Lexemes

人脑的工作原理

Markov Blanket

如果变化环境，这个词汇还是能够独立出现并稳定存在。

在一个系统里，马尔可夫毯定义了一个节点（变量）与外部世界之间的边界。 给定马尔可夫毯，节点与其他所有节点条件独立。

也就是说，知道了马尔可夫毯，就不需要知道更远的节点信息，因为它们对其不再有额外的影响。这就像是一个“信息屏障”。

感官输入（视觉）进入马尔可夫毯

内部状态推断 latent variable：“这是猫”

大脑用 lexeme “猫” 来编码它（压缩 + 可交流）

行动输出（比如抚摸或喂食）再通过毯子反馈到外部

只要知道了 X 的马尔可夫毯，世界上其他变量对 X 的因果影响都被“屏蔽”了。

所以马尔可夫毯可以看成是 因果作用的边界。

在因果推理里（Pearl 的 do-calculus），当你对某个节点施加干预 其因果效应只会通过 马尔可夫毯定义的通路 往外扩散。

毯子之外的因果路径要么被阻断，要么只能间接体现。

所以你可以把 因果效应的传播半径 看作是 Markov Blanket 的边界。

烧开的水壶 → 水与空气的接触面就是一个边界，热量可以通过蒸汽扩散出去，但分子不会穿透金属壁。

半导体芯片 → 边界条件定义了电流如何输入输出，内部电荷的动力学必须遵守边界约束。

总结：边界条件决定了 能量、物质和信息 的流入流出。

Karl Friston 的自由能原理其实就是把“热力学边界”套用到认知系统：

生物体（系统）必须与外界交换能量和信息才能维持稳定（homeostasis）。

这种交换不是无限的，而是被马尔可夫毯限定。

自由能最小化就像物理里的熵增约束：

系统要保持结构不崩溃，就必须通过边界调节输入输出，把不确定性压缩。

在物理里，你不会追踪每个分子的状态，只看边界上的平均量（温度、压力）。

在认知里，你不会追踪世界所有变量，只压缩成 lexeme（“猫”“桌子”“敌意”）。

Lexeme 就是大脑给马尔可夫毯的“边界条件”做的符号化压缩：

内部潜变量太复杂

外部输入太庞杂

必须压缩成可操作的 lexeme，才能降低 surprise 并进行因果推理。