主動推論：在預測、行動與世界共構之間

主動推論（Active Inference）是一套以機率推論、生成模型與行動選擇理解認知及適應行為的跨領域框架。它提出：代理者並非只被動接收外界刺激，而會根據既有模型推斷感覺背後的原因，並透過行動選擇改變接下來會遇見的感覺資料。知覺、行動、學習與環境互動因而構成持續循環。

本書以卡片盒方式整理主動推論的數學基礎、神經與認知模型、身體調節、社會互動、工程應用、第一人稱經驗及理論批判。主線從生成模型與變分自由能開始，進一步理解預期自由能如何把偏好結果與資訊探索放進同一個政策評估架構，最後回到實證問題：模型究竟解釋了什麼，又有哪些主張仍需更嚴格的驗證。

這不是主動推論的宣傳手冊。全書刻意並置支持性綜述與批判性論文，區分數學框架、建模工具與經驗理論。模型能擬合資料不等於理論已獲證明；統計上的馬可夫毯也不自動等於物理世界的邊界；用主動推論詮釋禪修，更不能取代修行者的第一人稱描述與傳統脈絡。

全書架構

理論地基：從自由能到生成模型

自由能原理提供整體的理論背景；生成模型描述隱藏狀態如何產生觀測；貝葉斯推論更新信念；變分自由能則提供一個可計算的近似量。馬可夫毯的條件獨立結構可用來分析系統內外變數的依賴關係，但要從統計結構推論物理或心智邊界，必須額外提出論證。

行動與政策：探索和利用如何相遇

主動推論以預期自由能評估未來政策。政策不只是單一動作，而是可能的行動序列；實用價值描述預期觀測與偏好的符合程度，認知價值描述行動能帶來多少有用資訊。兩者共同形成對未來行動的評估，讓探索與利用可在同一架構下權衡。

身體、情緒與社會世界

內感受與異穩態把身體調節納入認知研究；可供性和生態心理學則強調，行動可能性來自行動者與環境的關係。社會認知與多代理者模型可描述人們如何推斷他人、協商規範與形成共享預期。但文化、制度、權力與歷史不能只被縮減為個體腦中的先驗。

實作、批判與新興研究

POMDP 教程和 pymdp 提供可重製的建模入口；機器人研究探索如何統合狀態估計、控制與學習。2026 年工程教材擴充了工程讀者的入門資源；同年也有研究將預測處理／主動推論用於分析身體掃描與深度禪修經驗。這些新方向值得追蹤，但必須區分概念性詮釋、模擬、行為資料和機制證據。

建議閱讀路徑

先建立直覺：讀自由能框架提供理解知覺與學習的數學入門，理解生成模型與預測誤差，再讀自由能原理提出以感覺預測解釋生物系統的持續存在。
掌握操作架構：依序讀離散狀態空間綜述整理主動推論的模型結構與研究挑戰、主動推論與強化學習有相似處但優化目標並不相同與經驗資料教程讓主動推論模型能進入實驗心理學。
進入完整專書：以 Parr、Pezzulo 與 Friston 的主動推論專書系統整理心智大腦與行為的數學和案例為主幹，搭配概念地圖和術語卡。
拓展應用：依興趣閱讀身體調節、社會互動、機器人及禪修研究；每個主題都同時閱讀支持與批判來源。
建立自己的研究問題：使用靈感卡設計生活觀察或小型模型實驗，並以主動推論模型必須與競爭模型比較和模型配適不等於理論已獲證明作為方法檢核。

地域與材料範圍

本書的理論主幹主要來自英語學術出版網絡，納入英國、義大利、加拿大、美國、澳洲與日本的研究及機構材料。日本部分包含慶應義塾大學的真實機器人控制研究，以及沖繩科學技術大學院大學的神經機器人研究。此範圍仍不代表全球知識來源已充分平衡：目前未能在本次核對中找到足夠直接、可查證且聚焦主動推論的非洲、南亞與拉丁美洲研究案例，因此不以作者國籍或國際合作關係推定其已獲代表。研究者訪談、Podcast、社群教材與機構計畫皆作為觀點或脈絡材料，與同儕審查論文分開閱讀。

概念地圖（MOC）

靈感筆記（idea）

概念筆記（term）

永久筆記（note）

文獻筆記（data）

文獻筆記保留原始論文、專書、方法教程、學術回顧、訪談與社群資源的來源連結；不同材料類型應分開評估。

研究使用提醒

本書整理至 2026 年 11 月 12 日 可核對的來源。線上研討會、程式庫和教材可能持續更新，閱讀時請再確認發佈日期與版本。
「主動推論」、「自由能原理」、「預測處理」與「預測編碼」彼此關聯，但不是可任意互換的同義詞。
概念性模型、模擬結果、行為資料配適、神經機制與臨床轉譯具有不同證據強度，引用時應明確標示。
跨文化視角仍是待擴充之處；研究案例不足的地區應明確標示為資料缺口，而非推定沒有相關研究或實踐。

Flyism

探索

Active_inference