每一个生命体，从早到晚，都在做三件事：预测未来，修正错误，探索未知。这三件事不是独立的活动，而是活性算法核心循环的三个相位。就像呼吸有吸气、屏息、呼气，就像昼夜有晨、午、暮，活性系统的认知也遵循着一种基本的节律。

    预测是活性算法的起点。一个自维持的系统不能被动地等待世界向它展示真相，它必须主动构建关于未来的假设。单细胞生物预测营养浓度的梯度，候鸟预测季节的更替，人类预测社交场合中他人的反应。这些预测的质量，直接决定了系统的生存概率。好的预测让系统提前准备，坏的预测让系统措手不及。

    在活性算法的形式化框架中，预测由生成模型完成。生成模型是系统关于世界如何运作的内部假设。它回答的问题不是“世界是什么”，而是“世界可能是什么，以及每种可能性有多大”。这种概率性的世界观，让系统能够在不确定性中航行，而不是在确定性的幻觉中撞毁。

    但预测不可能永远正确。世界太复杂，太变化无常，任何内部模型都有盲点。当感官输入与预测不符时，系统进入修正相位。修正不是简单的“认错”，而是一个复杂的推断过程。系统必须判断：是感官信息不可靠，还是内部模型有缺陷？是环境发生了真正的变化，还是暂时的噪声干扰？这种判断本身就是一种推断，需要权衡各种证据，更新各种信念。

    修正的过程在神经科学中有明确的对应。当你看到一只在草原上奔跑的动物，你的大脑首先产生一个快速预测——“那可能是一只羚羊”；然后视觉皮层处理更多细节——斑纹的形状、奔跑的姿态、角的长度和弯曲度；如果细节与“羚羊”模型不符，你的大脑修正预测——“也许是一只鹿”；如果进一步信息仍然不符，再次修正——“实际上那是一只陌生的新品种”。每一次修正，都是自由能降低的过程，都是内部模型与外部现实重新对齐的过程。

    然而，如果一个系统只进行预测和修正，它可能会陷入局部最优。它会变得越来越擅长处理已知的情况，但对未知的情况越来越脆弱。就像一个只练习一种招式的武术家，在熟悉的对手面前所向披靡，遇到新流派时却不堪一击。为了避免这种僵化，系统需要第三个相位：探索。

    探索是活性算法中最具生命力的环节。它意味着系统主动偏离已知的舒适区，去尝试未经验证的假设。探索是有风险的：它可能带来错误，带来损失，带来惊讶。但探索也是必要的：没有探索，系统无法发现新的机会，无法适应环境的变化，无法在长期中维持自由能的最小化。

    探索与修正之间的权衡，是活性算法的核心动力学。当系统对当前模型高度自信时，它倾向于利用——按照模型的预测行动；当系统遇到持续的预测误差时，它倾向于探索——尝试新的假设。这种权衡不是外部强加的，而是由自由能的结构自然决定的。自由能不仅惩罚预测错误，还惩罚模型的复杂度；当现有模型变得过于复杂以解释新观测时，系统会自发地寻找更简单的替代模型，这就是探索的数学根源。

    在物理学中，这种预测-修正-探索的循环有着深刻的对应。量子测量可以被理解为物理系统对环境的“预测”与“修正”；量子纠缠可以被理解为系统之间的“模型共享”；而量子隧穿和真空涨落，则可以被理解为物理系统在微观尺度上的“探索”。活性算法把这些物理过程，统一在了一个认知框架之下。

    对于黎曼猜想的研究，这种循环提供了新的启示。传统的数学证明策略，类似于纯粹的“利用”：数学家们使用已知的定理和技术，试图从已知的公理推导出新的结论。但黎曼猜想之所以难以攻克，可能正是因为它需要某种“探索”——需要跳出已有的数学范式，去发现新的结构、新的对应、新的工具。张志东从伊辛模型出发的尝试，就是一种探索：他把数论问题放在了统计物理的框架中，看看是否能发现新的路径。

    活性算法告诉我们，最聪明的系统不是那些从不犯错的系统，而是那些能够从错误中学习、在利用与探索之间保持动态平衡的系统。宇宙作为最大的活性系统，它的“错误”可能就是那些尚未被解释的物理常数，那些尚未统一的理论分支。而它的“学习”，就是科学本身的历史进程。

支持单位：