主動推理：心智、大腦與行為的自由能原理

致謝
前言
第一部分
1 概論
1.1 介紹
1.2 生命有機體的持存與適應
1.3 主動推理：基于第一原則的行為
1.4 全書結構
1.5 總結
2 主動推理的底層邏輯
2.1 介紹
2.2 作為推理的知覺
2.3 生物的推理和優(yōu)化
2.4 作為推理的行動
2.5 最小化模型與世界的差異
2.6 最小化變分自由能
2.7 預期自由能和作為推理的計劃
2.8 何謂預期自由能
2.9 關于主動推理的底層邏輯
2.10 總結
3 主動推理的頂層邏輯
3.1 介紹
3.2 馬爾科夫毯
3.3 驚異最小化與自證
3.4 推理、認知與隨機動力學
3.5 主動推理架構：理解行為與認知的新基礎
3.6 模型、策略與軌跡
3.7 在主動推理架構下協調生成論、控制論和預測理論
3.8 主動推理：從生命的涌現到能動性的產生
3.9 總結
4 主動推理的生成模型
4.1 介紹
4.2 從貝葉斯推理到自由能
4.3 生成模型
4.4 對應離散時間任務的主動推理
4.5 連續(xù)時間的主動推理
4.6 總結
5 消息傳遞和神經生物學
5.1 介紹
5.2 微觀回路與消息
5.3 運動指令
5.4 皮質下結構
5.5 神經調節(jié)與學習
5.6 表征離散變量與連續(xù)變量的層級
5.7 總結
第二部分
6 主動推理模型的設計指南
6.1 介紹
6.2 主動推理模型：四步設計指南
6.3 我們在為什么系統(tǒng)建模？
6.4 生成模型最恰當的形式是怎樣的？
6.5 如何創(chuàng)建生成模型？
6.6 怎樣理解生成過程？
6.7 基于主動推理架構執(zhí)行數據的模擬、可視化、分析和擬合
6.8 總結
7 離散時間的主動推理
7.1 介紹
7.2 知覺推理
7.3 作為推理的決策與計劃
7.4 信息搜集
7.5 學習與求新
7.6 多層（深度）推理
7.7 總結
8 連續(xù)時間的主動推理
8.1 介紹
8.2 運動控制
8.3 動力系統(tǒng)
8.4 廣義同步
8.5 混合（離散 連續(xù)）模型
8.6 總結
9 基于模型的數據分析
9.1 介紹
9.2 元貝葉斯方法
9.3 變分拉普拉斯
9.4 參數經驗貝葉斯（PEB）
9.5 基于模型的數據分析指南
9.6 生成模型舉例
9.7 錯誤推理的模型
9.8 總結
10 作為感知行為之統(tǒng)一理論的主動推理
10.1 介紹
10.2 完整梳理
10.3 融會貫通：以整合水平理解主動推理架構
10.4 預測性的大腦、心智和預測加工理論
10.5 知覺
10.6 行動控制
10.7 效用與決策
10.8 行為與有限理性
10.9 效價、情緒與動機
10.10 穩(wěn)態(tài)、穩(wěn)態(tài)應變與內感覺加工
10.11 注意、顯著性與認識活動的動力學
10.12 規(guī)則學習、因果推理與快速泛化
10.13 在其他領域應用主動推理：一些可能的方向
10.14 總結
附 錄
附錄A 相關數學背景
附錄B 主動推理的數學方程
附錄C Matlab代碼：一個帶注釋的例子
注釋
參考文獻
索引