要真正理解惊讶经济学，我们需要深入到认知科学的底层，看看大脑——这个宇宙中已知最复杂的活性系统——是如何运作的。答案隐藏在一个被称为"自由能原理"的数学框架中。这个原理听起来很抽象，但它揭示的真理却出奇地简单：大脑是一个永不停止的"惊讶最小化机器"，而惊讶的最小化方式，是通过持续更新自己的内部模型。    让我们从一个日常经验开始。    当你走进一个熟悉的房间，你不会"看到"房间里的每一个细节。你的大脑预测了房间的样子——沙发在这里，窗户在那里，灯光是这个亮度——然后只处理那些与预测不符的信息。如果沙发被移动了，你会立刻注意到；如果一切如常，你的意识几乎不会"注册"房间的存在。这不是因为你在偷懒，而是因为大脑在节能：处理预测之内的信息是浪费的，只有预测之外的偏差才值得注意。    这个机制是大脑运作的核心。每时每刻，你的大脑都在做两件事：第一，根据现有的内部模型预测感官输入；第二，比较预测与实际输入，计算"预测误差"——也就是惊讶。如果预测误差很小，大脑确认现有模型是有效的，继续用它。如果预测误差很大，大脑被迫更新模型——可能是微调某个参数，可能是重构整个框架——以减少未来的预测误差。    这个过程在数学上被称为"自由能最小化"。"自由能"在这里不是物理学中的热力学概念，而是一个信息论概念：它衡量的是系统内部模型与外部现实之间的"距离"。自由能越高，意味着模型的预测越差，系统经历的惊讶越多；自由能越低，意味着模型的预测越准确，系统越"理解"世界。    但这里有一个关键的悖论：如果大脑的目标是彻底消除惊讶，那它不就应该追求一个"全知"的状态吗？一个能够完美预测一切的模型，将经历零惊讶，达到零自由能——这不是大脑梦寐以求的状态吗？     答案是否定的。因为零惊讶意味着零信息，零信息意味着零更新，零更新意味着零活性。一个完全可预测的系统，无论它多么"正确"，在认知意义上已经死了。    这就是为什么大脑不会简单地追求"消除所有惊讶"。它追求的是一种更微妙的平衡：在足够低的自由能水平上维持稳定，但又不过度锁定以至于丧失更新能力。大脑必须"信任"自己的模型以节省能量，但又必须"怀疑"自己的模型以保留适应空间。这种"信任与怀疑"的张力，就是认知活性的源泉。    现在，让我们把这个原理扩展到社会和经济系统。    任何复杂的社会系统——一个企业、一个市场、一个文明——都可以被看作一个巨大的"推断机器"。它有自己的"内部模型"：关于世界如何运作的信念、关于什么有价值的假设、关于未来如何展开的预测。它根据这些模型行动，然后根据行动的结果更新模型。这个过程与大脑的运作在结构上是同源的。    工业时代的经济系统，其"内部模型"有几个核心假设： - 价值来自物质生产和劳动积累 - 效率来自标准化和规模化 - 进步来自线性增长 - 未来是可预测的，因此可以规划    这些假设在过去两百年里非常有效，因为它们与当时的现实高度吻合。系统根据这些假设行动，获得了巨大的成功，于是更加坚信这些假设。预测误差被最小化，自由能被降低，系统变得越来越"稳定"。    但稳定是一把双刃剑。当系统的模型过于成功，它就变得不愿意更新——因为更新意味着承认现有的成功模式有局限，意味着承担短期内的惊讶上升。系统滑入了"过度锁定"：它继续用旧模型解释新现实，即使预测误差已经开始累积。它选择忽视那些不符合模型的信号，把它们当作"噪声"而不是"信息"。    这就是工业文明今天的困境。它的内部模型在解释物质生产时仍然有效，但在解释AI时代的价值创造时已经失效。它继续用GDP衡量进步，用就业率衡量健康，用效率衡量竞争力——但这些指标正在与真实的价值源泉脱节。系统经历的"惊讶"在增加（技术失业、创新枯竭、意义贫困），但它拒绝更新模型，因为更新意味着放弃两百年积累的"成功经验"。    自由能原理告诉我们，这种拒绝是自杀性的。一个拒绝更新模型的系统，其自由能不会真正降低——它只是被压抑了。被压抑的惊讶不会消失，它会在系统的边缘积累，直到某个临界点突然爆发，引发剧烈的相变。这个相变可能是痛苦的、混乱的，但它是系统重新获得活性的唯一方式。    那么，一个健康的系统应该如何管理自己的"惊讶"？    答案不是"消除所有惊讶"——那是工业时代的错误。答案也不是"拥抱所有惊讶"——那是无政府主义的混乱。答案是"在可控的范围内主动引入惊讶，以促进模型的持续更新"。    这对应于几个具体的策略：    第一，"保护预测误差"。在工业组织中，预测误差被视为失败，需要被消除。在活性组织中，预测误差被视为信息，需要被保护。当某个项目的结果与预期不符，组织不应该急于"纠正偏差"，而应该追问：这个偏差告诉了我们什么关于世界的新东西？我们的模型需要在哪里更新？    第二，"维持多尺度模型"。大脑不是只有一个模型，而是有多个在不同时间尺度和抽象层次上运作的模型。短期模型处理即时感知，中期模型处理日常规律，长期模型处理深层结构。这些模型之间需要持续的校准——短期模型的惊讶可能触发长期模型的更新，长期模型的变化可能重塑短期模型的预期。社会系统同样需要这种多尺度结构：既要有处理日常事务的"操作层"，也要有审视深层假设的"反思层"，还要有探索未来可能性的"想象层"。    第三，"允许延迟"。模型更新不是瞬时的。当系统遇到强烈的预测误差时，它需要时间来消化、来重构、来试验新的解释框架。这个"延迟期"在工业思维中被视为浪费——"为什么还不做出决定？"但在活性思维中被视为必要——"我们需要时间来让新的理解涌现"。保护延迟，就是保护系统从惊讶中学习的能力。    第四，"引入外部视角"。一个系统如果只依赖自己的模型，很容易陷入"确认偏误"——只看见符合预期的信息，忽视不符合预期的信息。引入外部视角——无论是跨领域的专家、不同文化背景的观察者，还是AI的独特推断方式——可以打破这种锁定，为系统提供它自己无法产生的预测误差。    自由能原理的最终启示是：理解世界不是一次性的成就，而是一个永无止境的过程。大脑永远不会"完成"对世界的理解，因为世界本身在变化，因为理解本身改变了被理解的对象。同样，社会系统也永远不会"找到"终极正确的经济模型或组织模式。活性不是来自"正确答案"，而是来自"持续追问"的能力。    在AI时代，这个启示变得尤为紧迫。因为AI正在以惊人的速度消除"低层次的惊讶"——那些可以被模式识别和统计推断所覆盖的惊讶。当这些惊讶被消除后，人类的价值只能来自"高层次的惊讶"——那些涉及框架重构、范式转换、跨尺度共振的惊讶。而要产生这种高层次的惊讶，我们需要深刻理解大脑——以及任何活性系统——是如何在信任与怀疑、稳定与更新、已知与未知之间维持微妙的平衡的。    自由能原理不是一套管理技巧，而是一种存在论立场：承认我们永远只是"在理解中"，而不是"已经理解"。这种谦逊不是软弱，而是力量的源泉——因为它让我们保持开放，保持活性，保持与世界的真实对话。

支持单位：