這種刺激分布的模式如何讓具身的、情境化的大腦成為一個具有重大價值的節點（同時也是一個消耗大量新陳代謝能量的器官），以輔助有機體靈活的適應性反應？請注意，這個問題已經與本章開始時不同了：我們不再關心有機體如何在外界環境與自身內部狀態間建立起「映射」（mapping），而是要借助多變的傳入信號本身推斷出信號源（世界）的性質。

3. 自舉式學習

這看似無望，但預測驅動的學習提供了一個非常強大的方法，讓事情有望柳暗花明。要理解這種方法，我們需要首先回顧一下另一種學習策略：人們會為參與學習的系統安排一個「老師」，但這個「老師」通常不是人類，而是一個自動化信號，其任務是根據當前輸入准確地告訴系統應該做些什麼，或不該再做些什麼。這被稱為「監督式學習」。一些最為著名的監督式學習系統依賴所謂的「誤差反向傳播」（如Rumelhart, Hinton,…

2.2采用動物的視角

不管是預測，還是（我們將要談到的）行動都需要基於某些知識，這些知識一開始又是從哪兒來的？要獲得這些知識並據此進行預測，我們是否需要首先對環境進行直觀的經驗（看來確實如此）？畢竟獲取知覺經驗不需要預測加工過程的參與，不是麼？

要解決這個問題，我們就要將能量模式經由感覺通道的傳遞，和系統產生知覺經驗的過程清楚地區分開來。唯有基於能量模式的傳遞與自上而下的合理預期，我們才能獲得對真實世界的生動知覺。這樣一來，問題就變成了：我們能否基於單純的能量傳遞生成並運用合理的預期？故事的動人之處在於，學習和在線反應或許基於同一類過程（試圖預測當前的感知輸入）。

一些學者…

導語

由「萬物解釋者」、倫敦大學學院教授卡爾·弗里斯頓（Karl Friston） 基於著名的「自由能原理」（Free Energy Principle）搭建的預測加工框架，旨在為認知神經科學、認知心理學、認知機器人學，或一切無法繞開認識論前提的實證科學分支提供心智現象的通用機制。哲學家與認知科學家安迪・克拉克（Andy Clark） 將這套雄心勃勃的框架與富有說服力的具身認知相關見解結合起來，試圖為心智現象描繪一套真正意義上的 「大一統理論」。《預測算法：具身智能如何應對不確定性》這部開創性的著作或許將一舉終結身體與心靈的亙古之謎。…