将胡塞尔现象学映射到主动推理

将胡塞尔现象学映射到主动推理

Mahault Albarracin1，2*、Riddhi J. Pitliya1，3*、Maxwell J. D. Ramstead1,4，4和Jeffrey Yoshimi5

美国加利福尼亚州洛杉矶市1 VERSES研究实验室，邮编:90016

2蒙特利尔魁北克大学，蒙特利尔，加拿大魁北克

3英国牛津大学实验心理学系

4英国伦敦WC1N 3AR伦敦大学学院惠康人类神经成像中心

美国加利福尼亚州默塞德市莱克路5200号，默塞德市，加利福尼亚大学，邮编:95343

*这些作者作为第一作者做出了同等贡献。

这些作者与上一批作者贡献相同。

抽象。现象学是对意识经验的严格描述性研究。最近试图将胡塞尔现象学形式化的尝试为我们提供了一个感知作为先验知识和期望的函数的数学模型。在本文中，我们通过主动推理的视角重新审视了胡塞尔现象学的要素。这样做，我们的目的是推进计算现象学的项目，正如主动推理的支持者最近概述的那样。我们认为胡塞尔对意识描述的关键方面可以映射到与主动推理方法相关的生成模型的各个方面。我们首先简要回顾主动推理。然后我们讨论胡塞尔的现象学，重点是时间意识。最后，我们提出了从胡塞尔现象学到主动推理的映射。

关键词:现象学主动推理计算现象学

自然化现象学时间意识

1介绍

近年来，尝试形式化第一人称意识体验的结构和内容的工作重新兴起，利用数学和计算技术来帮助模拟意识体验[1]–[4]。这个项目最近提出的一个版本，称为“计算现象学”，利用最初在计算神经科学和理论神经生物学中开发的生成建模技术来形式化和建模意识体验的结构和内容[5]。

本文旨在通过将胡塞尔现象学所描述的意识经验结构的核心要素映射到主动推理框架的结构中，为计算现象学项目做出贡献，

并且具体地，涉及支持该公式的生成模型的组件。使用主动推理对有意识的第一人称体验进行计算建模将有助于了解主观个体体验和主体间体验，这可以用于更好地理解构成正常和异常行为的因素。我们从主动推理和生成建模的简要概述开始。然后，我们回顾胡塞尔现象学的一些核心要素，重点是时间意识，借鉴胡塞尔在[6]中提出的形式化。我们认为，我们可以使用积极推理的生成模型来表示这些现象学结构。这样做，我们的目标是推进计算现象学的议程，并朝着该方法的工作实例迈出第一步。

2主动推理综述

鉴于本文的预期读者，我们将只简要回顾主动推理。在最广泛的意义上，主动推理是贝叶斯力学中自由能原理的一个推论。主动推理是一种过程理论，可用于对任何物理上可分离、可重新识别的事物或粒子进行建模，即，在某个可感知的时间尺度上，任何作为状态或路径的连贯轨迹存在的事物。主动推理描述了事物的动态(即，可观察到的行为)，如此定义为最小动作的路径，其中动作被定义为称为自我信息的信息理论量的时间或路径积分，或更简单地，惊奇[7]-[11]。这个量在贝叶斯推断中也被称为负对数证据。这意味着最少行动的路径最大化模型证据——一种有时被称为自证的规范性行为[12]。在主动推理的许多实际应用中，我们不直接考虑惊奇，因为它通常在计算上难以处理，因为它需要对潜在的无限数量的状态进行平均。相反，我们考虑一个称为“变分自由能”的上界。这种变化的自由能测量预期的观察或数据之间的差异，给定它们如何产生的概率(生成)模型，和获得的数据。直观地说，这种想法是贝叶斯力学描述的任何实体都维护一个模型，该模型的预测往往会随着时间的推移而得到证实(它将惊讶的程度降至最低)。我们会看到，这种自证在胡塞尔的现象学中有着直白的解释。

在本文中更直接涉及我们的狭义上，术语“主动推理”指的是我们可以用来模拟和建模认知主体行为的一系列数学模型[14]，[15]。主动推理通常使用部分可观察马尔可夫决策过程(POMDPs)，或者(等价地)使用Forney式因子图[16]来实现。在主动推理中，行动-感知循环，通过它，主体参与到他们环境生态位的显著特征中，并参与到生态位的其他成员中，

被认为是实现了近似贝叶斯(变分)推理(参见[17]中有用的介绍)。因此，主动推理包括一组通常用代码实现的正式工具，用于建模与环境交互的代理的行为，作为一种推理形式。主动推理工具包允许我们对智能体行为的认知和实用规则进行建模:智能体采取行动来收集关于其环境的信息，并选择那些使其更接近特征状态的行动，这些特征状态可以被解读为异稳态或稳态设定点。在主动推理中，这些设定点——或吸引集——是根据给定的“事情的种类”，一个主体期望通过行动产生的感觉数据或结果的种类来定义的[9]。

主动推理是一种情境的或行动的生成建模，它不仅考虑如何对数据进行建模(即解释)，而且，至关重要的是，如何收集这些数据以服务于自证(参见[5]对其在现象学中的应用的回顾和讨论)。生成建模支持多种形式的数学建模和科学研究[5]，[18]。总体思路很简单。我们有一些感兴趣的数据，我们想用统计学方法解释这些数据；也就是说，我们想要了解数据的原因。因此，我们计算了生成该数据的过程的多个备选概率模型，并评估数据为每个模型提供的证据。在主动推理中，我们假设代理实现生成模型，并根据感官证据更新这些模型。这种建模策略假设代理只能通过感官状态采样来访问他们的环境。这些生成模型利用了主体对外部世界“隐藏”状态的信念，即，它们对主体对生成其感官数据的过程的了解进行编码[19]。因此，代理被建模为推断世界上的主要因果路径是什么，并通过利用这些推断来导航他们所面临的参与机会。通过近似贝叶斯(变分)推理[20]，基于新数据(即新观察值)不断更新先验信念。因此，主体对世界上“事物”的“经验”的当前“内容”是基于感觉数据而被推断的一组状态。

在主动推理中，行动被建模为一种自我实现的预言:代理预测他们在行动时将处于什么状态，然后通过在环境中实际行动来为这种预测生成证据[21]。行动本身是基于对可能的行动过程的信念而选择的，这些信念被称为“策略”。因此，策略是关于预期的行动顺序的信念，这取决于代理对世界的当前状态及其试图实现的目标的信念(根据首选观察指定)。在某种意义上，不同的政策是对预期的未来观察的信念的变化，取决于可能的行动过程。政策的价值是通过估计一个称为“预期自由能”的量来确定的，该量编码了每个政策将在多大程度上最小化意外，或者等效地，最大化关于优选结果的模型证据[22]。这取决于

一方面解决预期的意外(即不确定性)的程度，另一方面避免意外(即厌恶性)结果的程度。我们说，最优策略是为有机体的生成模型提供最多证据的策略(或者等价地，期望产生最少的自由能)。因此，策略的选择由该策略的期望自由能和代理的偏好驱动，允许代理进行目标导向的行为。

为了模拟一个代理，我们为它配备了表1所示的状态和参数，这些状态和参数可以由实验者事先指定，也可以基于真实数据学习[23]。在主动推理中使用的POMDPs中，对可观察数据(表示为o)和隐藏状态(表示为s)进行了区分[24]。给定一些状态获得的一些观察的概率由表示为A的似然矩阵描述；假设世界处于某种状态，这个矩阵的条目量化了观察到某些数据的概率。编码粒子或事物关于状态如何随时间相互转换的信念的参数是表示为B的矩阵，其中每个条目记录转换到某个状态的概率，假设系统先前处于某个其他状态。表示为C的向量对每个观察的偏好进行编码。关于状态出现的基本概率的先验信念由D向量描述，每个条目记录相关状态的先验概率。最后，E向量描述了政策选择的基线偏好。c用于计算变分自由能(F)和期望自由能(G)，分别用于感知推理和策略选择[25]。

在任何时间步，通过使用“向前”和“向后”消息传递来估计当前状态。转发消息从编码关于过去状态和观察的信念的节点传递到计算当前状态的节点；而反向消息根据策略选择，从编码关于未来状态和观察的信念的节点传递到计算当前状态的节点。为了澄清，代理不“体验”其生成模型的参数——编码在其A、B、C和D参数中。相反，这些参数保证了消息传递和信念更新；也就是说，在面对新的感官证据时，将先前的信念更新为后来的信念。如所指出的，在任何时间步，代理对世界中“事物”的“体验”的当前“内容”是由代理基于接收的感觉数据主动推断的一组状态实现的。

3胡塞尔现象学概述

我们现在回顾胡塞尔对时间意识和意向性的现象学描述，以及它们是如何构成经验对象1的。我们在哲学中常见的技术意义上使用“现象学”，指的是一种一般的描述性方法，用于研究主体或代理人(或所谓的“稳定认知者”)的第一人称意识体验的结构和内容[27]。我们在这里关心的是现象学，正如它的创始人埃德蒙德·胡塞尔所阐明的那样，他把现象学描述为试图提供第一人称经验结构的严格描述。

我们主要关注胡塞尔对时间意识的解释[30]–[33]。对胡塞尔来说，意识表现出一种我们可以称之为“时间厚度”的东西，这是感知任何物体的可能性的最终条件。胡塞尔的描述性分析表明，时间意识的核心结构是三重的，包括他所谓的“原始印象”、“保留”和“保护”，这些核心结构使他所谓的意识中对象的“构成”成为可能(即，它们对经验主体的揭示)。

最初的印象对应于当下的经历。假设一段音乐响起，或者你绕着一棵橡树走。旋律中当前感知的音符，或橡树的当前视觉体验，对应于原始印象。在这些情况下，有一个额外的结构通知原始印象:胡塞尔所谓的hyletic数据，或hyle(来自希腊单词物质，或东西)。hyle对应于我们对旋律和橡树的感觉，它们是在我们之外的世界中真实发生的——一种我们无法通过意志行为改变的原始存在。然而，我们并没有直接体验到hyle。它们告诉我们最初的印象，但不是这些印象的字面成分。我们所经历的旋律和橡树既反映了我们自己对这些事物的“自上而下”的理解，也反映了它们的“自下而上”

1在本文中，我们将从一个复杂的领域映射到另一个复杂的领域:主动推理是一个复杂且不断发展的领域，胡塞尔奖学金也是如此[26]。在胡塞尔学术中，我们不可避免地依赖于现有的解释，而这些解释是学术争论的主题。这是这幅地图的初步草图，我们的目标是在以后的工作中丰富它。例如，在下面讨论的主动推理中，有许多潜在的保持和保护的相关性，需要进一步的工作来清楚地描述它们。

2我们在这里将不关心伴随现象学自然化而来的棘手问题[3]。有关综述，请参见[5]、[28]、[29]。

3在这一点上，胡塞尔与他那个时代的其他哲学家是一致的，包括詹姆斯[34]和柏格森[35]，[36]。胡塞尔对时间意识的解释的许多来源和先例的详细历史分析是[37]。

存在。因此，我们最初的印象是原始存在和解释的混合物。

最初的印象在意识流中被“时间化”。更具体地说，被解释的遗传数据被格式化为保留和保护。保留是对我们现在意识中过去的原始印象内容的“仍然活着”的保存。在旋律的情况下，一个人仍然意识到刚刚被敲击的音符，正如一个人听到现在的音调一样。一个保护对应于我们对旋律中接下来会发生什么的感觉。它们共同产生一种时间深度或厚度，这是体验一段旋律的可能性的条件，而不是一系列不连贯的音符。

胡塞尔的保留和保护不是明确的表示。它们是经验的时间厚度的隐含的、直接的组成部分，可以与记忆的过去事件(胡塞尔称之为“回忆”)和明确预期的未来事件的明确表示形成对比；其中某个事件发生在一系列(可能是嵌套的)生活经历中。记住一个重要的生活事件，或期待一些计划好的未来事件，它们本身是在持续的过程中经历的心理行为，具有它们自己的时间深度(因此，随着明确回忆的展开，与回忆的时刻相关的保持和保护也展开)。

在时间意识中展现的经验告知我们理解世界的方式——它们“构成”我们对世界的感觉。特别是，保护是对下一刻会发生什么的默认预期或期望。当接下来实际发生的事情与我们的预期一致时，我们会有成就感。当发生的事情与我们的预期不一致时，我们会感到沮丧或惊讶(这些是胡塞尔的术语；与保留和保护一样，它们并不意味着明确或集中的意识。因此，我们对时间上延伸的对象的体验存在于一系列的预期和这些预期的实现/挫折中[39]。因此，我们内在的时间意识的核心在于一个动态的过程，在刚刚经历的基础上，预测接下来将要经历的事情。

胡塞尔认为，随着时间的推移，记忆逐渐消失并“沉淀”，通知我们对世界的理解。履行或受挫的保护也是如此。如果旋律与我们想象的大相径庭，惊喜的经历会改变我们对旋律的背景理解，留下痕迹，这样下次我们经历同样的旋律时，我们的

4血统数据到底是什么这个问题是有争议的。我们依赖于一个来自f llesdal[38]的解读，他说“在感知行为中，我们的感官发挥作用，提供某些边界条件。”它们“限制”了我们在一个瞬间可以体验到的东西，而不是被直接体验到的东西(它们必须在被体验到之前被动画化或被思维形式解释)。

人们的期望已经适应了这种变化。这样，我们在我们的经验背景中建立了一种现实模型，产生了时间意识的预期和时间深度(见[6]，[40])。经验反映了过去时间意识过程的所有沉淀，这意味着我们的意识充满了过去的记忆，胡塞尔认为这塑造了我们对未来最初印象的预测。

胡塞尔引入了一种分析工具来研究沉淀的背景知识的结构，他称之为“视界”或“流形”。视界的概念是从经验中给予(即构成)的某个对象开始，然后想象该对象的经验可以继续被体验的不同方式。当前经历的每一个可能的延续都会产生不同的满足感和挫败感。如果我们只专注于实现延续——也就是说，专注于不会让我们惊讶的进一步体验——我们就会得到所谓的“线索集”[6]。踪迹集可以用来形式化胡塞尔的视界概念，即我们对物体的隐含理解是什么，超越我们立即看到的东西。站在橡树前，我们对它的样子有一些期待，如果我们绕着它走的话。那些期望是开放的，它们是“可确定的不确定的”。这些痕迹显示橡树背面有或多或少的树枝，不同的颜色图案等等。然而，它们并不包含让我们惊讶的橡树背面的经历，比如一个标志被钉在树上，或者被喷漆覆盖。如果我们探索橡树，并且看到了其中的一个东西，那么保护就会受挫，这种挫败会沉淀在背景知识中，所以在未来，我们不会感到惊讶:踪迹集发生了变化，我们现在把它看作背上有喷漆的橡树。(这个学习规则已经使用贝叶斯统计形式化，使得它容易服从主动推理建模；参见[6])。

到目前为止，我们的叙述集中在对事物或事件的感知上，如看到一棵橡树或听到一段旋律，但它可以扩展到任意的心理过程，如听到、想象、计划，也可以扩展到更复杂的动态过程，如学习如何跳舞或学习数学。在每一种情况下，经验展开，时间意识运作，创造被实现或受挫的预期。这些挫折和满足过程的结果会沉淀到背景知识中。通过这种方式，我们保持和更新外部世界的模型，如何跳舞的模型，数学的模型，历史的模型，我们自己的价值观和未来计划的模型，等等。这些不同类型的知识产生了不同类型的视野，这些视野与不同类型的线索集相关联:我们对事物的预期方式，我们对身体运动的预期方式，我们对对话展开的预期方式，我们对自己的价值观的预期等等。

4将胡塞尔时间意识映射到主动推理中的生成模型

在这一节中，我们将积极推理中的生成模型的各个方面映射到胡塞尔现象学的各个方面。有关主动推理中创成式模型的状态和参数列表，请参见表1。如前所述，我们的项目位于计算现象的更广泛的框架内5。

我们可以将一个生成模型的各个方面，表示为一个POMDP，与胡塞尔现象学的各个方面联系起来。在生成模型中，关于世界当前状态的推断是由关于过去经历的状态的信念以及关于未来状态的信念提供的。从技术上讲，用于更新关于隐藏状态的当前信念的消息来自于代表关于过去状态的信念的因素，也来自于代表关于未来状态的信念的因素。

我们可以通过将观察值o与遗传数据相关联、将隐藏状态s与感知经验相关联以及将POMDP的各种参数(例如，似然矩阵A和状态转移矩阵B)与沉淀的知识相关联来开始。回想一下，在主动推理建模中，结果是主体旨在解释的数据(或者，我们科学家试图在更广泛的生成建模中解释的数据)。隐藏状态是从这些数据中推断出来的，作为它们的原因。在感知期间，生成模型的隐藏状态被用于生成预测，该预测与实际观察进行比较；并且模型的参数以贝叶斯最优方式更新，使得这些预测随着时间变得更好，导致变化自由能的减少。这直接映射到胡塞尔装置上。我们的直接感知经验(与s相关)是基于相关背景知识(与A、B等相关)和物质性数据(与o相关)的混合。血统数据不是经验的字面成分，就像o不是s的字面成分一样。相反，血统数据对我们可以体验的东西施加了边界条件或限制——它们对应于世界存在的感觉——但它们不是直接体验的。在胡塞尔那里，感官体验来自物质性资料和背景知识(或“思维形式”)的相互作用。以类似的方式，给定A和B，o约束或限制什么隐藏状态s将被推断，但是不包含在s中。隐藏状态作为观察到的感觉状态o和编码在可能性和转移矩阵A和B中的信念的函数被更新，但是隐藏状态不直接包含那些观察结果。

有几种方法可以在生成模型中获得保持和保护。一种方法是关注从观察到的状态推断隐藏状态的过程

5从技术上来说，计算现象学是生成模型的一个版本，它不知道正在运行的模型是对主体中正在运行的实际过程的真实描述，还是这些模型仅仅是对第一人称经验建模的有用的启发。参见[5]中的讨论。值得注意的是，本文提出的工作很好地与现实主义方法相吻合——通过代理实现生成模型；参见[2]中提出的整合世界建模理论

数据，通过比较关于将观察到的内容的预测和实际观察到的内容，并使用误差信号更新信念(如在主动推理的预测编码实现中，[41])。这种方法包括保护(预测信号)、实现或挫折(错误信号)的直接关联，以及在此基础上的信念更新。因此，即使是对一棵橡树[15]的即时或“静态”感知，状态估计的过程也涉及保护、实现和挫折的关联。第二种方法是关注状态转移矩阵B，它对状态转移概率进行编码，从而支持“动态感知”[15]，即关于对象如何随时间变化的信念。这些矩阵用于估计我们听一首歌时接下来会发生什么，或者橡树在风的影响下会如何摇摆。这些状态估计本身依赖于之前发生的情况(例如，参见[42]中的图4)。所以在这里我们又一次在主动推理框架中有了保持和保护的直接关联，这次是在B矩阵的运算中。保持和工作记忆之间也可能存在联系，特别是当它被理解为(在一个积极的推理框架中)时间结构层次中的证据积累时[43]6。

满足感和挫败感的体验可以被建模为贝叶斯信念更新的过程[6]。根据这一分析，我们建议我们可以用随后的感官体验产生的变化的/预期的自由能来量化满足感/挫折感；其中自由能量化了当前体验与受保护体验冲突的程度(即，满足或挫折的程度)。

主动推理，像胡塞尔现象学一样，最终是关于生活世界中的行动。如上所述，主动推理中的策略是一组关于可能的行动过程的信念；行动本身被塑造成一种自我实现的预言。这个基本结构可以扩展到包括反事实的丰富性，它可以与在一个地平线上实现经验的痕迹联系起来。在所谓的主动推理的“复杂”处理中，代理通过参与深度树搜索来选择要进行的动作，递归地展开可用动作的可能感官结果，并根据沿着该分支的预期自由能来评估每个分支[46]。搜索过程是高效的；仅评估那些具有高后验概率的路径，但是搜索是在更大的可能路径集合上定义的。最优策略是最大化偏好结果(相对于C，C编码了数据的优先偏好)和最大化模型证据(或最小化意外)的策略。这些复杂的主动推理的反事实策略深度树可以被映射到Husserlian结构，包括在背景知识中编码的一组值(与C相关)，以及背景知识的其他特征(例如，我们的状态转换知识，在B中编码)，它们可以用于生成

6一个更全面的讨论还包括与现有的关于时间意识的自然化的讨论的比较，例如[44]和[45]。

线索集:一组与我们的信念、目标和愿望一致的预期感知。

因此，我们可以描述一种分析POMDPs的模式，它映射到胡塞尔的视域分析方法。集中在感知的情况下，想象所有可能的数据序列o，给定一些假设的隐藏状态s，和一个策略或动作序列。产生的一些数据将证实隐含在模型参数中的知识(即，为其提供证据，如通过自由能量化的)；其他的将破坏它(即，将产生大量的自由能)。确认主体关于其世界的当前状态的信念的观察序列对应于当前观察的一组可能的延续，这并不令人惊讶，即，导致很少变化的自由能。这种延续被捕获在生成模型的参数中(例如，A和B矩阵)。这些主动推理线索集直接映射到胡塞尔线索集。后者可以被认为是理解矩阵中隐含的信息的另一种方式，也许更直观。在一种情况下，我们有一种“探测”隐含在生成模型参数中的期望的方法；在另一种情况下，我们有一种方法来探索隐含在经验视界中的期望。

保持和保护(回忆和外显预测)的表征类似物可以通过诉诸(可能是分层的)状态估计来形式化。事实上，有焦点地回忆和预期的事件构成了需要明确呈现的世界(或者说自我)的(过去和未来)状态。为了开始形式化这一点，可以指出在主动推理中，A、B、C和D参数之间的明确区别，这有助于当前的状态估计，以及现在实际上正在被推理的状态，以说明这种区别。这种解释的丰富性可以通过诉诸生成模型的嵌套层次来增加。记忆和预期的外显回忆会与层级中较高的状态因素相对应，这些因素会限制或粗粒度地观察下属层。

在主动推理和现象学中，知觉的分析只是一个方便的起点。上面开发的所有映射都可以应用于认知和体验的其他特征:听觉和触觉体验、多模态体验、认知、语言、熟练行为、计划、情感、主体间性等。每一个都与它自己的状态估计、学习的似然矩阵、保持和保护、踪迹集等等相关联。

5结论

本文将胡塞尔现象学和主动推理框架进行了比较。我们建议通过主动推理来形式化胡塞尔现象学的一些核心要素。我们这样做的目的是推进计算现象学的项目。我们提出了胡塞尔对

原始印象、血缘数据、记忆、保护、实现、挫折、线索集和视野、回忆和明确预期可以映射到主动推理的生成模型的各个方面。

胡塞尔现象学是形式化的沃土。形式化现象学允许我们利用它来更好地理解和模拟人类经验，并做出可检验的经验预测。同时，主动推理已被用来模拟认知的许多方面，但它在解释定性和主观经验方面的应用仍处于非常早期的阶段。通过胡塞尔现象学和主动推理之间的联系走向计算现象学可能允许我们弥合与基本问题的差距，如解释差距和位置性，并进一步延伸到交叉性的社会学问题，这是第一人称经验的基本参考。

感谢

作者感谢Philippe Blouin、Laurence Kirmayer、Magnus Koudahl、Antoine Lutz、Jonas Mago、贾云馨·罗西克、Anil Seth、Lars Sandved Smith、Dalton Sakthivadivel和诗句研究实验室的成员进行了有益的讨论，形成了本文的内容。特别感谢朱安·迭戈·波哥大、扎克·杰布巴拉和卡尔·弗里斯顿。

6参考

[1]G.Tononi，M. Boly，M. Massimini和C. Koch，“整合信息理论:从意识到其物理基础”，《自然评论神经科学》，第17卷，第7期，第450-461页，2016年。

[2]A.意识的整合世界建模理论(iwmt):将整合信息和全球神经元工作空间理论与自由能原理和主动推理框架相结合；朝向解决难题和表征代理因果关系，《人工智能前沿》，第3卷，第30页，2020年，issn: 2624-8212。

[3]J.佩蒂特，F. J .瓦雷拉，b .帕楚德和J.-M .罗伊，《自然化现象学:当代现象学和认知科学中的问题》。

斯坦福大学出版社，1999，isbn: 0804736103。

[4]A.赛斯，成为你:意识的新科学。企鹅，2021。

[5]米（meter的缩写））J. Ramstead，A. K. Seth，C. Hesp等，“从生成模型到生成段落:计算方法到(神经)现象学”，《哲学和心理学评论》，第1–29页，2022年。

[6]J.胡塞尔现象学:统一的解释。斯普林格，2016。

[7]米（meter的缩写））J. Ramstead，D. A. Sakthivadivel，C. Heins等人，“贝叶斯力学:信念物理学”，arXiv预印本arXiv:2205.11543，2022。

[8]长度Da Costa、K. Friston、C. Heins和G. A. Pavliotis，“稳态过程的贝叶斯力学”，arXiv预印本arXiv:2106.13830，2021。

[9]D.Sakthivadivel，“贝叶斯力学的几何和分析”，arXiv预印本arXiv:2204.11900，2022。

[10]米（meter的缩写））安德鲁斯，“数学不是领域:自由能源原则导航”，2020年。

[11]K.弗里斯顿、l .达科斯塔、n .赛义德等人，“自由能原理变得更简单但不太简单”，arXiv预印本arXiv:2201.06387，2022。

[12]J.Hohwy，“不证自明的大脑”，Nouˆ，第50卷，第2期，第259–285页，2016年。

[13]K.自由能量原理:统一的大脑理论？《自然评论神经科学》,第11卷，第2期，第127-138页，2010年，issn: 1471-0048。

[14]T.帕尔、g .佩祖洛和K. J .弗里斯顿,《主动推理:头脑、大脑和行为中的自由能原理》。麻省理工学院出版社，2022年。

[15]R.史密斯，K. J .弗里斯顿和C. J .威特，“主动推理及其在经验数据中的应用的分步指南”，《数学心理学杂志》，第107卷，第102632页，2022年。

[16]K.J. Friston，T. Parr，B. de Vries，“图形大脑:信念传播和主动推理”，网络神经科学，第1卷，第4期，第381–414页，2017年，issn: 2472-1751。

[17]C.L. Buckley，C. S. Kim，S. McGregor和A. K. Seth，“行动和感知的自由能原理:数学综述”，《数学心理学杂志》，第81卷，第55-79页，2017年，issn: 0022-2496。

[18]A.Cleminson，“根据当代关于科学本质和儿童如何学习科学的概念，建立科学教学的认识论基础”，《科学教学研究杂志》，第27卷，第5期，第429-445页，1990年。

[19]G.Pezzulo，T. Parr和K. Friston，“预测编码和主动推理的大脑架构的进化”，《皇家学会哲学汇刊B》，第377卷，第1844期，第20200531页，2022年。

[20]A.Tschantz、M. Baltieri、A. K. Seth和C. L. Buckley，“扩展主动推理”，2020年国际神经网络联合会议(ijcnn)，IEEE，2020年，第1–8页。

[21]A.W. Corcoran，“异质和不确定性:主动推理视角”，博士论文，莫纳什大学文学院，2021年。

[22]I. Hipolito，M. Baltieri，K. J. Friston和M. J. Ramstead，“体现技巧的表演:行动在哪里”，2020年。

[23]K.E. Stephan、S. Iglesias、J. Heinzle和A. O. Diaconescu，“计算神经成像的转换视角”，《神经元》，第87卷，第4期，第716–732页，2015年。

[24]T.帕尔和K. J .弗里斯顿，“广义自由能和主动推理，”

生物控制论，第113卷，第5期，第495–513页，2019。

[25]K.J. Friston，T. FitzGerald，f .里戈利，P. Schwartenbeck和G. Pezzulo，“主动推理:一种过程理论”，神经计算，第29卷，第1-49页，2016年。

[26]页（page的缩写）Kallens和J. Yoshimi，“现象学文献的文献计量分析”，载于《现象学的视野》，Londen，P. Walsh和J. Yoshimi编辑。，斯普林格，2022。

[27]J.Yoshimi，“形式主义”，载于《胡塞尔现象学》，施普林格，2016年，第11–33页。

[28]米（meter的缩写））拉姆斯特德，“归化什么？自然主义和先验现象学的变种，《现象学与认知科学》，第14卷，第4期，第929–971页，2015年。

[29]J.Yoshimi，“自然化现象学的前景”，载于《心灵哲学与现象学》，Routledge出版社，2015年，第299–321页。

[30]E.胡塞尔，内在时间意识现象学。印第安纳大学出版社，2019年。

[31]———《关于纯粹现象学和现象学哲学的观念:宪法现象学研究第二册》。斯普林格科学与商业媒体，1990年，第3卷，isbn: 0792307135。

[32]——《关于纯粹现象学和现象学哲学的思想:第一本书:纯粹现象学概论》。斯普林格科学与商业媒体，2012年，第2卷，isbn: 9400974450。

[33]——《笛卡尔沉思录:现象学导论》。斯普林格科学与商业媒体，2013，isbn: 9401749523。

[34]W.詹姆斯，心理学原理2007。科西莫，2007年。

[35]H.柏格森，他写了一篇关于良知的文章。f .阿尔坎，1911年。

[36]——《我爱你和我的爱》。《文学共和国》, 2020年。

[37]H.K. Andersen和R. Grush，“时间意识简史:詹姆斯和胡塞尔的历史先驱”，《哲学史杂志》，第47卷，第2期，第277-307页，2009年。

[38]D.弗莱斯达尔，“现象学文献的文献计量分析”，胡塞尔，意向性和认知科学，h .德雷福斯和h .霍尔编辑。，麻省理工学院出版社，1982年。

[39]名词（noun的缩写）Soueltzis，“作为现象的保护”，《胡塞尔现象学中的保护》，斯普林格出版社，2021年，第63–99页。

[40]R.索科洛夫斯基，胡塞尔宪法概念的形成。斯普林格科学与商业媒体，2013年，第18卷，isbn: 9401733252。

[41]K.Friston和S. Kiebel，“自由能原理下的预测编码”，《皇家学会哲学汇刊B:生物科学》，第364卷，第1521期，第1211-1221页，2009年，issn: 0962-8436。

[42]K.J. Friston、T. Parr、Y. Yufik、n .赛义德、C. J. Price和E. Holmes，“生成模型、语言交流和主动推理”，《神经科学和生物行为评论》，第118卷，第42-64页，2020年。

[43]T.Parr和K. J. Friston，“主动推理中的工作记忆、注意和显著性”，《科学报告》，第7卷，第1期，第14678页，2017年。

[44]R.Grush，“如何在计算认知神经科学和胡塞尔时间意识现象学之间架起桥梁”，Synthese，第153卷，第3期，第417-450页，2006年。

[45]W.威斯，“预测加工和时间意识现象学:里克·格鲁什轨迹估计模型的层次扩展”，2017年。

[46]K.Friston，L. Da Costa，D. Hafner，C. Hesp和T. Parr，“复杂推理”，arXiv预印本arXiv:2006.04120，2020。

7桌子

表1。主动推理框架下通用模型中使用的参数。我们解释了涉及不同矩阵和通过它们连接的元素的生成模型符号。