从动力系统理论到跨学科整合

目录

• 引言
• 第一章：认知动力学的学科界定、核心研究问题与哲学谱系
  • 一、学科界定：什么是认知动力学？
  • 二、核心研究问题
  • 三、哲学谱系
  • 四、共同哲学立场
  • 五、哲学根基对领域发展的促进与限制
• 第二章：基础理论体系的竞争、对话与融合
  • 2.1 五大理论的系统梳理
  • 2.2 "计算之战"的三重层次对立与融合路径
  • 2.3 理论的发展动力与限制
• 第三章：分支学科矩阵、应用版图与前沿突破
  • 一、六分支矩阵：从"枝干"到"果实"
  • 二、2023-2024年前沿突破
  • 三、关键瓶颈与突破路径
• 第四章：多元尺度下的系统反馈性、热动力学网络与核心悖论
  • 1. 多元维度分析框架
  • 2. 系统反馈性分析
  • 3. 热动力学网络图景
  • 4. 核心悖论
• 第五章：跨领域迁移路径与交叉学科融合前景
  • 一、跨领域迁移：思想、方法与技术的输出
  • 二、最密切的交叉领域研究
  • 三、交叉融合带来的新突破
  • 四、迁移路径与策略
• 结论
• 参考文献

引言

认知是什么？这一问题横贯哲学、心理学、神经科学和人工智能的核心地带，至今未有共识。二十世纪中叶以降，认知科学的主流回答——计算主义——将心智喻为执行符号操作的计算机。然而，这一范式在解释认知的连续性、实时性和具身性时暴露了深层局限。正是在此背景下，认知动力学（Cognitive Dynamics）作为一场范式革命悄然兴起：它将动力系统理论（Dynamical Systems Theory, DST）引入认知科学，用微分方程、状态空间和吸引子这些数学工具重新描述心智——认知不再是离散符号的序列操作，而是系统状态在时间中连续演化的轨迹（van Gelder, 1998; Riley & Holden, 2012）。

这场"计算之战"延续近三十年，却远未终结。相反，它催生了一个高度活跃的跨学科研究领域：Karl Friston的自由能原理（FEP）试图用变分贝叶斯推断统一感知、行动与存在本身（Friston, 2024, NSR）；Gori（2024）的Cognidynamics将学习重新定义为智能体与环境之间的能量交换（Gori, 2024）；从神经动力学的隐马尔可夫脑状态到计算精神病学的"浅吸引子"假说，认知动力学的分支学科矩阵已延伸至意识障碍诊断和精神分裂症因果建模的前沿（Liu et al., 2025, eLife; Nour et al., 2025, TiCS）。

然而，这一领域在蓬勃发展的同时，也积累了深刻的理论张力。动力系统假说用数学形式化反对计算主义——这本身是否构成一种表演性矛盾？表征概念被驱逐出前门，是否正从后门悄然返回？FEP声称是"生命与认知的统一理论"，却面临"不可证伪"的指控（Friston, 2018; Stegemann, 2025）。这些悖论并非理论的失败，而可能正是认知动力学概念地基的固有特征。

本报告沿"学科界定→理论基础→应用前沿→深层分析→外部延伸"的逻辑递进，共设五章。第一章确立学科边界与哲学谱系——从亚里士多德的质料形式论到普利高津的耗散结构理论；第二章系统梳理五大理论体系（DH、CH、FEP、4E认知、Cognidynamics）的竞争与融合；第三章展开分支学科矩阵与2023-2024年关键突破；第四章构建多元维度分析框架，追问认知动力学是否为闭合反馈系统，并解构三大核心悖论；第五章绘制跨领域迁移版图——从人工智能的重整化生成模型到精神医学的DST范式转换。本报告试图回答一个核心问题：在计算与动力学、离散与连续、表征与非表征的张力之间，认知动力学究竟揭示了认知的何种本质？

1. 认知动力学的学科界定、核心研究问题与哲学谱系

一、学科界定：什么是认知动力学？

认知动力学（Cognitive Dynamics）是研究认知功能的过程与机制的跨学科学科，聚焦于感知、记忆、决策等心理活动如何随时间演化，并与环境因素、社会情境和个体差异交互作用（Academia.edu — Cognitive Dynamics Topic）。其方法论核心是将动力系统理论（DST）应用于认知现象——用微分方程、状态空间、吸引子、相变、分岔等数学工具描述认知过程的连续变化，而非将认知理解为离散符号的计算操作（Riley & Holden, 2012）。

1.1 双重术语脉络与边界界定

"认知动力学"一词存在两条互不重叠的学术脉络，必须明确区分：学术DST进路（本报告研究对象）与荣格人格心理学用法（Berens — Cognitive Dynamics）。

1.2 与传统认知科学的根本分歧：计算范式 vs 动力范式

van Gelder（1998）以Watt调速器为范式案例阐述了动力系统假说（DH）（van Gelder, 1998）。然而Gorman（2024）指出纯粹动力学模型极为罕见，实际研究多采用"静动混合"策略（Gorman, 2024；Weinberger & Allen, 2022）。Eliasmith（1997）也指出van Gelder对"计算"的定义过于狭隘（Eliasmith, 1997）。

二、核心研究问题

六大核心问题：(1)认知系统是计算系统还是动力系统？(2)认知是否需要内部表征？DH激进版本提出"无神经表征的认知"——但van Gelder仅主张更弱的反表征主义；(3)认知过程如何随时间展开——相变、耦合与标度律？清华大学团队（2022）表明大脑运作在SOqC状态下，神经雪崩服从幂律分布（清华大学团队, 2022）；(4)大脑如何通过自组织实现涌现？Schurr等人（2024）的"动态计算表型"展示了个体差异从神经动力学自组织中涌现（Schurr et al., 2024）；(5)认知-环境耦合反馈环路？Gibson的生态心理学提供了概念基础（生态心理学史, 2018）；(6)意识的动力学起源？Walter与Hinterberger（2022）将自组织临界性作为意识框架（Walter & Hinterberger, 2022）。

三、哲学谱系：从亚里士多德到普利高津

亚里士多德的质料形式论直接否定了笛卡尔心身分离预设，Stanciu（2023）论证了4E认知与亚里士多德的深层关联（Stanciu, 2023）。赫姆霍兹的"无意识推理"预示了预测加工的"自上而下预测"机制（Quanta Magazine, 2021）。梅洛-庞蒂的具身现象学奠定了4E认知的哲学基础（Moya, 2014）。Gibson的"可供性"消解了主客观二元对立（生态心理学史, 2018）。薛定谔的"负熵"为认知动力学提供了热力学基础（MDPI, 2023）。普利高津的耗散结构理论完成了从热力学到认知动力学的桥接（Physis Foundation）。

四、共同哲学立场

反笛卡尔二元论——Stanciu（2023）指出笛卡尔二元论"阻碍了实证研究"（Stanciu, 2023）。非还原物理主义——允许使用数学工具描述认知同时不承诺还原为纯粹神经活动（CSSN, 2023）。过程本体论——怀特海在《过程与实在》中的立场，DST的数学工具天然适用于描述"过程优先于实体"的世界（Gomez-Marin & Arnau, 2021）。

五、哲学根基的促进与限制

促进：过程本体论推动了对认知连续性的关注，反二元论推动了具身/嵌入研究方向，非还原物理主义为跨层次整合提供了哲学保障（Cai et al., 2024）。限制：过程本体论导致对离散符号操作的忽视，反二元论与经典AI产生结构性断裂，非还原物理主义面临"因果效力"难题。

2. 基础理论体系的竞争、对话与融合

2.1 五大理论的系统梳理

2.1.1 动力系统假说（DH）

van Gelder（1998）以Watt离心调速器为范式案例提出DH（van Gelder, 1998）。DH包含自然假说与知识假说两个子命题（Gorman, 2024）。Nguyen等人（2024）指出DH经历了从"认知主体"到"认知系统"的理论演进（Nguyen et al., 2024）。Paxton（2023）将DH框架扩展至社会认知的人际协调研究（Paxton, 2023）。

2.1.2 计算主义（CH）

Fresco（2012）系统区分了五种立场：经典主义→广义数字计算主义→联结主义→神经计算主义→极端动力主义（Fresco, 2012）。Quilty-Dunn等人（2023）论证了思维语言假说的当代复兴（Quilty-Dunn et al., 2023）。

2.1.3 预测加工与自由能原理（FEP）

Friston的FEP是当代最具雄心的统一框架（Parr, Pezzulo & Friston, 2022）。Isomura等人（2023）在体外神经网络中提供了首个实验验证（Isomura et al., 2023）。但FEP面临严峻批判——Mangalam（2025）定性为"皇帝的新伪理论"（Mangalam, 2025），Stegemann（2025）论证了四重缺陷（Stegemann, 2025）。Friston本人2018年ALIUS Bulletin采访中承认FEP像哈密顿原理一样"不可证伪"——“自由能原理就是它的本来面目——一个原理。就像哈密顿的静止作用原理一样，它不能被证伪。……事实上，除非你问可测量的系统是否符合这一原理，否则你用它做不了什么”（Friston, 2018）。

2.1.4 4E认知

4E认知构成对笛卡尔"颅内心智"的多维挑战（Carney, 2020）。Rowlands（2010/2024）提出"融合心智"概念（Rowlands, 2010）。但2025年前沿论文论证仅有自创生生成主义真正挑战了传统认知科学全部核心前提（The exceptionality of enactivism, 2025）。陈巍（2024）警示具身认知面临理论碎片化挑战（陈巍, 2024）。

2.1.5 Cognidynamics

Gori（2024）将学习重新表述为系统与环境的能量交换——用哈密顿力学推导认知律（Gori, 2024）。在理论机制层面，Gori论证能量耗散在学习过程中扮演核心调控角色——注意力机制本质上是对能量积累的控制策略，防止认知系统被环境输入所淹没；这一观点与发展心理学的渐进暴露原则相呼应。但作为2024年新框架，严重缺乏独立实证验证。

2.2 “计算之战”：从对立到融合

DH与CH的三层次对立：形而上学（功能主义vs物理主义）、认识论（表征主义vs互动主义）、语义学（形式主义vs生成主义）。

融合路径：Gorman（2024）的"同时假说"（Gorman, 2024）；Weinberger & Allen（2022）的"静动混合"策略（Weinberger & Allen, 2022）；刘林澍和叶浩生（2024）的"生成主义预测加工"方案（刘林澍、叶浩生, 2024）；Hipólito（2022）的非表征动力学解释（Hipólito, 2022）；Cannon和Kaplan（2024）证明变分贝叶斯推断行为等价于受迫阻尼振荡器（Cannon & Kaplan, 2024）；Weinstein等人（2022）构建了非表征的认知数学模型（Weinstein et al., 2022）。

2.3 理论的发展动力与限制

积极层面：DH推动生态化实验设计（Nguyen et al., 2024）；FEP推动闭环验证；4E打破"颅内容器"隐喻。消极层面：理论意识形态化消耗智力资源；术语不可通约性阻碍跨学派对话；Kuś和Wójtowicz（2024）诊断DST主要贡献是"启发式的"，几乎不起解释作用（Kuś & Wójtowicz, 2024）。

关键发现

• 发现1：计算主义构成五层次光谱，DH-CH"二元对立"过度简化（Fresco, 2012）
• 发现2：预测加工是DH-CH融合枢纽（刘林澍、叶浩生, 2024；Gorman, 2024）
• 发现3：FEP面临"不可证伪性"严重指控——Friston本人2018年ALIUS Bulletin采访亲口承认（Friston, 2018；Mangalam, 2025；Stegemann, 2025）
• 发现4：4E内部仅自创生生成主义真正挑战传统认知科学全部前提（The exceptionality of enactivism, 2025）
• 发现5：DST贡献是启发式而非解释性的（Kuś & Wójtowicz, 2024）

数据摘要

3. 分支学科矩阵、应用版图与前沿突破

一、六分支矩阵：从"枝干"到"果实"

（1）神经动力学。HMM将脑功能活动建模为低维隐状态空间中的时序轨迹。Liu等人（2025, eLife）揭示了叙事理解中三元脑状态振荡结构（Liu et al., 2025, eLife）。Cai等人（2024, Nature Comms）识别出共享"多需求操作系统"脑状态（Cai et al., 2024）。Li等人（2023）发现层级化神经波动特征可区分意识状态（Li et al., 2023）。

（2）计算精神病学。Nour等人（2025, TiCS）阐述"浅吸引子"假说——E/I失衡导致认知地图不稳定（Nour et al., 2025, TiCS）。Nour等人（2023, PNAS）MEG实验发现精神分裂症语义引导减弱与海马ripple功率相关（Nour et al., 2023, PNAS）。Schurr等人（2024, Nature Human Behaviour）建立动态计算表型框架，12周纵向追踪（Schurr et al., 2024）。

（3）集体认知动力学。van Eijndhoven等人（2023）利用循环量化分析捕捉团队多模态信号耦合（van Eijndhoven et al., 2023）。Guastello与Peressini（2023）提出"驱动者-共情者"非线性动力学模型（Guastello & Peressini, 2023）。

（4）Cognidynamics/AI。Gori（2024）的Cognidynamics框架——哈密顿力学驱动的局部神经传播方案，回应反向传播生物合理性争议（Gori, 2024）。

（5）自组织临界性。清华大学Tian等人（2022, Network Neuroscience）提出OC/qC/SOC/SOqC四分类框架（Tian et al., 2022）。Walter与Hinterberger（2022）将SOC与GWT/IIT意识理论对接（Walter & Hinterberger, 2022）。

（6）发展动力学。Tervo-Clemmens等人（2023, Nature Comms）整合N=10,766构建执行功能规范轨迹——18-20岁稳定至成人水平（Tervo-Clemmens et al., 2023）。Driver与Tomasik（2023）展示层级连续时间动力系统统计模型（Driver & Tomasik, 2023）。

二、2023-2024年前沿突破

Isomura等人（2023）首次体外实验验证FEP（Isomura et al., 2023）。Schurr等人（2024）动态计算表型范式转变。Gori（2024）Cognidynamics框架。刘林澍与叶浩生（2024）“生成主义预测加工"推动认知科学"动力学化”（刘林澍, 叶浩生, 2024）。Qu等人（2024, The Innovation）呼吁认知科学与LLMs双向互动（Qu et al., 2024）。

三、关键瓶颈与突破路径

多尺度整合——Munn等人（2023）桥接微观神经动力学与宏观脑状态（Munn et al., 2023）；2024年Cell多物种钙成像研究（Cell, 2024）。FEP证伪性困境——Isomura验证提供实证支持，但Friston承认原理不可证伪（New Scientist, 2024）。维度灾难——SDGD-PINN已可求解100,000维PDE（Hu et al., 2024）。

数据摘要

4. 多元尺度下的系统反馈性、热动力学网络与核心悖论

1. 多元维度分析框架

认知动力学的研究对象跨越了极为宽广的时空与分析谱系。时间尺度横跨至少六个数量级：毫秒（突触）→秒-分（认知任务）→小时-天（情绪/记忆）→发育与演化。慢变量为快变量提供约束性语境，快变量的统计结构反过来驱动慢变量更新（Parr et al., 2022）。空间尺度从突触可塑性经神经元集群、脑区网络延伸到脑-体-环境耦合系统。Ehsani与Jost（2022）的研究表明，通过STDP和短时程抑制，兴奋-抑制神经元集群可自组织至Bogdanov-Takens分岔点附近——即临界态（Ehsani & Jost, 2022）。最大尺度上认知动力学已从"颅内计算"扩展为"脑-体-环境耦合动力系统"（Hipólito, 2022）。分析层次遵循Marr（1982）经典三分框架（Marr, 1982）：第一性原理层(FEP)→算法/机制层(DST/HMM)→实现层(神经/行为)。因果方向——自下而上涌现已有成熟路径，下行因果仍是硬核问题。Ohmura与Kuniyoshi（2024）提出"整体胜于部分"形式化模型（Ohmura & Kuniyoshi, 2024），Santos（2023）从关系本体论定义下行因果（Santos, 2023）。系统边界由马尔可夫毯（Markov blanket）形式化——内部状态与外部状态只能经由毯状态（感觉+主动状态）间接互动（Friston, 2024, NSR）。这五种维度构成相互约束的"分析超立方"——概念定义随尺度选择而漂移，相变阈值在不同时空尺度取值不同，结论评价标准因分析层次而异。

2. 系统反馈性分析：作为半开放自维持系统的认知动力学

认知动力学是否构成闭合的反馈系统？答案是"是，但非严格闭合"。四个层面论证：主动推理的感知-行动闭环——感知→模型更新→行动→环境改变→新感知（Parr et al., 2022，第3章）；自由能的自证（self-evidencing）——Friston NSR 2024访谈：“脑计算的基本原理是自证性”（Friston, 2024, NSR），McCulloch（2025）通过分层梯度分解给出构造性证明，75%结构损伤后自主恢复（McCulloch, 2025）；Cognidynamics的能量耗散闭环——Gori（2024）将学习定义为能量交换，注意力聚焦机制控制内部能量积累（Gori, 2024）；自组织临界性的自我调节——Ehsani与Jost（2022）介观模型表明神经网络通过STDP自我调节至临界态（Ehsani & Jost, 2022）。然而反馈系统并非严格闭合。马尔可夫毯界定统计边界，但物质、能量和信息持续交换。更准确的特征化是"耗散结构的半开放自维持系统"。反馈类型双重性：负反馈维持稳态（自由能最小化），正反馈驱动探索与学习。

3. 热动力学网络图景

理论谱系呈现清晰的概念传承链：**薛定谔（1944）**提出生命以"负熵"为生（Schrödinger, 1944）；**普利高津（Nicolis & Prigogine, 1977）**证明开放系统远离平衡态条件下通过能量耗散自发形成有序结构（Nicolis & Prigogine, 1977）；**Friston等人（2006）**将这一原理精确化为自由能最小化（Friston, Kilner & Harrison, 2006）；**Gori（2024）**进一步提出学习即"Cognitive Action"最小化（Gori, 2024）。认知系统被理解为远离热平衡态的耗散结构，核心动力学由自由能最小化驱动，最优运作状态位于有序与混沌的边缘——自组织临界态。热动力学网络节点与流向：感知输入→预测误差生成→内部模型更新→行动输出→环境改变→新感知输入→循环闭合。正交的能量耗散维度贯穿每一循环。

4. 核心悖论

悖论一：动力系统假说的自指悖论。DH以反对计算主义为核心立场——van Gelder（1995）提出认知不是数字计算而是动力系统的状态空间演化（van Gelder, 1995）。然而DH本身必须使用数学形式化——微分方程、状态空间模型——而这恰恰涉及符号操作，即计算。Eliasmith（1997）犀利指出这构成深层方法论矛盾（Eliasmith, 1997）。Gorman（2024）将悖论推向更精细层面：DH与CH的范畴化区分违反DH自身的连续性原则——“如果认知是连续的，那么计算与动力学的区分也应该是连续的，而非二元的”（Gorman, 2024）。

悖论二：“表征的幽灵”。DH激进版本（Hipólito, 2022）主张无需神经表征的认知（Hipólito, 2022）。但Weinberger与Allen（2022）通过分析Beer与Williams（2015）的"最小认知主体"模型（Beer & Williams, 2015）揭示了"静动混合"现象——最纯粹的动力学模型也需交替使用时变变量和固定参数，后者实质上扮演了表征性角色（Weinberger & Allen, 2022）。Kuś与Wójtowicz（2025）诊断DST作用"几乎不起解释作用"（Kuś & Wójtowicz, 2025）。表征概念被驱逐出前门，却从后门悄悄返回。

悖论三：“不可证伪的统一理论”。FEP声称是"生命与认知的统一理论"，但其可证伪性面临严峻挑战。Friston在2018年ALIUS Bulletin访谈中明确承认：“自由能原理……不能被证伪。它无法被推翻。”（Friston, 2018）。他将FEP定位为"原理"而非"过程理论"。批评者指出支持者常将过程理论层面的局部证据作为原理层面正确性的佐证——构成范畴混淆。Stegemann（2025）系统论证了FEP五大概念问题（Stegemann, 2025）。Mangalam（2025）定性为"皇帝的伪理论"（Mangalam, 2025）。

这三个悖论的共同结构揭示了领域的深层张力：统一性与可检验性之间、反计算立场与数学建模实践之间、反表征承诺与模型构造的隐性表征需求之间存在不可消解的矛盾。

关键发现

• 多维度不可分离：五种维度构成相互约束的"分析超立方"
• 反馈系统是半开放的：“耗散结构的半开放自维持系统”
• 热动力学谱系清晰：薛定谔→普利高津→Friston→Gori
• 三个核心悖论不可消解：自指悖论、表征幽灵、FEP不可证伪性

数据摘要

5. 跨领域迁移路径与交叉学科融合前景

认知动力学的核心理论资产——从FEP和主动推理到DST和SOC——正以空前的广度和深度渗透至多元领域。

一、跨领域迁移：思想、方法与技术的输出

1.1 人工智能与机器学习

自由能原理→AGI架构设计。Friston等人（2024）提出的RGMs将主动推理推向可规模化工程实现——MNIST分类以90%的数据量达到99.8%准确率（Friston et al., 2024）。该架构被评价为"从第一性原理构建世界模型"（VERSES, 2024）。Wen（2025）指出主动推理可填补AI的"接地-能动性鸿沟"（Wen, 2025）。预测加工→世界模型与好奇心驱动探索。Andersen等人（2023, Psychological Review）将学习重新定义为"主动寻求并消解惊奇"（Andersen et al., 2023），与吉林大学ScreenExplorer（2025）形成呼应（Niu et al., 2025）。类脑学习算法。Cognidynamics（Gori, 2024）推导时空局域神经传播方案，回应反向传播生物合理性争议（Gori, 2024）。

1.2 教育学

Corcoran等人（2023）的"内脏传入训练假说"论证胚胎期节律性生理活动如何塑造认知架构（Corcoran et al., 2023）。预测加工框架将学习重构为贝叶斯推理过程，儿童被理解为"小科学家"（Andersen et al., 2023）。

1.3 临床心理学与精神病学

Scheffer、McGorry等人（2024, JAMA Psychiatry）系统阐述DST对精神病学的范式转换意义：健康状态为具有"吸引域"的动态系统，精神障碍为替代吸引子（Scheffer et al., 2024）。Schurr等人（2024, Nature Human Behaviour）12周纵向追踪（Schurr et al., 2024）。漂移扩散模型分析揭示精神病认知缺陷可建模为吸引子"浅盆地"（Schizophrenia Bulletin, 2024）。

1.4 社会科学与组织管理

He等人（2023）利用超扫描技术发现自发涌现领导产生更高脑际同步（He et al., 2023）。Lu和Hao（2024, Psychological Review）提出"团体创新的脑际神经耦合理论模型"（Lu & Hao, 2024）。Carrasco-Farré和Hakobjanyan（2024）14万场电竞数据证实行为互依性与团队绩效倒U型关系（Carrasco-Farré & Hakobjanyan, 2024）。

1.5 机器人学

de Tinguy等人（2024, 2025）AIMAPP系统无需预训练实现零样本自主导航（de Tinguy et al., 2025; de Tinguy et al., 2024）。Szorkovszky等人（2023）CPG与感觉运动同步展示自组织节律行为（Szorkovszky et al., 2023）。

1.6 其他领域

Kuchling等人（2020）将形态发生重述为贝叶斯推理——细胞作为"信息处理代理"推断其在多细胞整体中的位置（Kuchling et al., 2020）。

二、最密切的交叉领域

（1）理论神经科学×认知动力学：Hipólito（2022）提出无神经表征概念的动力学解释，Hipólito和van Es（2022）用广义同步解释社会理解（Hipólito & van Es, 2022）。（2）统计物理学×认知动力学：Tian等人（2022）四分类框架（Tian et al., 2022），Gervais等人（2023）49项研究综述——NREM亚临界、癫痫超临界、致幻剂趋近临界点（Gervais et al., 2023）。（3）信息论×认知动力学：Friston等人（2023, Physics Reports）系统简化推导（Friston et al., 2023）。（4）控制论×认知动力学：Cognidynamics代表最优控制与认知科学的深度融合（Gori, 2024）。（5）AI/ML×认知动力学：Albarracin等人（2023）基于主动推理的可解释AI架构（Albarracin et al., 2023）。

三、交叉融合带来的新突破

精神医学——统计物理临界性框架使精神疾病从描述性诊断转向机制因果模型；AI——Cognidynamics为灾难性遗忘提供第一性原理方案；意识科学——临界性作为意识替代度量，49项独立研究一致支持ASC与临界态偏离关联；感知-行动理论——信息论与FEP结合通过期望自由能统一探索与利用（Ramstead, 2024）。

四、迁移路径与策略

四步方法论：第一步识别可迁移资产（数学形式主义层/概念框架层/方法论工具层）；第二步识别同构问题（决策↔吸引子、学习↔预测误差、协调↔耦合振荡、发展↔临界性、病理↔偏离临界态）；第三步构建跨领域形式化桥梁（微分方程/贝叶斯推断/信息论作为"通用语法"）；第四步验证迁移有效性——Isomura等人（2023）"实验→理论→应用"闭环验证模式为所有迁移路径提供方法论模板（Isomura et al., 2023）。

关键发现

• 发现1：从AI/ML到发育生物学的完整辐射网络，统一基础是变分自由能最小化（Friston et al., 2023）
• 发现2：精神病学"动态系统革命"——2024年JAMA Psychiatry两篇综述（Scheffer et al., 2024）
• 发现3：Cognidynamics为生物合理性学习提供独立于反向传播的全新路线（Gori, 2024）
• 发现4：临界性从理论假说转变为可操作工具（Gervais et al., 2023）
• 发现5：主动推理机器人导航实现零样本部署（de Tinguy et al., 2025）

数据摘要

结论

认知动力学不是对计算主义的简单否定，也不是一个已完成的理论——它更像是一个处于"混沌边缘"的概念场域，内部充满了不可消解的张力度量。通过五章的递进分析，本报告提炼出以下跨章节核心洞见。

第一，"计算之战"正在被超越，而非被裁决。DH与CH的二元对立框架本身正在瓦解。Fresco（2012）的五层光谱揭示了计算主义从符号主义到极端动力主义的连续谱（Fresco, 2012）；Gorman（2024）的"同时假说"论证了认知主体可交替支持两种范式（Gorman, 2024）；Weinberger与Allen（2022）的"静动混合"现象则表明，即便最纯粹的动力学模型也隐含着表征性变量（Weinberger & Allen, 2022）。预测加工与自由能原理凭借其跨越离散与连续、计算与动力、感知与行动的整合能力，已成为这场融合运动的核心枢纽。

第二，认知系统本质上是一个热动力学耗散结构。从薛定谔的"负熵"到普利高津的耗散结构，再到Friston的自由能最小化和Gori的能量交换学习，这一理论谱系揭示了认知的物理本质：认知系统通过马尔可夫毯与环境建立统计边界，以最小化自由能的方式维持其非平衡稳态，最优运作状态位于自组织临界态——即有序与混沌的边缘（Parr et al., 2022; Ehsani & Jost, 2022）。这一理解为跨越神经、认知和社会尺度的统一建模提供了物理基础。

第三，三大悖论是领域的结构性特征而非缺陷。DH自指悖论（用数学反对计算）、表征的幽灵（驱逐表征却使其从后门返回）、FEP不可证伪性（统一理论与可检验性的根本张力）——这三个悖论并非需要"修复"的理论漏洞，而是认知动力学试图用一个统一框架同时覆盖第一性原理与经验现象时所必然遭遇的概念张力（Kuś & Wójtowicz, 2025; Mangalam, 2025）。接受而非消除这些张力，可能是领域走向成熟的关键一步。

第四，认知动力学的跨领域辐射力正在指数级增长。自由能原理正从哲学框架走向工程实现——RGMs在MNIST上以少量数据达到99.8%准确率，标志着主动推理从第一性原理到可规模化AI的实质性跨越（Friston et al., 2024）。与此同时，计算精神病学的"浅吸引子"假说已将精神分裂症的症状学追溯至E/I失衡的神经动力学因果链（Nour et al., 2023, PNAS），动力学系统理论正推动精神病学从描述性诊断向机制性理解的范式转换（Scheffer et al., 2024）。

展望未来，认知动力学面临三大关键议程。其一，多尺度整合——如何将毫秒级突触可塑性、分钟级认知任务和年尺度发育轨迹统一于同一数学框架，仍是维度灾难级难题。其二，FEP的证伪性操作化——区分"原理"与"过程理论"的范畴边界，比继续争论"是否可证伪"更有建设性。其三，迁移方法论的验证——跨领域迁移的四步方法论（识别资产→识别同构→构建桥梁→验证有效性）需要在更多目标领域经历实证检验。认知动力学的未来不在于选择一个"正确的"理论，而在于学习在这些张力之间构建可操作的桥梁——正如该领域自身的核心洞见所揭示的：真正的认知发生在有序与混沌之间的临界地带。

参考文献

• Beer, R. D. & Williams, P. L. (2015). Information Processing and Dynamics in Minimally Cognitive Agents.Cognitive Science. 链接
• Ehsani, M. & Jost, J. (2022). Self-organized criticality in a mesoscopic model of excitatory-inhibitory neuronal populations.Frontiers in Computational Neuroscience. 链接
• Eliasmith, C. (1997). Computation and Dynamical Models of Mind. 链接
• Fresco, N. (2012). The Explanatory Role of Computation in Cognitive Science. 链接
• Friston, K. (2018). Of woodlice and men: A Bayesian account of cognition, life and consciousness.ALIUS Bulletin. 链接
• Friston, K. (2024). Bayesian brain computing and the free-energy principle: an interview with Karl Friston.National Science Review. 链接
• Friston, K. et al. (2024). Renormalizing Generative Models.arXiv. 链接
• Friston, K., Kilner, J. & Harrison, L. (2006). A free energy principle for the brain.Journal of Physiology-Paris. 链接
• Gori, M. (2024). An Introduction to Cognidynamics.arXiv. 链接
• Gorman, R. (2024). Simultaneous Hypotheses in Cognitive Agents.Topics in Cognitive Science. 链接
• Hipólito, I. (2022). Cognition Without Neural Representation: Dynamics of a Complex System.Frontiers in Psychology. 链接
• Hipólito, I. & van Es, T. (2022). Enactive-Dynamic Social Cognition and Active Inference.Frontiers in Psychology. 链接
• Kuś, K. & Wójtowicz, P. (2025). Explanation versus Understanding: On Two Roles of Dynamical Systems Theory in Extended Cognition Research.Synthese. 链接
• Liu, L. et al. (2025). The three brain states of narrative comprehension.eLife. 链接
• Mangalam, M. (2025). The Emperor’s New Pseudo-Theory: How the Free Energy Principle Ransacked Neuroscience.OSF Preprints. 链接
• Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information.MIT Press. 链接
• McCulloch, J. (2025). Self-Evidencing Through Hierarchical Gradient Decomposition.arXiv. 链接
• Nicolis, G. & Prigogine, I. (1977). Self-Organization in Nonequilibrium Systems: From Dissipative Structures to Order through Fluctuations.Wiley. 链接
• Nour, M. M. et al. (2025). Trajectories through knowledge space: A dynamic framework for quantifying cognitive maps in schizophrenia.Trends in Cognitive Sciences. 链接
• Ohmura, Y. & Kuniyoshi, Y. (2024). Formulation of downward causation in the brain: whole beats its parts.arXiv. 链接
• Parr, T., Pezzulo, G. & Friston, K. J. (2022). Active Inference: The Free Energy Principle in Mind, Brain, and Behavior.MIT Press. 链接
• Quilty-Dunn, J. et al. (2023). The language of thought hypothesis: An Aristotelian–Thomistic perspective.Behavioral and Brain Sciences. 链接
• Riley, M. A. & Holden, J. G. (2012). A Dynamical Systems View of Cognition. 链接
• Santos, G. C. (2023). The Whole as a Result of Its Parts: Assembly Information and Downward Causation. InSpringer Proceedings. 链接
• Scheffer, M. et al. (2024). Novel dynamical biomarkers beyond symptoms in psychosis.JAMA Psychiatry. 链接
• Schrödinger, E. (1944). What Is Life? The Physical Aspect of the Living Cell.Cambridge University Press. 链接
• Schurr, R. et al. (2024). Dynamic computational phenotyping of human cognition.Nature Human Behaviour. 链接
• Stegemann, P. (2025). Predictive Processing and the Free Energy Principle / The Limits of the Free Energy Principle.Zenodo. 链接
• van Gelder, T. (1995). What might cognition be, if not computation?The Journal of Philosophy. 链接
• van Gelder, T. (1998). Dynamic systems and paradise regained, or how to avoid being a calculator.Behavioral and Brain Sciences. 链接
• Weinberger, N. & Allen, C. (2022). Static-Dynamic Hybridity in Dynamical Models of Cognition.Philosophy of Science. 链接