感知方程及其潜在应用

摘要

本文讨论一种关于感知的动力学解释。系统的状态变量 x 相对于零状态发生偏移，外界扰动 U(t) 推动偏移建立，而恢复项 −γx 不断消解偏移。没有扰动时，x 自发趋零；持续扰动存在时，系统可能被维持在非零状态。我们把这种固有恢复倾向称为“趋零意志”，把扰动作用下形成的非零响应称为“屈服”，并将偏移 x 解释为系统对于扰动的动态感知。

dxdt= −γx + U(t)， γ > 0

这一数学结构是经典的一阶线性稳定系统。本文关注的是“趋零意志—扰动—屈服—感知”的解释，以及它在力学、神经信息处理、人工智能、控制和其他响应系统中的潜在用途。跨领域对应是一种建模思路，是否成立仍需由具体变量定义和实验检验决定。

关键词：感知方程；趋零意志；扰动响应；偏移；指数记忆；本征状态

一 感知方程及其变量

感知方程由两种竞争趋势组成：恢复项 −γx 把状态拉回零点，输入项 U(t) 则推动状态改变。x(t) 表示相对于参考状态的有符号偏移，γ 表示恢复速率，U(t) 表示外界输入在状态变化率中的作用。γ 的量纲为时间的倒数，U 的量纲与 dx/dt 相同。

这里的零状态是选定的参考状态。在本文解释中，可称之为本征状态；它不要求物体在空间中静止。如果实际参考状态是非零量 y₀，则可以用 x=y−y₀ 描述偏移。选定参考状态后，必须检验该偏移是否确实遵循上述动力学。

二 趋零意志

当外界扰动为零时，方程退化为纯恢复过程。若初始时刻为 t₀，则有

dxdt= −γx， x(t) = x(t₀)e^{−γ(t−t₀)}

由于 γ>0，任意有限初始偏移都会渐近趋零。正偏移减小，负偏移增大，两者都向零点靠近。因此，“趋零意志”指的是动力系统固有的稳定演化方向，不是心理意义上的主观意志。

这一点还可以用偏移平方说明：无扰动时，偏移平方的变化率为负，除零点以外，偏移的大小持续减小。

d(x²/2)dt= −γx² ≤ 0

三 扰动下的屈服

系统具有趋零趋势，但外界作用可以使它无法保持在零点。以恒定扰动 U(t)=U₀ 为例，实际状态向恢复作用与输入作用相互平衡的位置演化：

x(t) =U₀γ+ [x(t₀) −U₀/γ]e^{−γ(t−t₀)}

x* =U₀/γ， γx* = U₀

若 U₀≠0，最终状态 x* 就不为零。系统本欲趋零，却在持续扰动下不得不作出屈服。这种屈服是恢复机制与外界输入共同决定的响应，并不意味着恢复机制消失。在稳态下，恢复项仍在起作用，只是恰好被输入抵消。

对时变扰动，屈服态通常也随时间变化，不必达到固定平衡；有符号输入的相互抵消还可能使 x 瞬时经过零点。因此，U≠0 并不要求每一时刻都满足 x≠0。

四 偏移即感知

如果零点代表本征状态，那么 x≠0 就代表偏离本征状态。在本框架中，我们进一步把扰动所形成的偏移解释为系统对于扰动的感知：

x(t) = 偏移量 = 动态感知量

U(t) 描述外界怎样作用于系统；x(t) 描述系统内部由此形成了怎样的状态。感知由输入与恢复性质共同决定。对于相同的恒定 U₀，γ 较大时稳态偏移较小，γ 较小时稳态偏移较大。γ 同时影响响应速度和稳态幅度，这两种作用都应考虑。

这里的“感知”是广义动力学响应，不自动等同于意识或主观体验。其强弱若以 |x| 衡量，x 的正负则保留偏移方向。非零 x 也可能来自初始偏移，或来自已经撤去的历史扰动；仅凭当前 x≠0，不能断定当前 U≠0。

五 感知具有历史记忆

对一般的时变输入，方程的完整解为

x(t) = x(t₀)e^{−γ(t−t₀)}+∫_t₀^te^−γ(t−s)U(s) ds

第一项是初始状态的残留，第二项是历史输入的累积响应。越久以前的输入，其权重越小。若初始时刻足够早且积分收敛，则可以写成

x(t) =∫_−∞^te^−γ(t−s)U(s) ds

因此，当前感知是过去输入经过指数衰减后的加权累积。它具有记忆，但记忆会逐渐消退。恢复时间与记忆时间由同一尺度规定：

τc =1/γ

经过一个 τc，无输入条件下的残留偏移降至原值的约 36.8%。指数恢复通常在有限时间内不会严格达到零点，实际的“归零”可以用测量精度或指定容差定义。

六 感知的建立 维持与消散

从零状态开始施加恒定输入 U₀，偏移会逐步建立；持续输入使其趋向非零稳态；输入撤去后，偏移又按同一恢复速率衰减。若输入从 t=0 持续至 t=T，且 x(0)=0，则

0 ≤ t ≤ T： x(t) =U₀/γ[1 −e^−γt]

t > T： x(t) = x(T)e^−γ(t−T)

这一过程把“趋零意志—扰动下屈服—感知建立—扰动撤去—感知消散”联结起来。非零稳态需要持续输入维持，而撤去输入后的非零状态代表尚未消散的历史响应。

七 在力学中的潜在应用

在本征力学的表述中，F=m(a−α)，其中 a 是实际加速度，α 是本征加速度。偏移 a−α 用来刻画实际运动相对于本征运动的偏离。感知方程提供一个可以研究的动态补充：这一偏离如何建立、维持以及恢复。

F = m(a − α)， x ∝ a − α

这种联系还需要明确 x 是加速度偏移、应变、传感器输出还是其他响应变量，并确定 U 与施加作用之间的关系。力的定义本身并不能推出指数恢复规律；质量 m 和比例关系固定时，只有偏移确实服从感知方程，才能得到相应的力恢复过程。

一个可行的检验是对传感器或接触系统施加持续载荷，再撤去载荷，测量输出建立与恢复的时间曲线，检验同一 γ 能否同时解释这两个阶段。

八 在神经和感觉系统中的应用

神经信息处理中，“输入积累与泄漏衰减”可以用一阶模型描述。例如令 x 表示相对于静息水平的膜电位偏移，输入经过适当比例换算后可记作 U(t)，则感知方程构成泄漏积分模型的连续响应部分。若要描述放电，还需加入阈值、重置等机制。

对于人的感觉，必须区分响应建立与持续刺激下的适应。原方程在恒定刺激下趋向 U₀/γ，若从零开始，响应单调上升；它不能单独解释“刺激始终不变，感觉却逐渐减弱”的现象。

若要描述气味或视觉适应，可另设一个慢变量 a 表示对刺激背景的适应，使有效输入取决于刺激与背景的差。例如

dx/dt = −γx + k[S(t) − a(t)]， da/dt = β[S(t) − a(t)]

其中 S 是实际刺激，γ、β>0。持续刺激下，a 逐渐跟随 S，有效输入减弱，响应可回落。这是对原方程的扩展，不能把它当作原方程已经包含的性质。

九 在人工智能中的潜在应用

在 AI 中，x 可以表示连续时间的内部记忆状态，U 表示经过编码的新输入。恢复项不断淡化旧信息，输入项不断写入新信息，于是得到指数记忆机制。采用多个不同 γ 的状态，可以并行保留不同时间尺度的信息。

dxᵢ/dt = −γᵢxᵢ + Uᵢ(t)， τᵢ = 1/γᵢ

对于采样间隔 Δt 内保持不变的输入 Uₖ，方程的精确离散更新为

x_k+1=e^−γΔtx_k+(1 −e^−γΔt)/γU_k

这种结构可用于事件流累积、短期状态记忆和传感数据平滑。但一阶状态的表达能力有限，不能仅凭该方程保证复杂语义理解、长期精确记忆或智能性能提升。应用价值需要在具体任务中与合适的基线比较。

十 在控制与信号处理中的应用

在零初始条件下，输入 U 到输出 x 的传递函数为

H(s) =1/(s + γ)

它是一阶稳定低通系统：缓慢输入更容易被保留，快速变化的输入受到抑制。但平滑伴随响应延迟，γ 的选择需要在噪声抑制与变化跟踪之间权衡。该形式也不是完整的反馈控制器，控制任务还需明确被控对象、测量与反馈关系。

若希望输出在稳态下与输入信号 u 同量纲且具有单位增益，可取 U=γu，并令 y=x，则有

dy/dt = −γy + γu(t)， H(s) =γ/(s + γ)

这种归一化形式便于用于传感器滤波、机器人状态平滑和趋势提取，也避免把恢复速率变化造成的幅度变化误当作信号强弱变化。

十一 在生物稳态中的潜在应用

若 x 表示某种物质浓度，U 表示输入或产生速率，γx 表示与浓度成正比的清除速率，方程就成为简单的“产生—清除”模型。恒定输入产生稳态浓度，输入停止后浓度指数下降。

这一对应适用于线性清除近似有效的情形。若存在清除饱和、多个交换区室、反馈调节或时变参数，就需要扩展模型。此处的“感知”是对内部响应的统一解释，具体实验中的可观测量仍是浓度或其他生理状态。

十二 在心理和社会系统中的潜在应用

某些注意、情绪影响和公共关注度可以先用输入累积与自然消退的结构建模。外部事件形成 U，内部响应或关注度形成 x；没有新输入时，模型预言响应指数衰减，连续输入则维持非零水平。

这是待检验的近似。自激传播、群体互动、阈值与多时间尺度可能使实际轨迹偏离单指数模型。对于非负关注度，应使用相应的非负变量与输入；对于有方向的心理偏移，则需保留 x 的符号。

十三 感知方程的统一图景

不同领域可以共享同一动力学结构，但变量必须各自明确。U(t) 是推动状态变化的外部输入；x(t) 是相对于参考状态的偏移，也是本文定义的动态感知；−γx 是趋零机制；γ⁻¹ 是恢复或记忆时间。

因此，本文的核心命题是：系统具有趋向稳定参考状态的内在倾向，外界作用迫使它偏离，而这种由作用形成并保留在内部的偏移，可以被解释为对外界的动态感知。对具体系统而言，这一解释是否有预测能力，取决于变量对应和恢复规律能否得到测量支持。

十四 从线性感知走向一般感知动力学

现实响应可能具有非线性、饱和、阈值、迟滞或振荡。可将原方程推广为

dx/dt = −G(x) + f[U(t)]

为保留趋零性质，应要求 G(0)=0，并在所研究范围内使 xG(x)>0 对 x≠0 成立；还需满足保证解存在等必要条件。若引入惯性，可以采用二阶模型：

d²x/dt² + c dx/dt + kx = U(t)， c > 0， k > 0

二阶模型可出现超调或振荡，其输入的量纲与一阶模型不同，需要重新定义。进一步的扩展应由观测到的响应特征决定，不能只凭数学形式相似就断言不同系统具有相同机制。

十五 结语

感知方程把恢复倾向与外界作用放在同一个动力学框架中。x 具有趋零意志，但在持续扰动 U 的作用下不得不作出屈服。屈服形成的非零状态既是对于本征状态的偏移，也是对于扰动的动态感知。扰动撤去以后，这种感知作为历史响应继续存在，并逐步消散。

因此，“感知就是扰动在系统内部留下的动力学偏移”可以作为本文的核心表述。它为力学响应、神经信息处理、AI 记忆和其他恢复系统提供一种共同的建模语言。方程的数学形式是经典的；这一解释的研究价值，需要通过明确的变量定义、可测量预测和独立实验进一步建立。

支持单位：