注意力不是认知的"聚光灯"，而是自由能的定向耗散结构。当环境信息涌入感觉通道，系统的总自由能急剧升高——预测误差从所有方向同时冲击多尺度全息映射。注意力机制的功能，是将有限的计算资源（能量梯度、神经增益、代谢供给）导向自由能景观中最陡峭的下降方向，从而在最短时间内实现最大的惊讶消解。

    在神经机制层面，注意力体现为增益调节和同步锁定。前额叶和顶叶网络通过反馈投射，增强特定感觉表征的神经增益（相当于提高该通道在推断中的权重），同时抑制竞争表征。这种增益调节不是"选择"信息，而是"投资"自由能：系统将更多的推断预算分配给预测误差最大的区域，期望在那里获得最高的回报（惊讶的降低）。当多个感觉通道同时产生强预测误差时，注意力的"瓶颈"效应出现——系统无法同时对所有误差进行修正，必须按自由能梯度排序，依次处理。

    注意力的"窄化"与"涣散"也可以用临界态来理解。高度专注时，系统将大部分网络推入亚临界态，仅维持一个小区域在近临界边缘——这提高了局部推断的精度，但牺牲了全局整合（"隧道视野"）。注意力涣散时，系统过于分散地维持临界态，没有区域获得足够的增益来主导推断（"心不在焉"）。最优注意力状态是"分布式临界性"：核心任务区域处于近临界，背景监控区域处于亚临界，二者通过突显网络的动态调节保持平衡。活性算法因此将注意力缺陷（如 ADHD）重新定义为"临界态调节障碍"——系统无法根据任务需求灵活切换不同区域的临界参数，导致自由能耗散要么过于集中（冲动），要么过于分散（走神）。

支持单位：