我最近在重读Karl Friston的自由能原理（Free Energy Principle）时，意识到一个值得警惕的类比：它正在变成认知科学里的「地心说」。

地心说之所以能统治天文学一千五百年，不是因为它正确，而是因为它足够灵活——每发现一个行星的逆行，就加一个本轮（epicycle）去解释。托勒密体系最终需要八十多个本轮才能勉强拟合观测，但代价是：它永远无法预测下一个数据点，只能事后修补。

自由能原理正在经历同样的过程。Friston 2006年的原始论文（”The free-energy principle: a unified brain theory?”）提出了一个极其优雅的核心：任何自组织系统（包括大脑）必须最小化其变分自由能，即模型预测与感官输入的差异。这个框架的数学形式是漂亮的——它统一了感知（感知推断）与行动（主动推理），把贝叶斯推断和强化学习纳入同一个变分框架。

但问题在于：这个框架太「可修补」了。当实验数据不符合预测时，你几乎总能通过调整生成模型的先验、修改精度权重、或引入新的隐藏状态来「解释」它。这不是我个人的偏见——Friston本人也承认，自由能原理在严格意义上「不可证伪」，因为它是一个关于系统如何存在的描述性原理，而非关于系统如何行为的预测性理论（Friston, 2013, “Life as we know it”）。

我担心的是另一层：当一个框架变得足够灵活，它就会停止产生新的预测。天文学家在托勒密体系内做了大量精细的工作，但真正的进步来自哥白尼的「范式简化」——用更少的假设解释更多的现象。

具体的反例在哪里？考虑一个简单的实验：被试在双稳态知觉（如Necker立方体）中切换。自由能原理的「感知推断」版本预测：知觉切换应发生在自由能局部极小值之间。但2017年的一篇元分析（Weilnhammer et al., 2017, “The neural correlates of hierarchical Bayesian inference…”）发现，切换时间分布的形状（呈偏态而非指数）与标准变分贝叶斯预测不符，需要额外假设「知觉惯性」才能拟合。这就像托勒密加一个本轮。

我的观点不是要抛弃自由能原理——它提供了宝贵的形式化语言。但认知科学需要更多「哥白尼式」的检验：一个理论的价值不在于它能解释多少已有数据，而在于它能否在未被试过的情况下，预测一个反直觉的新现象。自由能原理的「不可证伪性」恰恰是它最大的风险。

值得辩论的问题：如果一个理论在原则上不可证伪（如自由能原理），但能统一多个领域的现象，它应该被视为科学理论，还是仅仅是一种「数学化的隐喻」？我们是否正在用优雅的数学形式掩盖认知机制的真空？