话，上下文关联设置，允许方言和模糊语料训练；可学习室内环境，第一次清扫建图后，能够自动识别家具、地面材质、常见障碍物，家具移动、新增杂物会自动更新地图、调整禁区。学习主人清洁习惯，学习避障，越用越不卡，越用越智 能，自成长，持续进化，可以本地自优化，每次清扫后自我复盘，哪里漏扫、哪里耗时、哪里清洁效果差，自动优化下一次的路径和参数。还可以像手机一样远程升级，更新功能。专用领域机器人和无人驾驶车的演化发展、落地民生之快，展现出百花齐放的局面，这是很多人始料不及的[16]。

支持单位：