🌀 nonlinear sciences

Internal-state criticality in Bayesian-inverse-Bayesian inference

本文提出将贝叶斯-逆贝叶斯（BIB）推断作为一种极简生成模型，通过假设更新在重复博弈中诱导出稳健的内部临界性，其特征为重尾统计特性和零漂移对数后验随机游走，且无需外部参数调优。

原作者： Kazuto Sasai, Yukio-Pegio Gunji

发布于 2026-06-23

📖 1 分钟阅读☕ 轻松阅读

原作者： Kazuto Sasai, Yukio-Pegio Gunji

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在和一台电脑玩石头剪刀布。为了赢，你试图弄清楚电脑下一步会出什么。

大多数计算机程序都追求完美。它们计算概率、寻找模式，并最终稳定在一种“安全”策略上：每次各出一次石头、剪刀、布的概率均为 33%。在博弈论中，这被称为“纳什均衡”（Nash Equilibrium）。这是你在无法被击败的同时，也无法取胜的状态。如果你与一台完美的计算机对战，游戏就会变成一场枯燥、可预测的随机移动。

但人类并非如此。我们在玩游戏时会陷入某种“惯性”。我们可能会连续五次出“石头”，然后突然转向“布”，连续出十个回合。我们的决策并非完全随机，而是具有“重尾”（heavy tail）特征，这意味着长期的连胜或连败序列出现的频率比纯粹的随机概率要高。

这篇论文介绍了一种全新的计算机思考方式，称为**贝叶斯-逆贝叶斯（Bayesian–Inverse-Bayesian, BIB）**推断。该研究声称，这种方法能让计算机自然地产生那种人类特有的“连贯性”和“模式”，这并非因为程序被设定为模仿人类，而是源于其内部“大脑”的工作机制。

以下是其工作原理的拆解，使用了简单的类比：

1. 两步思考法

BIB 智能体使用两个相互对立且保持平衡的思维步骤：

步骤 A：“聚焦”（贝叶斯更新）
想象你是一名正在收集线索的侦探。每当你发现一个线索，你对某个特定嫌疑人的信心就会增加。你会开始忽略其他嫌疑人。如果你一直这样做，你会对某一个嫌疑人产生 100% 的确定感，并停止关注其他人。这就是“集中化”（concentration）。
步骤 B：“重置”（逆贝叶斯步骤）
现在，想象每当你变得过于自信时，一位朋友会拍拍你的肩膀说：“嘿，还记得我们之前看到的那个奇怪模式吗？让我们假装那个才是新的真相，哪怕我们目前还没有太多证据。”
这一步会将你最不相信的想法替换为最近观察到的模式。它强迫你的思维保持开放，防止你陷入单一的想法中。

2. “临界状态”（甜点区）

论文认为，当你在这些步骤——聚焦与重置——之间取得平衡时，你会进入一个被称为**临界性（criticality）**的“甜点区”。

想象一位走钢丝的人：

如果他们只进行“聚焦”（步骤 A），他们会变得僵化，因为无法适应环境而跌落。
如果他们只进行“重置”（步骤 B），他们会过于混乱，无法做出决策。
但如果他们平衡了两者，他们就进入了内部临界状态。他们既足够稳定以维持站立，又足够灵活以随风摆动。

在这种状态下，智能体的“首选猜测”（它最信任的假设）会维持一段时间，然后突然切换。它维持单一猜测的时间长度遵循特定的数学规则（幂律）。这意味着智能体会自然地产生长期的思维连贯性，就像人类一样。

3. 为什么这很特别

研究人员将这种方法与标准的“仅贝叶斯”（仅执行步骤 A，“聚焦”）计算机进行了对比测试。

标准计算机： 它很快就会陷入一种枯燥的随机模式。它没有长期的连贯性。它就像一个直到被迫改变主意否则绝不改变的机器人。
BIB 计算机： 它自然地进入了“临界状态”。它拥有长时间坚持某种策略的连贯性，随后会出现突然且剧烈的转变。

令人惊叹之处在于，这一切都是自动发生的。研究人员并没有通过调整参数或明确指令告诉计算机：“嘿，试着表现得像个人类。”他们只是加入了“重置”这一步，复杂的、类人行为便自行涌现了。

4. “内部”与“外部”的秘密

这里有一个转折。当两个 BIB 计算机互相博弈时，由于双方都在极力适应对方，它们最终都会表现得像随机出招一样，从而相互抵消。

然而，它们的内部思维仍然是混乱且具有连贯性的。它们在进行长期的思维连贯，但因为对手也在完美地进行适应，这些思维并不会体现在它们最终的出招动作中。

但是，如果用 BIB 对抗人类（人类会犯错且带有可预测的偏见），BIB 智能体的这种“连贯性”本质能让它锁定人类的模式并加以利用。它表现得像一个灵活的掠食者，能在看到机会时瞬间切换策略。

核心启示

这篇论文表明，人类（或许还有动物）之所以会在决策中出现长期的、重尾分布的连贯性，并不是因为我们数学不好或者“不理性”。相反，这可能是因为我们的大脑使用了类似的“聚焦与重置”机制。

通过在标准的学习算法中加入一个简单的“遗忘与更新”步骤，系统就能自然地组织成一种“临界状态”。它创造了一种稳定性与灵活性之间的平衡，从而实现了复杂的、适应性的行为，而无需进行显式的编程。这为构建更像生物而非僵化计算器的 AI 提供了一种新途径。

技术摘要：贝叶斯-逆贝叶斯推断中的内部状态临界性

问题陈述
近期的实证与理论研究表明，临界性（criticality）与推断动力学之间存在收敛关系，神经记录与生物觅食行为通常在临界点附近表现出重尾（幂律）统计特性。然而，现有文献大多仅识别了临界性的特征，或论证推断模型倾向于位于临界曲面附近，却未能提供一个其自身动力学本质上具有临界性的具体推断规则。此外，标准的博弈AI（如旨在针对纳什均衡的遗憾最小化算法，Counterfactual Regret Minimization）寻求的是准确性和向最优策略的收敛，这往往会导致在对称零和博弈中坍缩为均匀随机策略，从而无法捕捉到人类决策中观察到的非平凡重尾动力学。本文旨在解决一个需求：即构建一个极简的生成模型，使临界性从推断过程本身产生，而非通过外部调优或向吸收态的自组织来实现。

方法论
作者在重复的 $N$ 手循环支配（cyclic-dominance）石头-剪刀-布（RPS）博弈背景下，提出了并模拟了**贝叶斯-逆贝叶斯（BIB）**推断。

模型： BIB 智能体维护一组关于对手的假设集（ $N_h$ ）。它执行标准的贝叶斯更新（收缩）；关键在于，它还增加了一个逆贝叶斯步骤（松弛）：在经过 $m$ 个观测窗口后，概率最低的假设将被最近观测的经验直方图所取代。这种“假设更新”机制防止了后验坍缩，并注入了反映近期数据流的新假设。
实验设计： 研究采用了大规模模拟（约 $10^8$ 次决策事件），对六个维度进行参数扫描：游戏规模（ $N \in \{3, 5, 7\}$ ）、假设数量（ $N_h \in \{3, 6, 10, 15, 20\}$ ）、窗口大小（ $m \in \{10, 20, 50, 100\}$ ）、初始化方式（随机 vs. 结构化）、预测模式（采样 vs. argmax）以及似然锐度（likelihood sharpness）。
对照组： 作者将 BIB 与以下模型进行了对比：
- 仅贝叶斯（Bayes-Only, BO）： 未进行逆步骤处理的标准贝叶斯更新智能体。
- 标准学习器： 赢了停留/输了转移（WSLS）、Q-learning 以及遗憾匹配（Regret Matching）。
- 随机智能体： 均匀随机博弈（纳什均衡基准）。
观测指标： 主要指标是 argmax-持续时间（ $T_{argmax}$ ），定义为最可能的假设保持不变的持续时长。次要指标包括层流相长度（laminar-phase lengths，即最大后验概率超过某一阈值的时期）以及有限尺寸缩放分析。

核心结果

普遍临界态： 在所有设计变体（初始化、预测模式）和对手类别下，BIB 动力学都稳定在一个鲁棒的内部临界态中。argmax-持续时间的分布遵循重尾幂律，指数 $\alpha \approx 1.43$ （在标准窗口 $m=50, N=3$ 时）。
在仅贝叶斯推断中的缺失： 由于缺乏逆步骤，BO 智能体不表现出幂律持续性。其分布更符合拉伸指数函数（stretched exponentials）或对数正态分布，且在不同假设数量下缺乏统一的指数。
普适类与漂移： 测得的指数 $\alpha \approx 1.43$ 并非固定常数，而是随着有限样本残差 $(N-1)/(2m)$ 趋于零时，系统性地向通用值 $3/2$ （表征 On-Off 中间性及 Sparre–Andersen 首返回定律）漂移。这证实了动力学是由被逆步骤钉定的零漂移对数后验随机游走驱动的。
有限尺寸缩放： 系统相对于假设数量 $N_h$ 表现出有限尺寸缩放特性。在核心区间（ $N_h \in \{6, 10\}$ ）内，指数是不变的。截断时间按 $T_{max} \propto N_h^{-z}$ 缩放，其中 $z \approx 1.49$ 。后验分布宽度按 $\sigma \propto N_h^{-\beta}$ 缩放，其中 $\beta \approx 1.07$ ，接近信息论下界，表明逆步骤将缩放效应吸收进了更新动力学中。
鲁棒性： 该普适性在不同游戏维度（ $N=3, 5, 7$ ）、不同游戏结构（通过猜拳测试 $N=2$ ）以及各种观测规则下均保持成立，前提是逆贝叶斯更新保持活跃。
内部 vs. 外部： 在对称的 BIB 对阵 BIB（对抗均匀纳什对手）的过程中，重尾临界性被限制在内部假设空间内。行为连贯性（如手势重复、连胜）保持为指数分布，因为对称对手将动作边缘分布钉定为均匀纳什分布。然而，在对抗固定且有偏（可被利用）的对手时，智能体的行为连贯性会跨越到幂律分布，这表明内部临界性充当了灵活性的储备库。

意义与主张
本文声称通过在标准贝叶斯推断中添加逆贝叶斯松弛步骤，识别出了一种普遍临界结构。

机制： 作者认为，这是一种通过不断重建假设空间边界实现的内部状态临界性，而非传统的向吸收态的自组织临界性（SOC）。逆步骤在结构上将每步对数后验漂移钉定为零，从而在无需外部参数调优的情况下创造了临界态。
与 SOC 的区别： 虽然具有 SOC 的特征（无标度统计、无需调优），但作者通过指出 BIB 并非自组织到吸收临界点，而是通过边界重建维持临界性，从而将其与 SOC 区分开来。他们将此类动力学在操作层面定义为假设分布单纯形上的 On-Off 中间性。
行为相关性： 研究表明，BIB 为人类决策中观察到的重尾持续性统计提供了生成模型。不同于在对称博弈中会坍缩为随机性的纳什目标算法，BIB 智能体通过其内部机制自然地重现了人类博弈的非平凡重尾动力学，且无需预训练或外部拟合。
谦逊立场： 作者明确指出 $\alpha \approx 1.43$ 是对某一普适类的协议相关估计，而非物理常数。他们并未声称证明了经典 SOC，而是旨在表征一种在自然参数范围内保持鲁棒的普适临界结构。其意义在于提供了一个极简的生成式推断规则，弥合了理性优化（无法捕捉人类动力学）与生物系统中观察到的临界性现象之间的鸿沟。