本文来自微信公众号:神经现实(ID:neureality),作者:Mark Miller、Kathryn Nave、George Deane、Andy Clark,译者:Sixin、大智智智智、叶卓扬,校对:顾金涛、山鸡、阿莫東森,编辑:山鸡,原文标题《拥抱无序:在预测处理中寻觅不确定性的价值》,头图来自:unsplash


我可以与怀疑、不确定性和未知共存。我认为怀着未知,比怀着可能错误的答案去生活要更有趣。为了取得进步,一个人必须把通往未知的大门撑开。


——《科学的不确定性》(The Uncertainty of Science),理查德·P. 费曼,1963


我们要求严格定义怀疑和不确定性的领域!


——《银河系漫游指南》(The Hitchhiker’s Guide to the Galaxy),道格拉斯·亚当斯,1979


一、霍金斯的“随机生活”


居住于旧金山的麦克斯·霍金斯(Max Hawkins)是一名计算机科学家,在谷歌担任工程师。尽管已经在梦想城市做着理想的工作,他还是隐隐觉得自己的生活有点不对劲。有一天,他突然意识到:他已经依照个人喜好,将生活优化到了令他不安的程度。他每天的生活从早晨7点整开始:去最喜欢的咖啡馆,然后按最优路线骑行15分钟到公司。把他一周的GPS追踪数据输入一个简单的算法,就能准确地预测他下周同一时间的行踪和行动。尽管这些安排完全依照他的个人喜好,他还是感觉失去了个人自主性。他觉得自己被困住了,仿佛他把生活优化得太厉害,以至于架空了“自己”的角色。


霍金斯的对策是:用新科技将多样性引入生活。他根据一系列随机算法生活了两年:饮食生成器告诉他该吃什么;智能旅行代理会挑选出一个城市,让他去那里过接下来的两个月(他现在是自由职业者);随机的Spotify播放列表为他的旅途提供音乐;当他到达目标城市时,还会有随机Facebook活动选择器,告诉Uber司机要载他去哪里玩。这些算法带他去了孟买的杂技瑜伽班,去了斯洛文尼亚的山羊养殖场,也带他去了爱荷华州圣十字镇的小镇酒吧,参加了加州弗雷斯顿一个小型家庭的圣诞晚餐。这些事情都让他摆脱了一个旧金山富裕白领生活的一成不变。


作为奋战在不确定性前线的战士,霍金斯在题为“向前一步,拥抱无序”(Leaning In to Entropy)的讲座中说:算法不仅决定他去哪里、吃什么、从事什么活动,甚至还决定他穿什么衣服、做什么发型(这使他需要好几顶假发)。甚至他胸部的纹身图案也是是从网上的图片中随机挑选出来的。霍金斯分享道,他从中找到了巨大的满足感,并且更加能感觉到作为人的存在感,因为他不再受自己的喜好和过度优化的生活方式支配了。他说,那些事先定好要去的地方和要做的事情,就像一个个小小的气泡,曾一次又一次地把他拖回固定的生活;而现在他终于逃出了这些气泡。


- Dean Stuart -<br label=图片备注 class=text-img-note>
- Dean Stuart -


二、“随机生活”:一种压力测试


无缘无故地决定拥抱不确定,绝非常见之事。人类是遵循习惯的生物。我们早餐吃同样的东西,上班走同样的路,下班后在同一家酒吧与同一批人喝酒。2010年,一群计算机科学家分析了5万名匿名手机用户的移动模式,发现可以根据过去的行为预测他们未来的位置,准确率高达93%*。


*译者注

Song, Chaoming, et al. "Limits of predictability in human mobility." Science 327.5968 (2010): 1018-1021.


一个被称为“预测处理(predictive processing)的主流神经科学理论认为,我们的大脑天生就被设计好,要去解决一个基本难题:在与世界的具身交流中,如何(在长期平均的水平上)尽量减少自己的惊讶(surprise),或降低预测误差(prediction error)。环境的动荡容易让这一策略失效,从而导致焦虑、压力和失控感。若果真如此,那霍金斯这种故意在自己生活里引入大量偶然因素的人,为什么会出现呢?


即使从“预测处理”的角度来看,让日常诸事皆在意料之中的执着,也只是复杂拼图的一部分。毕竟,我们这样的生物,天生就得在不确定性海洋中冲浪,才能变得好动而好奇:我们对世界进行探索和采样,目的是揭示关键不确定因素之所在,以便未来不期而遇时当机立断。这同样也是降低长期预测误差的一种策略。我们渴望新的信息,通过进行复杂的例行仪式(如艺术和科学)对世界提出假设,并对这些假设进行压力测试。霍金斯实际上在做着类似的事情——对“我是谁”和“我喜欢什么”这两个最深层次的假设做压力测试,以此充分探索作为人的可能性的空间。虽然他的做法比较极端,但这类计划并不罕见。


像霍金斯这种对生活之一成不变的逃离,是文学中常见的题材。《白鲸记》(Moby Dick)里的以实玛利(Ishmael)到海上冒险,而《荒原狼》(Steppenwolf)里的哈瑞·黑勒(Harry Haller)则声称他“宁愿感受魔鬼在身上燃烧,也不愿在温暖的房间里待着”。在1971年反主流文化的经典著作《骰子人》(The Dice Man)中,这本虚构自传的化名作者,无聊的精神病医生卢克·莱因哈特(Luke Rhinehart)靠掷骰子来做决定,还激励读者也这么做。


理解我们与不确定性的关系这件事从来没有这么重要过,毕竟我们生活在一个充满挑战的时代。气候变化、COVID-19和无孔不入的资本主义新秩序,仿佛预示着一个全球波动的新时代。曾经,对在西方国家生活的许多人来说,可靠性的海洋里只有少许不稳定的旋涡;而最近,这个海洋里到处都充斥着难以掌控的湍流,已经没有什么稳定的地方了。


- Dean Stuart -
- Dean Stuart -


三、三种不确定性


不是所有的不确定性都一样。一个简单的分类法可以将不确定性分为:可预期的不确定性、不可预期的不确定性,和不稳定性。可预期的不确定性是指心中既有的生成模型已经可以预期的不确定性(生成模型是一套结构化的知识,能够根据细微不同的情境和当前任务来生成局部预测)。当环境变化使得我们自己的生成模型也不再可靠时,就会产生不可预期的不确定性。当环境突发事件的发生频率本身也在迅速变化时,就会产生不稳定性。它是不确定性空间本身的不确定性,是最有可能引起焦虑的不确定性种类。


1. 可预期的不确定性


让我们举一个简单的例子来说明可预期的不确定性。一个施动者*可能会暂时找不到回家的方向。但是,如果她知道如何抵达一个熟悉的地点,并且知道如何从这个地点回家,即使这个地点与家的方向相反,也可以先过去。通过到达熟悉的地点,她消解了显著影响当前任务的不确定性,可以开始顺畅地解决真正的问题。这种旨在改善信息状态的干预行动,有时候被(非正式地)称为求知(epistemic,寻求答案),有别于务实(pragmatic,解决问题)行动。


*译者注

施动者:agent,可以是一个人、动物、计算机程序或者一个抽象的具有能动性的个体。


“求知”行动,在预测处理的理论中,是为尽量减少未来可预期的惊讶(降低可预期的预测误差)而选择的行动。简单的策略(如回到那个更熟悉的地点)和更复杂的、人类独有的策略(如使用谷歌地图帮助我们从任何地点到达目的地)其实都遵循同一个逻辑:即以不同的方式,在不同的时间范围里,从所在环境中获取信息,以减小任务中显著的可预期的不确定性(从而降低未来的预测误差)。多项模拟研究已经证明*:将预测误差最小化的系统,能够找到此类解决方案。在其中一项研究中,模拟大鼠的策略混合了求知和务实行为:先导航到熟悉的地标,再利用现有知识找到回家的路。


*译者注

Friston, Karl, et al. "Active inference and epistemic value." Cognitive neuroscience 6.4 (2015): 187-214.


有时候,施动者甚至不需要通过行动从环境中获取信息,只需要在心中充分利用已知的信息,就能在行动之前“打好腹稿”。这是一种更有趣的方式。举个例子,我只要在心里想一想,就能“想清楚”我需要买多少菜,才能招待今天请来的客人。这种通过选择性注意而产生的想象力,是我们进行替代性试错(vicarious trial and error)的重要手段。这种试错通过从现有模型中提取新的信息,使得我们无需任何求知行动,就能从“不清楚”到“清楚”,从而将可预期的未来不确定性最小化。当我们知道自己信息状态中的薄弱环节,就可以采取相应的补救措施(求知行动或者纯心理活动),来消解可预期的不确定性。此外,还有一种相当常见的可预期的不确定性,是没有补救措施的:如果我知道骰子是公平的,那么我就知道,没有一个玩家(包括我自己),能有信心预测一次无偏掷骰的结果。


- Dean Stuart -
- Dean Stuart -


2. 不可预期的不确定性


当环境发生变化,而我们又无法预测这种变化时,不可预期的不确定性通常会出现。继续上面的例子:如果有人(在我不知情的情况下)把公平的骰子换成了掺了料的骰子,然后开始游戏,我就无法再正确地估计其它人的不确定因素了,我将开始损失大量的钱。


或者借用神经科学家艾米·布兰德(Amy Bland)和亚历山大·舍费尔(Alexandre Schaefer)举的例子:假设我知道某家餐厅的菜品我大约会有80%的时候喜欢,也就是去10次大概会有8次产生满意的结果,那么当日菜品的不确定性就是一种可预期的不确定性——我可以以此作为外出吃饭时的决策依据。相反,如果餐厅突然换了厨师,我的估计立刻就变得不可靠了,我被推入了不可预期的不确定性。


当面对显著影响任务的、不可预期的不确定性时,我们的大脑会做出反应,提高学习速度,鼓励各种可塑性变化,来更新预测模型——例如学习那位新厨师会做的典型菜单。随着时间的推移,学习的结果应该是一个修正后的模型,例如,去吃10次餐厅,我喜欢的菜只出现了5次。如果真的是这样,我就该进入“探索模式”,试一试另一家餐厅了。这种形式的不确定性,其实对我们这样的生物是非常有益的。它能帮助我们摆脱坏习惯,摆脱“局部最小值”——足够好,但又不至于“推倒重来“的解决方案。这也是正是希金斯如此享受随机生活的原因。


- Dean Stuart -
- Dean Stuart -


3. 不稳定性


最后一种不确定性,不稳定性,是最具挑战性的。在了解它之前,我们要先意识到,可预期的不确定性和不可预期的不确定性是分别以一阶估计与二阶估计的形式呈现的。一阶估计与简单的目标有关,比如吃到喜欢食物的概率。而二阶估计则与一阶估计本身有关。比如,我猜测某家餐厅大概率能提供我喜欢的事物,但对这一估计,我可能很有信心,也可能没有。如果我只去过几次,或者口味和我相似的人去过了却体验不好,我可能就没什么信心了。


在“不稳定环境”中,统计规律本身就不稳定,这使得上述的二阶估计都不可靠了。2020年,COVID-19困扰世界,而后明尼阿波利斯的乔治·弗洛伊德被杀又引起了大规模的骚乱和抗议,这便是高度不稳定性的代表。不稳定性也可以出现在上述布兰德和舍费尔的例子中:假如餐厅经理决定每个季节都多次改变菜单。


应对可预期的不确定性,我们可以进行求知行动;应对不可预期的不确定性,我们可以进入探索模式,提高学习速率。但如果连潜在的“规则结构”本身变化频率都很高,那么各种学习和适应都变得不再可靠。我们能学到的只有以下的残酷事实:对目标状态的所有估计,都不能赋予太高的置信度。


这种剧烈波动的环境,通常会让人类感到特别不舒服。其实,这与普通的(社会)环境给自闭症患者带来的感受是类似的。他们会高估感官相较预期的微小偏差,因此觉得世界难以预测,且充满不稳定性。


- Marco Goran Romano -<br label=图片备注 class=text-img-note>
- Marco Goran Romano -


四、恶性循环:习得性无助、成瘾与同温层效应


我们相信,人的体验,反映的不过是大脑在许多维度上,以及在许多处理层次上所做的预测与不确定性估计。当一切进展顺利时,我们能够利用我们的经历来迅速地探测那些重要的感官模式,以此为据评估我们的预期有多可靠,然后采取行动以实现想要的或有利的环境反馈。


但这里面也蕴含着危险:我们潜在的偏见可能误导我们对世界的认识和行为方式,使世界反过来印证我们的错误观点。从实际效果上看,偏见将变成现实,而对偏见的信念则得到了强化。这样的恶性循环,实际上是许多形式的功能性(“心源性”)疾病和某些形式的精神病的特征。饥饿、无家可归、孤独和长期痛苦都是会不断带来不稳定性的情况和状态。在这些环境中,行动的结果似乎在本质上就是不可预测的。长期暴露于这种不稳定性之中,会不可避免地降低我们对“我能通过行动得到自己想要的结果”的信心。预测性大脑开始得出“我们无力控制”的推论。这种推论能导致一种习得性无助。许多研究(相当残忍地)拿大鼠做实验,让它们接受电击却无处可逃。电击到一定程度后,即使开启逃生的通道,老鼠也不会再尝试逃跑——它已经相信自己无能为力,无法通过行动来避免不利的结果了。


与习得性无助不同,成瘾物质利用的是另一种脆弱性,但同样导致了次优的循环。比如阿片类药物,就劫持了我们大脑的奖赏回路。奖赏回路的功能,在预测处理领域的研究人员看来,是对预测误差的减小速率进行估计。劫持了这个过程,意味着大脑被愚弄了,以为自己在迅速地减小任务显著(高精确度)的误差,误认为情况比期望的好得多。这使我们以为自己找到了一个宜居的环境。长此以往,药物反复引发的这种效用会造成药瘾。即使用药者者意识到药物并没有真正带来快乐、成功或满足,这种瘾也不会自动消失。尽管他们在较高层级的认知上做出了判断,但在用药的一刹那,预期之外的误差降低还是较低层级奇妙地发生了。值得注意的是,预测大脑在这里并没有发生故障,它只是做着它演化而来要做的事情——减小不确定性。只可惜处理成瘾药物带来的混乱信号,本不该在它的能力范围内。


- Asia Kang -<br label=图片备注 class=text-img-note>
- Asia Kang -


为了更好地理解成瘾习惯的自我增强力量,我们需要跳出大脑来看问题。通过行动来尽量减少惊讶,这个过程也能将我们的环境拐进总体误差最小化这个大方针中。比如:酗酒的人,可以对他们在酒水上的花销视而不见,去维系“自己过得很好”的信念;而成瘾者可以塑造一个小天地,只与其他同样成瘾的人交往,从而保持自己还是正常人的幻觉,不用去挑战自己的成瘾行为。


这种习惯的自我强化,并不只发生在成瘾者身上。2010年,互联网活动家伊莱·帕里泽(Eli Pariser)提出了“过滤气泡”(filter bubble)一词,描述互联网日益碎片化的现象:人们越来越多地只和与他们持有相同偏见的一小部分人互动。帕里泽将这些过滤泡归咎于大型互联网公司越来越多使用的推荐算法。


不过从预测大脑的角度看,过滤气泡并不是互联网时代的新鲜事,推荐算法只是我们潜意识中预测算法的延伸,将与我们互动的环境维持在容易预测的范围内。在地理、政治、社会等限制日益减少之时,人们有了更多自由来塑造自己的小环境。记者比尔·毕晓普(Bill Bishop)就在他的《大分类》(The Big Sort, 2008)一书中指出,过去一个世纪以来,美国公民便逐渐迁徙形成了一个个臭味相投的社区。赛博空间正在发生的事早在物理空间预演。对每一个试图避免太多惊讶的大脑来说,它所交互的环境从来不具有一致和稳定的规律,可以被用来无偏地纠正我们所有人的预测模型。相反,它被大脑当作了一个灵活的资源库,从中可以根据我们的偏好提取甚至创造规律。有违常理的是,环境越是灵活,就越容易形成自我保护的泡沫,从而巩固僵化的模型。


- Roussel Victoria -
- Roussel Victoria -


五、专注:更灵活地突破预期的束缚


霍金斯的算法可以把他从每天的例行公事中推出去,从而允许新的模式和经历出现。他精心地设计算法以达到目标——打破高度优化但又固化的生活方式。在我们看来,这种激进行动的关键在于两步过程,首先是可视化我们的预测模型和其预期,将它们变成能被我们自己和其他人检查到的对象接着设计一些技巧、方案、策略,去对这些模型进行压力测试,挑战它们甚至有时进行建设性的破坏


第一步由我们的符号文化自然衍生。我们通过语言等方式,将我们各自的生成模型转变为了公共的(物质文化)对象——文字、书、图表,这些东西都易于分享、完善和隔代传播。当霍金斯谈到自己被高度优化的可预测日常所困住时,他清楚地看到,他现在对他自己的“美好生活”模型所提供的一连串选择和经历感到不满。 一旦有了灵活的符号,我们就能从自己的生成模型和基于模型的预期中逃离出来,将它们转变为易于质疑、压力测试和“破坏”的公共对象。


令我们震惊的是,大多数非人类动物都无法成功地使自己的生命模型可视化。它们的模型可以指导行动,但模型本身并不能成为行动的对象。一旦掌握了符号,这个技能就被解锁了,我们自己的模型和基于模型的预期成为了被审查的对象。这可能是物质文化赋予我们最具变革性的一个认知福利。此外,一旦我们自己的优化模型变为了对象,我们可以做的就不仅仅是审查它们。我们可以采取行动,去破坏和重建它们。有意使用致幻剂来缓解我们自己高层次自我模型的限制性,就属于此类行为。某些旨在将我们从不良预期的统治中解放出来的冥想锻炼也是如此。霍金斯创造的所有这些随机生活的算法,也殊途同归。


也许最值得注意的是,我们自己的艺术、工程和科学实践经常会扮演这种角色。例如,图表、描述和比例模型使我们能够独立地操纵一项设计的不同方面,并有选择性地关注不同的元素。这使我们能摆脱基于模型预期的束缚,并由此去探索以不同选择为条件的不同结果,这就像在拼字游戏里将一堆字牌重新洗牌,从而帮助发现新词一样。为了实现这样的操作,我现有的信念和模型不能仅仅基于已有知识,以概率趋势的形式存在。它们需要成为易于关注、分享和质疑的具体项目。


- Nod Young -<br label=图片备注 class=text-img-note>
- Nod Young -


艺术,就经常会揭示、打破模型。它可以是一种物质化和直面我们自己关于自我、世界和他人的高层次假设的方式,并且是在免除日常顾虑的框架内进行的(就像是在剧院里看戏剧《推销员之死》一样)。因此,即使它具有破坏性,我们也通常不用面临真正的威胁。更准确地说,理论科学旨在整理我们关于思维和世界运行方式的模型,将它们变为可分享、可审查、可“有效破坏”的对象。不论如何,人类的大脑走到了以前动物头脑没曾去过的地方。我们能将自己的预期模型作为思考对象。


但值得注意的是,有另一种预期机制还在发挥作用,而这是霍金斯本人也能理解的机制(实际上,这就是他设计的)。例如,他知道算法会每两个月将他送到一个新的地方,并不是每周都突然地将他送到一个新的城镇或城市,也不是每天(随机)一次,也不是每10年(随机)


有趣的是,正是由于没有不稳定性,他才能从实验中受益匪浅,同时避免了最近我们中很多人因COVID-19所体验到的焦虑感和恐惧感,因为COVID-19颠覆了我们过往的生活方式。大脑喜欢预测,而如果它控制失败,就会促使我们学习。通常,检测到环境中的不稳定性后,我们会学习和探索。但是,在如今的疫情隔离条件下,我们被告知(也确实应当)要留在原地,且什么也不做。这对我们来说其实非常不寻常。我们可以做出的反应是去控制各种小世界——烘培、拼图、锻炼。这非常类似于已经被发现的自闭症谱系疾病患者产生的反应。这些患者会营造并置身于一个更加可控的环境中。这是一种很好的回应,是面对更大范围的不稳定性时恢复一些掌控感的方式。


目前,“计算精神病学”中许多深刻的成果都致力于帮助我们理解我们与不确定性之间的关系,及它可能会出错的许多方式。在这个学科看来,我们人类是一个个管理不确定性的系统——当不确定性管理走偏时(无论是由于外部还是内部干扰),我们都很容易失去对自我、世界和他人的控制。也许,在霍金斯的众多谈话中,最有说服力的发言来自《拥抱无序》讲座的结尾。他谈到,最奇怪、最“非他”的情况和场所是如何快速变为“新常态”的,快到以至于他都可以轻松地想象出,那个曾经陌生地方的人的生活是怎样的。我们猜想,这是爱预测的大脑,通过改善我们自己高层次自我模型的各个方面,来重新定位自己,以便掌握新常态。


霍金斯要传递出的信息很简单:不要被自己的偏好所束缚。然而,在某种元层次上,他仍然被(良性地)困住了——他的随机算法用选择避开首要偏好的方式,满足了他新的高层次偏好。在这个实验中,我们不禁凭直觉就感受到了某种价值。就像艺术和科学一样,它使无形变为现实,展现出我们预测的强大引力。 这也是可控的不确定性,其惊人价值的实例。


原文:

https://aeon.co/essays/use-uncertainty-to-leverage-the-power-of-your-predictive-brain


本文来自微信公众号:神经现实(ID:neureality),作者:Mark Miller、Kathryn Nave、George Deane、Andy Clark