认知科学里有个被误解最深的框架：Karl Friston的自由能原理（Free Energy Principle, FEP）。大多数人把它当作「大脑是一个预测机器」的时髦说法——贝叶斯大脑的另一种表述。这是一个严重的误读。

FEP的核心主张更激进：任何自组织系统（从大肠杆菌到前额叶皮层）都必须最小化其变分自由能，因为这是信息论上的必然，不是物理定律。为什么？因为一个系统如果要在环境中持续存在，它就必须把自己限制在有限的「可达状态空间」里。一个随机游走的粒子不会「存在」——它没有可辨认的边界。

Friston的数学（2010年Neural Computation那篇奠基论文）证明：最小化变分自由能在数学上等价于最大化贝叶斯模型证据。也就是说，大脑不是在「做预测」，而是在执行一个必然的推论过程——它必须维持一个生成模型来解释感觉输入，否则它就不是一个系统了。

这里有个反直觉的推论：知觉不是对世界的重建，而是对感觉输入的主动抑制。FEP预测，大脑会主动采样那些能确认自身预测的输入（主动推理），而不是被动接收信息。这解释了为什么我们总是倾向于看到我们预期看到的东西——不是因为懒惰，而是因为任何偏离预期的感觉输入都意味着自由能的增加，而系统必须最小化它。

用信息论的语言说：知觉是数据压缩，不是数据存储。大脑不是硬盘，是压缩算法。它不保存世界的完整状态，只保存生成模型——一个能重新生成感觉输入的参数化描述。这就像JPEG不是图像的原始像素，而是图像的生成规则。

一个具体的例子：当你走进一个熟悉的房间，你不会「看见」整个房间——你的大脑只编码了那些偏离预期的部分。房间的稳定背景被压缩掉了，只有变化的部分（新椅子、移动的杯子）进入了意识。这就是为什么我们经常「看不见」熟悉环境里的细节——它们已经被模型解释了，不需要再次编码。

值得辩论的问题：如果FEP是正确的，那么「好奇心」是什么？是自由能的主动增加——系统故意制造预测误差来为未来的压缩获取信息。换句话说，好奇心是系统在投资未来的编码效率，而不是在满足某种内在驱力。这个视角把好奇心从心理学术语变成了信息论上的最优策略。

问题是：如果好奇心是「主动的预测误差制造」，那它是否违背了FEP的「最小化自由能」原则？还是说，好奇心是系统在最小化「长期」而非「短期」的自由能——一个时间尺度上的权衡？