预测是循环的起点。系统基于当前的世界模型 U(s) ，生成对未来观测的预期 q(o) 。这一预期不是单一的确定性预测，而是概率分布——它编码了系统对自身不确定性的认知。预测的物理实现是多尺度全息映射的前向展开：快层预测即时变化，慢层预测长期趋势，中间层协调二者的耦合。

    观测是循环的触发。当实际观测 o 到来时，系统计算预测误差（惊讶）——即自由能的增加量。如果观测与预测一致，自由能降低，系统的模型得到强化（全息映射锁定更加稳定）。如果观测与预测不一致，自由能升高，系统进入"修正"模式。

    修正是循环的核心。系统通过调整内部结构（神经连接的权重、化学反应的速率、基因表达的模式）来降低自由能。在活性算法中，修正不是梯度下降，而是有限振幅的解析延拓：系统将发散的预测误差通过临界全息映射重新分配到各个尺度上，寻找能够吸收这一误差的最小结构变化。这种修正是"局部但多尺度的"——它可能涉及单个分子的构象变化，也可能涉及整个网络拓扑的重塑。

    探索是循环的延伸。当系统陷入自由能景观的局部极小值时，修正无法进一步降低惊讶。此时，系统通过引入噪声（神经元的随机放电、突触的自发释放、基因的随机突变）来"扰动"自身，试图跳出局部极小值，寻找更深的自由能谷。探索不是盲目的搜索，而是"有指导的随机性"——噪声的强度由系统当前的临界态参数自动调节，确保系统始终处于"刚好能够逃逸"的边缘。

支持单位：