 |  |  |  |
一场群聊，把我拉进了一个让我反复琢磨了好几天的问题。
起因是一本书——牛津大学出版社2013年出版的《预测的心智》，作者雅各布·霍维，丹麦人，在澳大利亚莫纳什大学教哲学。他在书里提出了一个核心主张：大脑的根本功能，是构建一个关于世界的内部模型，通过不断预测、不断修正感官输入，来最小化预测误差。
这句话，和今天训练人工智能大模型所用的那套数学逻辑——梯度下降、损失函数最小化——在底层结构上高度同构。群里一位同时做人工智能和量化交易的朋友看到这本书，说这跟AI算法暗合，是个值得深挖的方向。
然后，另一位做AI的朋友甩过来一句话——
"这本书的科学基础就是错误的。大脑本质上是一个解释机器，预测只是解释之后的反应，很多人搞混了这一点，以为预测是人脑的本能。"
群炸了。
先把霍维的理论讲清楚
在传统认知科学里，人们曾以为大脑是一个被动接收器——眼睛、耳朵、皮肤把信号送进来，大脑像一台解码机，把这些信号拼出一幅世界的画面。这个观念非常直觉，也非常错。
霍维和身边两位学者在近二十年里，把这个观念彻底颠覆了。这三人通常被称为**"预测三角"**：
- 英国哲学家安迪·克拉克，负责行动、身体与环境交互的模型
- 伦敦大学学院神经科学家卡尔·弗里斯顿，提供数学骨架，即
自由能原理 - 雅各布·霍维，把理论拉到哲学层面，讨论意识与自我在这个框架里究竟是什么
他们的核心主张是：大脑不是被动反映世界的镜子，而是一个层级化的预测系统。任何一个瞬间，大脑的高层都在向低层下推一套假设——关于接下来会发生什么。
你伸手去拿桌上的杯子，大脑早就预测了那个杯子在视网膜上应该投出什么形状、指尖会接触到什么温度、手腕会感受到多少重量。感官输入进来，大脑不是在看见杯子，而是在检验关于杯子的假设。假设对了，一切风平浪静；假设错了——比如杯子比想象的烫——这个预测误差就会上行，逼整个系统更新模型。
用霍维的话说：感知，不是接受，感知是推理。我们看到的世界，其实是我们最佳预测的结果。
这套理论落到生活里，画面感极强。你走进自己家，闭着眼都能摸到灯的开关，因为大脑早已预测了它的位置。走进别人家，同一个动作就会摸空——模型不对，预测失败。你打字时几乎不看键盘，因为大脑已预判好每一次敲击的落点。熟悉的路上开车能一边听歌一边换挡，陌生的山路却让你全身紧张，因为预测精准度天差地别。
然后，这套理论被一句话质疑了
群里那位朋友的反驳，乍一听有点绕，越琢磨越有力量。
他的核心论点是：预测是从哪里来的？ 你要预测未来的一秒钟，一定是基于你对过去无数个一秒钟的某种解释。没有解释，哪来的预测？
他认为，预测只是表面现象，真正在底层工作的是解释——大脑给感官输入赋予意义的那个动作。你看到一张脸，你先得解释它是一张脸；解释之后，才能预测它下一秒是微笑还是皱眉。把预测当成大脑的本质，就像看乐队演奏，只盯着鼓手说音乐就是打鼓——你错过了底下那些决定节奏与旋律的整体结构。
第一位朋友随即反击，举了一个极好的例子：如果大脑只是解释机器，做量化交易的人，把历史数据回测一遍就够了，何必真的下单？ 一个在历史回测中从不亏钱的策略，你敢把所有的钱押进去吗？
没有真实下注，没有未来给你的那一记耳光，解释就是空的。你解释得再漂亮，不拿到真实世界里撞一撞，你根本不知道自己的解释对不对。
随后又有人补了一句更精准的刺——"以前生病从来没死过，所以这次生病也不会死。" 话糙理不糙。这是对只解释不预测这种思路最辛辣的讽刺。
其实，两个人各抓住了大象的一条腿
我看着这场讨论，觉得双方说的都对，但都只抓住了一半。
在贝叶斯推理里，有两个核心变量：先验，是你在看到任何数据之前对世界持有的模型；似然，是在这个模型之下，你对接下来数据的推断。两者相乘，再除以证据，得到后验——你看到数据后更新过的新模型。
先验，就是解释；似然，就是预测；后验，就是学习。三者缺一不可。
那位说"大脑是解释机器"的朋友，抓住的是先验那一端；说"大脑是预测机器"的朋友，抓住的是似然那一端。两人都对，但都只看到了半幅画。
大脑的完整工作是一个循环：解释（模型）→ 预测（推断）→ 观察（验证）→ 学习（更新）。霍维的预测心智理论，真正想强调的不是预测这个动作本身，而是误差最小化这个循环。
映射到量化交易，一切都清晰了：你对市场的解释是策略模型，下单是预测，市场给出盈亏是反馈，根据盈亏修正策略是学习。四个环节缺一不可。只解释不下单，模型永远停留在看起来很漂亮的状态；只下单不更新，你会把一个过时的模型撞到破产。
最深的那根钉子：世界一直在变
这场讨论还有一个更深的层次，被一句轻飘飘的话点出来——世界一直在变。
霍维的理论有一个隐藏前提：世界的规律是相对稳定的。只有世界稳定，大脑才能通过不断更新，让内部模型越来越接近真实。但如果世界变化的速度，快过你大脑更新模型的速度，整套误差最小化的逻辑就崩了。你永远在用一个过时的模型，预测一个已经不再是那个世界的世界。
如果学习速度跟不上世界变化速度，人就会变成一个只剩解释和批评的空壳。预测已经失灵，行动已经失灵，只剩下一张嘴，不停地解释昨天的世界为什么和今天不一样。
这个现象不用去哪里找，走进任何一家茶馆、任何一个小区的凉亭，都能看到一排这样的人。他们曾经是厉害角色，大脑在三四十年前有一套对世界极其准确的解释。但世界早就变了，他们的模型没有跟着更新，于是只剩下一件事可做——解释。解释别人为什么错了，解释年轻人为什么不懂，解释社会为什么变味了。
这不是年龄的问题。这是模型的问题。
我见过六十多岁还在新行业里每天下注的人，也见过三十岁就开始只解释不行动的人。区别只在一点——他们的模型，还在不在被现实捶打着更新。
更新模型，是一场内部的小型葬礼
大脑更新模型，从来不是免费的。
在神经科学里，这种本能叫**预测误差厌恶——大脑会把那些和自己模型不符的信号自动过滤掉、忽略掉，甚至歪曲一下再接收。在心理学里，它叫确认偏误**——你会不自觉地只去寻找支持已有模型的证据，对那些颠覆模型的证据视而不见。
所以人即使活在一个一直在变的世界里，也会本能地抓着一个静止的模型不放手，然后把另一只手盖在自己的眼睛上。
每一次被现实打脸，都意味着你要亲手承认自己原来那套解释错了。更新模型这四个字，说起来轻巧，做起来，每一次都像一场内部的小型葬礼——你得亲手埋掉一个曾经有用的旧自己。
人到中年以后为什么越来越难学东西？不是因为脑子变笨了，而是因为要埋的旧自己越来越多。
两千五百年前，佛陀说的是同一件事
佛学里有一个词，叫无常。释迦牟尼反复强调：世界上没有任何东西是稳定不变的，一切都在流动。所以人不能把任何一套解释当成绝对。你今天的模型解释得通昨天，不代表它能解释明天。
霍维讲误差最小化，佛陀讲无常——两人讲的是同一件事的两面。
霍维说，大脑的工作是不断让内部模型逼近真实。佛陀说，你想把模型握紧到完全等于真实，做不到，因为真实本身一直在动。所以你要做的，不是把模型攥得越来越死，而是让模型像水一样，跟着世界走。
在唯识学里，这叫**依他起——你的认知、你的模型，从来不是独立存在的东西，它依赖于条件而升起。条件在变，模型就要跟着变。一旦你把某个模型当成永恒真理——在佛学里这叫遍计所执**——你就已经脱离了真实。
一个做量化的朋友说只解释不下注等于零，一个讲唯识学的古人说把模型执实就是烦恼——他们隔着两千五百年，讲的是同一件事。
对人工智能的直接启示
这个洞察，对今天正在做的人工智能有一个非常直接的映射。
今天绝大多数的大语言模型，本质上都是预测机器——被训练去预测下一个词是什么。它们是霍维这套理论最完美的工程实现。但它们有一个巨大的短板：它们的世界，停在训练数据截止的那一天。它们不在真实世界里下单，不拿自己的解释去撞现实，所以模型无法根据反馈更新。它们解释得再漂亮，也只是一个时间胶囊里的聪明。
这也是为什么现在有这么多人在做智能体、做反馈闭环、做真实世界的实时学习——真正的智能，不是在静止的训练集上把损失函数压到最低，而是把自己扔进世界里，去预测、去犯错、去被现实捶打、去更新。
人工智能下一步的飞跃，不会来自更大的参数或更多的训练数据，而会来自一个更完整的预测反馈循环——一个敢下注、敢被打脸、敢改模型的系统。
最后，回到我们自己
所以，大脑是预测机器，还是解释机器？
我的看法是——它既不是纯粹的预测机器，也不是纯粹的解释机器。 它是一个在解释、预测、反馈、更新这个循环里不停跑动的系统。这个循环一旦停下来，大脑就从一台活的推理引擎，慢慢退化成一台僵死的解释装置。
这件事，对每个人都有一个非常具体的提醒：
你有没有已经很久，没有主动更新过你对某件事的模型？你是不是常常用十年前、二十年前对世界的解释，去预测今天的世界？你对年轻一代的判断、对行业的判断、对人工智能的判断、对经济的判断，甚至对你自己伴侣的判断——这些模型，最后一次和真实对撞，是什么时候？
如果一个模型太久没有被误差修正，它就死了。 表面上你还在用它，其实它已经不在做工作了，它只是在重复它自己。
霍维说大脑是预测机器，我同意。但我想在这句话后面补上一句——
能预测的前提，是愿意犯错、愿意被反馈、愿意在每一次被现实打脸之后，低下头去改模型。说起来像一套冷冰冰的算法，但做起来，它叫勇气。
 |  |  |  |