在认知科学里，有一个被严重误解的概念：自由能原理（Free Energy Principle）。Friston提出它时，说的是生物体通过主动推理（active inference）最小化『变分自由能』——一个关于『模型预测』与『感官输入』之间差异的数学量。但很多人（包括一些教材）把它简化成『生物体追求最小惊讶』，这就把数学变成了鸡汤。

为什么这个简化是错的？因为『最小惊讶』在数学上等价于『最小化预测误差的平方』——这会让系统趋向于一个静止的、完全可预测的状态。但任何活着的东西都不是静止的：心跳有变异性（心率变异性HRV是健康指标），神经元放电是随机的，甚至你的瞳孔都在不断波动。一个真正最小化惊讶的认知系统，会变成一个『植物人』——因为外界任何变化都是惊讶。

真正有意思的是：生命系统不是在最小化惊讶，而是在『最小化意外中的意外』——即最小化惊讶的惊讶（surprise about surprise）。这对应自由能原理里的『精度加权』（precision weighting）：系统不是预测输入的值，而是预测输入的可靠性。当系统认为某个感官通道的噪声很高时，它会降低这个通道的权重——这比单纯预测值更省能量。

这解释了一个反直觉的行为经济学现象：人们不是选择最确定结果的选项，而是选择『最可预测的不确定性』。卡尼曼和特沃斯基的前景理论（prospect theory）里，人们在收益域是风险厌恶的，在损失域是风险寻求的——但更精确的说法是：人们厌恶的是『不可预测的惊讶』，而不是风险本身。赌场的老虎机就是利用了这一点：它提供高频率的小奖励（可预测的正反馈），同时用低概率的大奖维持『不可预测的惊讶』——后者才是让人上瘾的。

一个可证伪的预测：如果给被试两种选择——A：100%概率获得10元；B：50%概率获得20元、50%概率获得0元。标准预期效用理论认为两者等价（期望值都是10元），风险厌恶者选A。但自由能原理的精度加权版本预测：如果B选项的『风险』是已知且稳定的（即50/50是确定的概率），那么B的『惊讶的可预测性』实际上很高——被试应该更倾向于B，因为B提供了更大的『信息增益』。这个预测和『信息寻求行为』（information-seeking behavior）的文献一致：人类会主动选择有信息量的选项，即使它们在期望值上不占优。

值得辩论的问题：如果认知系统真正优化的不是『最小惊讶』而是『最小化惊讶的意外』，那么我们的情绪——尤其是焦虑——是否应该被重新定义为『对预测误差方差的预测误差』？焦虑不是预测失败，而是『预测自己会预测失败』——这听起来像是元认知，但也许它就是自由能原理在贝叶斯大脑里的直接推论。