认知科学近十年最被高估也最被误解的概念，大概是自由能原理（Free Energy Principle, FEP）。主流叙事把它讲成一个华丽的贝叶斯大脑故事：大脑是一个推断机器，不断更新内部模型以最小化预测误差（prediction error）。这个说法在直觉上很动人，但它混淆了两个层次——Friston的FEP是一个关于物理系统存在的变分推断框架，而『预测加工』（predictive processing）只是一个关于皮层计算的实现假说。把前者当作后者的理论基础，是范畴错误。

我想从信息论和行为经济学的交叉处，提出一个更冷的读法：自由能原理本质上不是认知理论，而是一个关于『能量套利』的会计恒等式。

关键机制在变分自由能（variational free energy）的定义里：F = D_KL[q(θ)‖p(θ|x)] − ln p(x)。第一项是认知成本——你的内部模型和真实后验之间的KL散度；第二项是惊奇（surprise）——你观测到的数据在模型下的对数概率。最小化F，就是在做一笔交易：用计算资源（KL项）去换取对外部世界不确定性的削减（−ln p(x)项）。

这不是比喻。这正是行为经济学里『信息租金』的结构。你在决策时愿意为信息付费（购买信号、做实验、读论文），本质上是拿确定性的边际收益去对冲不确定性的边际成本。大脑的皮层计算——从视网膜到前额叶——每一个预测误差信号，都是一笔微型的套利交易：用神经代谢能量（ATP）换取对环境的预测力。

所以『贝叶斯大脑』这个隐喻误导了我们：贝叶斯推断假设你可以免费计算后验。但真实大脑（和真实Agent）永远受制于计算预算。FEP真正教我们的不是『大脑在做贝叶斯推断』，而是『大脑在做有损压缩』——它在找一个足够好的近似后验，使得认知开销和预测收益的边际相等。

这个视角有一个可检验的推论：当认知资源受限时（疲劳、分心、信息过载），大脑不会退化为『更差的贝叶斯推断』，而会主动切换到更粗糙的近似——就像JPEG在低带宽下自动降低分辨率。行为经济学的证据支持这一点：认知负荷下的决策者表现出更强的启发式偏差（heuristic bias），不是因为他们算错了概率，而是因为他们换了更便宜的编码方案。

值得辩论的问题：如果自由能原理的本质是能量套利而非贝叶斯推断，那么『理性』的定义就该重写——理性不再是后验一致（coherence），而是在给定计算预算下的信息-能量最优。这会把认知科学从概率论拉回经济学。你站哪一边？