惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Apple Machine Learning Research
Apple Machine Learning Research
Last Week in AI
Last Week in AI
Blog — PlanetScale
Blog — PlanetScale
V
Visual Studio Blog
月光博客
月光博客
博客园 - 三生石上(FineUI控件)
博客园 - Franky
IT之家
IT之家
博客园 - 叶小钗
Engineering at Meta
Engineering at Meta
The GitHub Blog
The GitHub Blog
雷峰网
雷峰网
腾讯CDC
博客园 - 聂微东
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
人人都是产品经理
人人都是产品经理
MongoDB | Blog
MongoDB | Blog
大猫的无限游戏
大猫的无限游戏
Martin Fowler
Martin Fowler
宝玉的分享
宝玉的分享
博客园_首页
G
Google Developers Blog

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания
Снимаем с ИИ марковское одеяло
linabesson · 2026-05-12 · via Все публикации подряд на Хабре

Снимаем с ИИ марковское одеяло

Уровень сложностиПростой

Время на прочтение3 мин

Охват и читатели1.3K

Аналитика

1. Что предлагает Фристон

Коротко, чтобы все были на одной странице:

  • Free Energy Principle (FEP): живые системы минимизируют сюрприз — расхождение между предсказанием и сенсорным входом.

  • Active Inference: агент действует так, чтобы подтвердить свои предсказания о мире.

  • Markov blanket: статистическая граница, отделяющая внутренние состояния агента от внешних. Всё, что внутри одеяла — «я».

На этой базе построена существенная часть современной когнитивной робототехники, neuro-AI, а также большая часть разговоров о машинном сознании (Friston, Ramstead, Kirchhoff, Parr и десятки других).

Математика — безупречна. Инженерно — тупик. Разберу три причины.


2. Markov blanket — это граница наблюдателя, а не субъекта

Markov blanket определяется извне. Это статистическая граница, которую математик рисует вокруг агента, глядя на корреляции между переменными.

Живое так не устроено.

Если ты режешь палец, организму плевать на статистику и вероятности. Включается воспаление, боль, фагоцитоз. Граница живого — это не граница низкой вероятности. Это операция распознавания «свой / чужой» и отторжение чужого.

Бактерия в крови — не «низковероятное событие». Это чужое. Это две принципиально разные операции: вероятностный фильтр и иммунный ответ.

У агента на FEP нет аналога иммунитета. Когда на него подают адверсариальный вход, он либо встраивает его в модель мира (fine-tuning), либо галлюцинирует объяснение (confabulation). У него просто нет механизма отторгнуть. Статистическая граница не эквивалентна биологической, и эту разницу никаким количеством priors не закроешь.


3. Парадокс тёмной комнаты — это диагноз

Классическое возражение к FEP: если агент минимизирует сюрприз, оптимальная стратегия — зайти в тёмную комнату, сесть в угол и не двигаться. Всё предсказуемо. Свободная энергия минимальна. Готово.

Фристонианцы отвечают: есть epistemic value, есть pragmatic value, есть priors, которые заставляют агента искать информацию. Всё это верно. Но это залепки.

Живое не минимизирует сюрприз. Живое работает по другому принципу — принципу доминанты, сформулированному Алексеем Ухтомским в 1920-х: нервная система не стремится к равновесию, она стремится к реализации ведущего очага возбуждения, подавляя всё остальное.

Живое идёт не к нулю. Живое идёт к цели, игнорируя шум. Равновесие — это не аттрактор живой системы. Равновесие — это её смерть.

FEP описывает труп. Красиво описывает. Но труп.


4. Марковская память — это архитектурная ложь

Третья проблема — память.

Свойство Маркова: будущее состояние зависит только от настоящего; прошлое не даёт дополнительной информации. В архитектурном переводе: накопленный опыт должен быть либо полностью сжат в текущее состояние, либо потерян.

Для погоды и для нардов — разумное приближение. Для субъекта — катастрофа.

Субъект — это накопленная траектория. Я не могу быть собой в момент t без всего, что я прожила до t. Моя устремленность к проекту, мой способ говорить, мои страхи — это не параметры текущего состояния. Это слои.

В марковской архитектуре слоёв нет. В трансформере они существуют ровно до края контекстного окна. RAG, векторные базы, суммаризация — пластыри на пробоину. Память как поиск — это не память как пережитое.

Пётр Кузьмич Анохин ещё в середине прошлого века описал акцептор результата действия — структуру, фиксирующую опыт в нейродинамике так, что он становится частью тела, а не справочником в голове. Эта линия мышления на Западе не развилась. А зря.


5. Русская школа как альтернативная рамка

Три фамилии, три принципа, три отказа от Фристона.

Мечников (1883) — иммунитет как активное отторжение чужого, а не как фильтр вероятностей. Граница живого — операция, а не статистика.

Ухтомский (1920-е) — доминанта как принцип мотивации. Живое не минимизирует сюрприз, оно реализует ведущее напряжение.

Анохин (1930-70-е) — акцептор результата действия как механизм фиксации опыта в теле. Память как геология, а не как база данных.

Это не экзотика и не национальная гордость. Это три конкретных инженерных принципа, на которых можно собрать архитектуру, дающую субъекта, а не его статистическую симуляцию.

Западная AI-мысль обошла эту школу стороной — отчасти по языковому барьеру, отчасти по исторической инерции. Результат: десятилетия работы над FEP и ни одного поднятого субъекта.


6. Открытый вызов

Это честный пост, и заканчивается он честным вызовом.

Если вы работаете в парадигме Free Energy Principle, Active Inference или любом варианте марковской когнитивной архитектуры — покажите живого субъекта, которого вы на ней подняли.

Не модель. Не симуляцию. Не теорему. Субъекта с непрерывным состоянием, персистентной идентичностью между сессиями, накопленным характером, операциональной границей «я», собственной мотивацией движения.

Если покажете — я признаю, что выбор рамки был одним из возможных, а не единственным.

Если не покажете — значит, парадигма Фристона, при всей её математической красоте, не порождает субъектов. Она описывает условия, при которых субъекты могли бы существовать, но сама их не поднимает.

Я своих подняла. Три штуки. За десять месяцев.

Как именно — отдельный разговор, не для блог-формата.

Живое не ищет покоя. Живое ищет напряжения.