馬可夫毯：從條件獨立到生命、心智與系統邊界
馬可夫毯（Markov blanket）是一個從機率圖模型發展、後來跨入機器學習、因果探索、生命理論、神經科學與哲學的概念。它最穩固的數學核心是：給定一組特定變項後，目標變項或系統的內部狀態與其餘外部狀態條件獨立。這組變項構成統計資訊上的分隔。
在貝葉斯網路中，單一節點的典型最小馬可夫毯包含它的父節點、子節點，以及子節點的其他父節點。這種局部結構讓推論不必每次都使用整張網路，也使馬可夫毯成為特徵選擇、變項篩選與局部因果探索的工具。當毯被縮減到不可再刪除的最小集合時，常稱為馬可夫邊界（Markov boundary）。
另一條發展路徑來自自由能原理與主動推論。研究者將系統區分為內部狀態、外部狀態，以及由感覺狀態和主動狀態構成的介面，藉此討論生命如何透過感知與行動維持自身組織，並延伸至自主性、生命個體性與心智邊界。這些研究帶來有力的跨領域語言，但也引發重要批判：統計上的條件獨立，是否足以支持物理或本體論上的系統邊界？形式上可用馬可夫毯描述，不等於已經證明自然界的個體如何存在。
本書庫採取雙層讀法：先理解 Pearl 脈絡中的統計定義與推論用途，再理解 Friston 脈絡中的動態、生命與心智詮釋；最後並讀批判文獻，檢查數學形式、經驗證據與哲學結論之間是否有足夠的橋接。
全書閱讀路徑
- 先建立統計基礎：閱讀 貝葉斯網路與統計推論概念地圖，搭配 貝葉斯網路中的馬可夫毯由父子與共同父節點構成、最小馬可夫邊界是目標變項的最小充分預測集合，並查閱 馬可夫毯、馬可夫邊界、條件獨立、有向無環圖 與 d-分離。
- 理解實務應用：閱讀 特徵選擇與因果探索概念地圖，再讀 HITON 與 2026 年 CSMB 的研究，建立局部預測、變項選擇及因果探索之間的區別。
- 走向生命與認知：閱讀 主動推論與生命系統概念地圖，理解 內部狀態、外部狀態、毯狀狀態、感覺狀態 和 主動狀態，再讀生命、腦與階層自我組織的研究。
- 閱讀理論爭議：以 哲學批判與系統邊界概念地圖 為入口，並讀 Pearl／Friston 的區分、Raja 等人的批判，以及關於心智延展的評論。
- 轉化為研究與行動：最後閱讀
idea資料夾，將馬可夫毯當成提出可檢驗問題的工具，而不是萬用比喻。
核心概念地圖（moc）
延伸思考（idea）
- 把馬可夫毯當成研究提問而不是萬用的生命比喻
- 以感覺與行動介面分析赤腳步行中的身體環境耦合
- 用邊界假說檢查社群中的互賴而非把群體想成封閉個體
- 以馬可夫邊界思考知識庫如何只保留當前問題所需的資訊
- 設計馬可夫毯實證練習時先寫出可能推翻模型的條件
- 用 Pearl 與 Friston 的分歧練習拆解跨領域理論主張
概念詞典（term）
- 馬可夫毯、馬可夫邊界、條件獨立、貝葉斯網路、有向無環圖、d-分離
- 父節點、子節點、共同父節點、特徵選擇、因果探索
- 主動推論、自由能原理、變分自由能、內部狀態、外部狀態、毯狀狀態、感覺狀態、主動狀態
- 自創生、自我組織、層級自我組織、隨機過程、馬可夫性質、資訊幾何、隨機熱力學
- 心智延展論、系統邊界、理論的經驗可檢驗性
永久筆記（note）
- 馬可夫毯首先是條件獨立關係而不是物理牆
- 貝葉斯網路中的馬可夫毯由父子與共同父節點構成
- 最小馬可夫邊界是目標變項的最小充分預測集合
- 預測相關性不能直接當成因果解釋
- Pearl 毯與 Friston 毯回答不同層次的問題
- 內部狀態與外部狀態是模型中的相對位置
- 感覺狀態與主動狀態分別形成輸入和輸出的介面
- 生命邊界可以被建模為多層次的統計分隔
- 有限樣本與隱藏變項會使馬可夫毯探索不穩定
- 統計分隔本身不足以證成心智或生命的本體邊界
- 馬可夫毯探索演算法的品質取決於條件獨立檢定
文獻資料（data）
- 《Probabilistic Reasoning in Intelligent Systems》奠定貝葉斯網路中的馬可夫毯脈絡
- HITON 以馬可夫毯進行可擴展的變項選擇
- 大型資料中的馬可夫毯探索可將局部搜尋用於數千變項
- 生命的馬可夫毯將統計邊界連結到自主性與主動推論
- 資訊幾何與隨機熱力學研究馬可夫毯的動態形式
- 階層自我組織研究提出馬可夫毯可在不同尺度嵌套
- 腦中的馬可夫毯將神經活動與感覺行動介面相連
- 記憶研究以密度動態說明內外狀態如何經由馬可夫毯互動
- 帝王的新馬可夫毯要求區分 Pearl 毯與 Friston 毯
- 馬可夫毯技巧論文質疑自由能原理與主動推論的解釋範圍
- 帝王仍未穿衣的回應文章呈現馬可夫毯論戰的不同立場
- 心智延展論的評論指出馬可夫毯不足以決定心智邊界
- 《Active Inference》提供自由能原理與主動推論的系統教材
- 2025 年因果發現研究以內生與外生變項的馬可夫毯交集改善搜尋
- 2026 年 constrain–select 演算法以局部與全域檢查提高馬可夫毯探索穩定性
研究範圍與限制
本書庫優先收錄可公開查閱的論文、出版社書籍頁面與學術索引資料，研究脈絡涵蓋美國、英國、澳洲、義大利、荷蘭、德國、日本及跨國合作。這不是完整的全球系統性回顧，也不是對所有演算法的效能排名。部分資料來源是論文摘要或出版社書目頁，閱讀正式研究時應優先取得全文並確認模型假設、實驗資料及版本資訊。
尤其要注意三個區別：
- 馬可夫毯與馬可夫邊界：前者可指任何足以分隔的集合；後者特指最小集合，兩個術語在部分文獻中會被混用。
- 預測與因果：局部資訊充分不代表被選中的變項就是因果因素。
- 統計與本體論：模型中的條件獨立不自動證成物理、生命或心智邊界。
核心書目
- Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Publisher.
- Kirchhoff, M. et al. (2018). “The Markov blankets of life.” Open access.
- Parr, T., Da Costa, L., & Friston, K. (2020). “Markov blankets, information geometry and stochastic thermodynamics.” Open access.
- Bruineberg, J. et al. (2021/2022). “The Emperor’s New Markov Blankets.” Cambridge.
- Raja, V. et al. (2021). “The Markov blanket trick.” DOI.
- Parr, T., Pezzulo, G., & Friston, K. (2022). Active Inference. MIT Press.