具身贝叶斯：运动中动作预测的新哲学探索框架

Embodied bayesian: A new philosophical exploration framework of action prediction

具身贝叶斯：运动中动作预测的新哲学探索框架

作者邮箱：：zzhang@tyxx.ecnu.edu.cn

https://link.springer.com/article/10.1007/s11097-025-10108-0

摘要
在体育运动中，身体如何参与动作预测？具身经验在此过程中又扮演何种角色？尽管动作预测已成为当代运动科学的核心议题，传统研究路径却忽视了运动员鲜活身体经验的复杂性与主观性。本文提出“具身贝叶斯身体”（Embodied Bayesian Body, EBB）框架，将运动中的预判重新理解为并非源自大脑中心的推断，而是直接从鲜活身体中涌现的预测过程。与经典贝叶斯模型将本体感觉与肌肉反馈仅视作辅助数据不同，EBB将肌张力、关节参与及本体感觉校准视为生成性预测的构成性要素。运动员的姿态动作——如拳击手微倾的身体或守门员重心的微妙转移——并非单纯的反应，而是对未来可能性的身体性实现（bodily enactment）。该框架在保持形式贝叶斯严谨性的同时，将预测逻辑重新锚定于身体所处的节律性、感觉运动性与生态性世界之中。在此视角下，预测并非认知的终端产物，而是具身主体在动态情境中自我定向的根本方式。因此，这一框架不仅重新呼应了现象学关于具身性、处境化时间性与生态嵌入性行动的奠基性主张，亦弥补了脱离身体的计算范式所遗留的本体论空缺。

关键词：具身贝叶斯 · 动作预测 · 知觉即行动 · 动态边界

1 引言
在当代运动科学研究中，动作预测能力已引起广泛关注，这得益于机器学习、计算机视觉和数据分析等领域的进展。动作预测不仅对理解运动员的高水平表现至关重要，还对设计更高效的训练方案、提升运动表现具有重大意义。此外，有关可解释的人类动作预测的研究，为仿人机器人领域中运动技术开发及底层计算框架构建提供了宝贵的方法论参照。源自运动科学的预测处理框架原理，亦可迁移应用于建模在动态环境中运作的人工智能体的适应性运动控制系统。

近年来，针对动作预测的解释性框架经历了显著的精细化发展。相关研究强调整合神经、认知（Mao & Liu, 2020；Ji et al., 2023；Li et al., 2024；Wang et al., 2025）与计算视角（Capellera et al., 2025；Hauri et al., 2021；Dalal et al., 2025），以理解运动员如何预判对手与队友的动作。该范式的核心在于：内部运动表征在捕获环境信息以推断运动意图中的作用（Makris & Urgesi, 2015；Harris et al., 2022；Huesmann, 2017）。总体而言，这些研究表明，动作预判是一种前馈过程，整合了知觉、先验经验与运动表征——这一过程高度依赖经长期专业训练所精细化的神经认知系统，并契合贝叶斯推断这一持久的解释框架。

贝叶斯大脑假说将大脑概念化为一台预测机器，它通过整合先验知识与感官输入以最小化预测误差（Friston, 2010）。该框架统一了对知觉、学习与决策的解释，同时为行为预判提供了洞见（Adams et al., 2013）。其概率建模既纳入先验知识，又能量化不确定性（Santos-Fernández et al., 2019），并通过后验分布的动态更新实现学习——这对于应对竞技运动等不可预测环境至关重要。该概念在历史上可追溯至赫尔姆霍兹（Helmholtz）于19世纪60年代提出的“知觉是一种由知识驱动的概率性推断”的主张，后由弗里斯顿（Friston, 2007）通过跨学科成果的整合而复兴。弗里斯顿认为，各类脑理论最终都收敛于“优化”这一核心理念，表现为对期望回报、效用、代价及预测误差的优化。在此基础上，弗里斯顿（2010）进一步提出：大脑通过最小化“自由能”以维持自身稳态——此原则构成了贝叶斯假说的理论基石。该理论主张，人类通过知觉建立关于世界的先验模型，而大脑则在处理新感官输入时，借助贝叶斯推断不断优化这些模型（Colombo & Seriès, 2012；Parr et al., 2022）。其关键特征包括：
（1）以最小化预测误差为终极目标，持续缩小预测与实际感官输入之间的偏差（Hohwy, 2016）；
（2）通过贝叶斯策略主动生成预测，在决策前即基于先验信息对情境进行前瞻性预判（Adams et al., 2013）；
（3）采用精度加权方法以最小化自上而下的预测与自下而上的感觉输入之间的误差（Hohwy, 2013）；
（4）运作于分层网络架构之中，先验模型与感觉-运动信息通过中间层级相互作用（Hohwy, 2013）。
因此，动作预测可被视为一种专注于误差削减的特化预测模型，其在方法上运用贝叶斯推断，并在主动预测与被动感知之间取得平衡，以有效应对复杂环境。

贝叶斯认知理论的核心优势在于其量化性与整合性解释力：它不仅阐明了运动员如何在不确定环境中优化信息利用，还与预测编码、神经效率等当代神经科学理论相契合。然而，在基于贝叶斯大脑理论的动作预测研究与人类经验现实之间，仍存在显著的本体论解释鸿沟。这些鸿沟远不止于方法论差异，更挑战着我们对认知主体、躯体-运动参与角色以及环境交互动力学的根本构想：
1）尽管以“主动推断”（active inference）为基础的研究为熟练运动表现中知觉与行动的统一性提供了新颖解释——将决策视为对贝叶斯推断的近似——但其本质上仍将身体还原为一种“神经-知觉组件”（Harris et al., 2023；Hohwy, 2013；Ramstead et al., 2020），仅负责提供感官输入。此路径仍被统摄于计算主义认知框架之内，未能充分说明身体图式（如复合的感觉-运动系统）如何作为整体性要素嵌入多层次决策网络之中。
2）尽管强调身体与环境的耦合，该框架仍将身体概念化为环境信息的处理者（例如，通过感官输入更新贝叶斯先验；Clark, 2015）。究其根本，这仍是一种客观表征的变体，无法真实捕捉到有机体与环境相互构成关系中那种深层嵌入的功能性可供性（affordance）。
3）时间性与身体的优先性仍被遮蔽。贝叶斯理论的核心运作机制——预测误差最小化——依赖于一种线性、离散、事件驱动的时间模型（Kiverstein, 2018, pp. 19–40）。这忽视了运动表现中固有的信念连续动态更新过程，因而忽略了现象学维度中“知觉即行动”与“身体-环境相互渗透”作为具身认知本质的核心主张。由此，此类研究范式与理解实时运动动作预测所需的解释框架产生了根本性偏离，无法充分把握具身存在之现象学深度。

这就要求我们将贝叶斯大脑框架的理论视角与具身现象学的基本原理加以整合。我们秉持对计算主义与还原论的批判立场（Finlay, 2008；Foglia & Wilson, 2013），并克服传统身体现象学的局限性，进而构建一个更具综合性的理论框架。因此，我们尝试将贝叶斯理论与具身现象学的关键维度相融合——包括其对持续更新的信念系统（Friston, 2012；Wilson et al., 2024）、功能性可供性，以及生态-现象学视角（Bruineberg et al., 2014）的强调。这一综合旨在提出一种新颖的、整合性的解释框架——即“具身贝叶斯身体”（Embodied Bayesian Body, EBB）模型——专门针对运动表现这一独特语境中的动作预测问题。该框架为具身化、生态嵌入性主体中的预测过程提供了更为全面的说明。

2 为何贝叶斯理论与经验现实之间存在本体论偏差？
鉴于当前贝叶斯解释框架与运动员预测经验之实证现实之间存在的偏差，我们有必要首先审视：基于贝叶斯大脑理论的运动动作预测与现象学意义上的身体运动之间，究竟存在哪些持续性的本体论差异。

2.1 鸿沟一：残余的脑中心主义与身体的还原论观念
尽管贝叶斯大脑理论（如 Harris et al., 2023）在以预测误差最小化为核心的主动推断框架内统一了知觉与行动，它仍固守一种脑中心范式——即大脑作为核心计算单元运作。其预测算法主要依赖视觉线索（如球体轨迹）与动觉线索（如板球运动员挥拍时的运动学参数）来预判运动轨迹。关键在于，该框架未能将肌肉与关节的自组织动力学整合为预测加工的构成性要素，而是将身体还原为一种“神经-知觉组件”（Hohwy, 2016）。此种还原论立场削弱了身体本体感觉的整体性，实质上将身体定位为被动的感官输入源，而非作为塑造认知的主动、动态主体。

诚然，此范式内的生成模型纳入了本体感觉，但仅将其视为更新先验信念的辅助信息（Hohwy, 2013），从而忽视了肌肉与关节反馈对认知过程实时塑造的关键作用。贝叶斯框架对概率推断的根本承诺，内在地遮蔽了具身性所具有的非计算性贡献。即便承认“身体图式”（body maps）可作为经验性先验，该模型仍持续将身体框定为一种“可操控系统”，却未能认识到其与知觉及决策能动性的不可分性。尤为关键的是，身体前反思层面的“我能”（I can）——即一种具身化的知识系统（Gallagher & Cole, 1995；Gallagher, 2017）——无法被还原为离散的感官输入。例如，运动员的“肌肉记忆”体现了一种动态的、非意识层面的适应性；而在贝叶斯模型中，这种适应性被还原性地处理为从属的“感官证据用以更新先验概率”（Helm et al., 2020）。本质上，该理论的计算透镜遮蔽了身体在认知中的能动角色。

这意味着，即便在强调贝叶斯对动作预测的解释已纳入实时环境互动的前提下，身体的根本地位——“我即我的身体”（Merleau-Ponty, 2011, p. 105）——仍被大幅忽视，甚至从根本上被否定。尽管贝叶斯解释在实证运动研究中展现出良好的模型拟合度（Harris et al., 2022；Smeeton et al., 2024），这些分析往往默认了“预测即计算”这一命题，却未能揭示身体如何自身就是预测的构成者。尤为关键的是，运动员并非“先用大脑预测，再驱动身体”，而是通过动作本身具身化地实现预测（身体运动即预测）。此外，尽管贝叶斯大脑理论在形式上容纳多模态感觉整合，当前的动作预测模型仍主要依赖单模态视觉输入的解释路径，忽略了运动执行过程中多模态知觉整合的关键议题。

更具根本性的是，在涉及多主体互动的情境中（例如对手的欺骗性动作），既有贝叶斯框架无法解释“身体间共振”（intercorporeal resonance）现象——如足球守门员感知罚球者意图时所发生的躯体调谐（somatic attunement）。这种实时身体与他人互动的现象学维度，仍是当代研究中一个显著的空白。

2.2 鸿沟二：环境耦合中的表征局限性

尽管基于贝叶斯的动作预测研究强调身体与环境的耦合（例如，将行动视为预测误差最小化过程），其本质上仍属于一种表征性框架——将身体视作“环境信息的处理器”。该框架的核心解释立场认为，动作预测是通过感官输入持续更新贝叶斯先验的过程，而非真正植根于深层嵌入的可供性（affordance）关系之中。这一局限源于贝叶斯模型将环境简化为一个“概率分布的来源”，其中“马尔可夫毯”（Markov blanket）假设将身体与环境刻画为“统计上可分离的系统”（Friston, 2010, p. 129）。结果，身体不再是一个真实能动的主体，而仅是向内部模型传递信号的物理介质。马尔可夫毯的前提预设了身体与环境之间存在清晰、可分离的信息边界，从而忽视了运动员在实时与环境互动中固有的尺度匹配动力学（scale-matching dynamics）（Wilson & Golonka, 2013）。

体育运动中真正意义上的可供性，是通过吉布森（Gibson, 1986）所主张的直接知觉—行动循环涌现的，无需依赖概率性推断。例如，棒球击球员依赖的是通过与球棒的动觉耦合而实现的可供性知觉——他凭借具身化的调谐感（embodied attunement）来感知球的时空位置，而非计算其轨迹概率（McRobert et al., 2011）。

生活世界中的知觉与行动是流动的、开放的过程，根植于持续变动的情境性参与之中（Merleau-Ponty, 2011, p. 335）。运动员的身体构成的是一种可渗透的边界，而非信息性边界；在此，认知主体不仅处理输入，还动态地调节环境反馈。尤为关键的是，“球的轨迹”并非预测的目标，而是共同构成了一个不断演化的交互场域——它是“我与球互动之可能性”随时间推移而实现的互构性嵌入（reciprocal co-embedding）（Gallagher, 2017, p. 11）。梅洛-庞蒂（Merleau-Ponty）曾描述过这种原初的知觉经验（Merleau-Ponty, 1983, p. 68）。他认为，对处于行动中的球员而言，足球场并非一个“客体”。换言之，这一理想化的术语可生成无限多的视角，并在其表观变化中始终保持等价性。球场中布满了“行动线索”（code lines）；在需要特定动作模式的区域（例如对手之间的“空当”），它呈现出能发起并引导行动的区域，仿佛球员对此浑然不觉。球场本身并非被给予他的外部对象，而是作为其实践意向的内在项而存在；例如，球员与球场融为一体，对“球门方向”的感知，就如同他对自己身体垂直面与水平面的感知一样直接而切身。

2.3 鸿沟三：时间性与身体优先性的遮蔽

贝叶斯大脑理论的核心运作机制——预测误差最小化——构成了一种三重结构：面向未来、立足当下、依赖过往经验。然而，该框架仍以线性、离散、事件驱动的时间观为前提（即“事件发生 → 模型更新 → 行为调整”）。这在极为丰富且复杂的体育环境中，造成了表征与现实之间严重的认识论鸿沟（Chemero, 2013）。它无法解释动态运动情境中的灵活预测（例如运动员对意外事件的适应），亦无法阐明知觉向行动的无缝过渡（Van Gelder, 1995；Wilson & Golonka, 2013）。这一缺陷也阻碍了仿人机器人的发展，表现为运动学上的笨拙、动作预测高失败率及低鲁棒性。

尤为关键的是，此解释框架内隐的时间逻辑忽视了运动行为中身体的优先性（bodily anteriority）与时间意向性（temporal intentionality）。人类的动作预测并不依赖显性的事件识别或概率计算，而是源于身体在时间流中主动的调制。贝叶斯模型的“更新主义”时间逻辑——强调“从过去经验与当前输入中推导出最优的未来预测”——本质上采纳了一种工程导向的时间图式。其计算核心（预测误差最小化）依赖于离散的、事件驱动的时间结构（例如分层处理：感觉层 → 节律层 → 情境层），却忽略了身体所具有的连续动力学特性（Van Es, 2020）。例如，流畅的舞蹈动作依赖的是实时协调，而非分步式推断；这与真实运动中身体前反思层面的调制根本相悖。

以足球运动员的射门为例：该动作常常在防守队员尚未完成其预判之前即已发生，构成了一种比意识加工更快的“身体—时间耦合”（Wilson et al., 2024）。因此，运动行为中的预测性控制并非对未来的推测，而是对当下的一种前结构式投入（pre-structural engagement）——我们称之为“预测性控制”（Predictive Control）。正如梅洛–庞蒂所言：“身体并非预测未来的工具，而是时间性的承载者”（2011, p. 340）。

此外，尽管主动推断模型纳入了“最大化未来状态期望效用”的机制（Friston et al., 2017），这仍属于一种“回溯式控制”（backward control）——即从当前状态出发，对预期结果进行回溯性推断。它无法解释如下现象：

• 在节奏训练中，运动员的身体往往在外界节拍尚未形成之前，便自主进入预备状态；

• 在持续反馈型运动中（如滑雪、冲浪），身体姿态的调整并非对变化的被动反应，而是对新兴运动趋势的主动参与。

这是一种“未来优先”（future-first）的知觉模式——即身体在预期的未来实际显现之前，便已嵌入其中——而这恰恰是贝叶斯范式所未能涵盖的。因此，基于贝叶斯推断的仿人机器人在动作预测中的反应时长远长于人类。依赖身体图式（body schemata）的自动化反应，其速度远超概率计算所能达到的水平（Savelsbergh et al., 2002）。这种差距并非仅仅源于硬件、参数或计算能力的限制，而源于解释模型本身在范式层面的根本差异。由此，贝叶斯框架未能充分应对真实世界中能动行为所固有的离散时间性问题（discrete-time problem）。

2.4 新解释框架的必要性

● 尽管贝叶斯框架在动作预测方面展现出强大的解释力，其在整合现实场景中具身现象方面仍显不足。这一局限导致其在解释真实情境中人类运动行为的复杂性时存在关键性缺口。正如胡塞尔所指出的：“客观科学真理”试图通过客观主义方法，将我们对生活与运动的原初知觉理性化，而这些方法所界定的，是具体却尚未实现的直观事件（Husserl, 1970, pp. 89–90）。然而，我们所知觉与体验的内容，总是超出我们有意观察的范围——这一现象学维度要求通过现象学方法进行诠释性补充。因此，引入具身认知理论，可为贝叶斯大脑理论在解释动作预测时的局限提供一种至关重要的修正。

● 与激进的反表征主义范式不同，我们认为，那些以现象学为基础的具身认知框架本身亦存在过度形而上学抽象的问题，在解释层面难以充分阐明智能与知识的运作机制，因而也表现出理论上的薄弱之处。这反过来凸显了贝叶斯理论作为互补路径的必要性，以应对经验实证层面的挑战。因此，我们主张一种适度具身化（moderate embodied）框架——即一个融合了可供性理论（affordance theory）、生态学思想（ecological thinking）与格式塔原则（Gestalt principles）的综合范式。该框架强调：身体—环境耦合不仅提供基础性的感官数据，更能生成跨越躯体性、生态性与社会互动性等多维度的知觉经验（Blanke et al., 2015）。

基于这一综合立场，我们接下来将借助具身现象学的视角，进一步阐发EBB（具身贝叶斯身体）解释框架所蕴含的新颖意涵与理论优势。

3 动作预测：具身贝叶斯（Embodied-Bayesian）解释框架

3.1 动作预测中身体的本体论地位

自瓦雷拉（Varela）的研究以来，众多认知科学家为“心智的具身性”（the embodiment of the mind）提供了大量实证支持（Gredin et al., 2020；Harris et al., 2022, 2023；Smeeton et al., 2024）。例如，人们日益认识到自然的身体动作如何影响对抽象概念的理解，并据此改进教育实践，这支持了身体动作在认知过程中起关键作用的观点（Sullivan, 2018）。进一步研究表明，即便是认知语言加工这类看似抽象的活动，也与运动功能密切相关，凸显了具身认知在神经疾病管理与心理健康干预中的潜在应用价值（Pietrzak et al., 2018；Naro et al., 2022）。这表明，身体功能与认知过程紧密交织：身体活动不仅通过增强基础认知过程间接促进学习，更对学习过程本身产生直接影响（Castro-Alonso et al., 2024）。其原因在于，大脑的运动回路与执行功能及认知功能高度整合，并调控基本的身体过程，从而揭示出身体与心智、知觉与行动之间深刻而紧密的互构关系（Gordon et al., 2023）。

这些研究共同支持了心智的具身性立场，表明身体动作与功能确为认知过程提供了基础性的“物质性支撑”。其影响覆盖广泛领域，从基础研究延伸至教育、心理治疗、决策与神经科学等实践应用，凸显了身体在认知活动中不可替代的核心地位。由此可推知，运动员的动作预测亦是一个具身化过程，无法仅凭计算主义路径得到完整且准确的解释。

在具身动作预测的语境中，运动员的预测模型更近似于一种动态分布式的计算方式（dynamic and distributed computational approach），其中每一次预测都伴随着整个身体系统的参与。克拉克（Clark, 2016, pp. 249–250）强调：预测并非仅源自大脑内部的表征性计算，而是通过个体在环境中持续的调节、反馈与适应而生成的一种交互性预期（interactive expectation）。此外，身体系统在此交互性预测过程中并非被动卷入，而是主动地嵌入特定情境之中。这种嵌入机制，通过知觉与行动的无缝整合，建立起个体与环境之间的动态耦合，并直接植根于第一人称的主观经验。例如，当运动员进行预测时，不仅依赖大脑的计算加工，还实时整合来自肌肉、关节与本体感受器的反馈，从而形成一种知觉—行动的统合经验（Araújo et al., 2021）。该统合经验正体现了具身认知的核心原则：即认知过程深深植根于身体的感觉-运动经验之中（Toner et al., 2015）。凭借这种统合经验，运动员得以在动态环境中持续调整与适应，从第一人称视角建构出预测与决策的流动性与实时性（Malinin, 2019）。高水平运动员的预测能力并非纯粹的认知过程，而是依赖其丰富的身体经验与高度调谐的知觉—行动系统（Raab, 2015）——该系统本身恰恰类似于一种动态分布式的计算结构。

此外，运动员的整体性经验预测不仅涉及动态分布式计算方法，还要求对来自不同感觉通道的多模态信息进行整合。在动作预测过程中，多模态整合体现为不同感觉模态与运动信息的自然融合。正如Körding等人（2007）所证实的，人类知觉系统会依据贝叶斯最优原则，自动评估并整合来自不同感觉通道的信息。在运动情境中，这一整合机制使运动员能同时处理视觉输入、本体感觉与动作反馈等多维信息。例如，网球运动员接发球时，不仅需整合对手发球动作的视觉信息，还需结合自身身体姿态与运动经验。这表明，动作预测要求将不同感觉通道的信息视为一个统一整体，而非彼此割裂的信息源。

除需要一个整合感官数据的中央系统外，更亟需一种整合能力——即具身化的时间知觉（embodied time perception），它将知觉构建成一种强因果关系。Poznanski（2024）指出：大脑中的意识并非简单的线性事件序列，而是一个与“脑—身整合信息结构”紧密关联的复杂网络。通过非线性信息通路的流动，脑—身系统可实现自指因果闭合（self-referential causal closure），从而在瞬时完成多尺度信息的功能性整合，生成意识体验。

换言之，具身化意识主体的关键作用，正在于其对离散时间知觉的汇聚与整合。在动作执行与分层加工过程中，尽管主体所感知的时间片段丰富却零散，身体仍能将其整合为连续的时间流——而具身性在此过程中发挥着枢纽性作用。身体动作与节律为时间的感知与整合提供了参照：例如步行的步频、心跳的节律、呼吸的模式，皆可作为时间流逝的标记。这些内源性节律使得碎片化的时间知觉片段得以被综合为连贯的整体。梅洛-庞蒂主张，作为主体的身体“分泌时间”（secretes time）、“占据时间”，并与我们的身体经验密不可分（Wöllner & London, 2023）。身体时间（body-time）不仅是一个被动的时间容器，更是一个主动的时间建构者。我们通过身体运动、知觉以及与环境的互动来体验并建构时间（Garstenuer, 2016）。这种身体性经验直接影响我们预测动作并执行动作的能力。具身化的时间观表明，时间体验是非线性且流动的——这正契合动作预测中必须考量的复杂时间动力学特性（Abreu et al., 2017；Vaziri-Pashkam et al., 2017）。

由于动作预测高度依赖对环境的知觉与理解，其必然涉及与环境建立因果关系——即一种“意向性绑定”（intentional binding）与“时间性绑定”（temporal binding）（Buehner, 2012），这对真实情境中的运动员尤为重要。此外，认知过程的连续性与动态性意味着：认知是渐进式的而非离散的（Spivey & Dale, 2006），涉及多个加工成分的持续交互。时间的连续性意味着，动作预测并非在孤立的时间点上做出的离散判断，而是在连续时间流中实时发生的认知活动。因此，运动员对自身动作的知觉，并非如传统观点（Fodor, 1983）所认为的那样是一系列离散时间点的集合，而是通过知觉与行动的持续互动，所建构出的实时预测与决策能力。这种时间的流动性进一步揭示了动作预测作为认知过程的动态本质，以及它如何通过时间与空间的多维整合实现对环境的实时适应。

此外，必须充分认识到运动员独特的身体特征（如强健的肌肉与骨骼）及其相应的本体感觉经验在动作预测过程中所起的关键作用。可以说，身体的物理属性、运动能力及其与环境的动态交互，直接塑造了认知过程本身。身体并不仅仅是执行大脑指令的工具；相反，身体通过其形态与动态特性，构建了认知的基本框架，为有机体适应环境及行为生成提供了深层支撑。正如夏皮罗（Shapiro, 2019）所指出的，认知深度依赖于身体的结构与功能，并通过身体—环境互动中知觉与行动的整合而得以实现。研究表明，专业运动员对其独特身体感受的敏锐觉察深刻影响其运动表现（Toner et al., 2015）。身体特征、环境要素与任务约束之间的相互作用共同塑造了运动表现（Araújo et al., 2021）。这一点在熟练动作中所涉及的反射性与前瞻性身体意识（anticipatory body awareness）中尤为显著——它反映出运动员如何借助其特有的身体觉知以优化表现（Toner et al., 2016）。

既然身体在体育运动的动作预测中扮演着不可或缺的角色，将具身性赋予贝叶斯推断，便有助于弥合抽象模型与鲜活经验现实之间的本体论鸿沟。然而，若全然抛弃贝叶斯框架在概率推理方面的优势，则是不明智的。尽管激进具身化路径（如 Chemero, 2009；Gallagher, 2017）强调身体与环境的核心地位，其在解释预测精度与适应性方面仍存在局限；相反，贝叶斯概率推理为在不确定性环境中进行预测提供了强有力的工具。因此，我们提出“具身贝叶斯身体”（Embodied Bayesian Body, EBB）框架，以整合两种传统的优势：具身认知的身体中心性与贝叶斯理论的概率推理能力。此种整合并非简单的并置，而是对双方范式核心概念所进行的原则性重释与重构。

3.2 具身贝叶斯框架

基于前述讨论，先验（priors）并非仅作为大脑中的抽象信念而形成，而是通过身体参与、知觉可供性以及在具体情境中习得的运动习惯共同塑造并动态更新的。身体状态——如肌张力、关节位置、平衡性与预备程度——并非被动输入项，而是主动约束条件，参与生成性模型（generative model）的构建。作为身体图式（body schema）与预测性控制（predictive control）之基础，EBB（具身贝叶斯身体框架）提供了经验性先验，并通过部分运动实现（partial motor enactment）支持注意力与心理意象的调节，从而联结知觉、行动与觉知（Safron, 2021）。在具身理论视域下，预测误差最小化不再仅是一种神经过程，而是跨越大脑—身体—环境的分布式调节过程。预测的计算架构由此从孤立的大脑转移至具身化的知觉系统。EBB在保有概率建模形式严谨性的同时，拓展了其本体论范围，将可供性敏感性、身体协调性以及情境依赖的多模态感觉整合纳入其中：

1. 知觉具有前行动性（pre-actional），大脑与身体共同参与预测生成。此处，知觉不仅是对刺激的被动响应，更是一种面向行动的适应性活动。高水平运动员之所以能在高速、复杂的运动情境中实现快速反应，并非单纯依赖内部建模与表征，而是通过身体结构、运动惯性及肌—关节协同等具身机制，主动调节贝叶斯推断中的生成路径与精度加权。这种“具身调节”（embodied modulation）本身即构成对未来的前瞻性行为（Wilson et al., 2024），使知觉本身成为一种具身化的预测行动。尤为关键的是，在EBB视角下，知觉并非“为行动而准备的输入”，而是行动自身的初步展开。运动员之所以“知觉到”球将落于何处，是因其身体系统（如肩—髋重心分布、眼球微动、膝关节张力）已先行进入一种具身预测结构——该结构正是其当下知觉经验本身的构成基础。换言之，某事之所以“可知”，乃因身体已先行朝向它而行动。因此，身体状态（如肌肉记忆、关节僵硬度）应被编码为贝叶斯先验，而非附属信息。传统贝叶斯模型依赖后验更新 P(未来｜过去)，而运动员的“前反应倾向”则体现为身体对未来的主动嵌入——即 P(当下｜未来趋势)。例如：

   • 棒球外野手通过肩部负荷反馈实时调整生成模型，取代纯视觉轨迹计算；

   • 格斗运动员预判性地转移重心，构成动作预测中的“身体优先性”（bodily anteriority）。

2. EBB框架可通过引入由身体节律驱动的连续时间基底（continuous-time substrate）重构时间性：运动员的生理节律——如呼吸频率与步频——并非仅被动响应环境事件，而是主动调节贝叶斯模型的时间结构。具体而言，身体节律通过调控知觉采样率（如心搏周期影响视觉注意窗口），将离散的感觉输入整合为连续的知觉—行动流；同时，动态的躯体状态——如关节负荷变化、肌肉张力波动——通过微分方程实时更新生成模型。此机制将梅洛-庞蒂“身体分泌时间”的论断转化为预测误差最小化的动态实现路径。此类机制使运动员无需显式计算即可达成“身体优先性”——例如，网球运动员借由手腕细微的屈伸动作，身体已先行进入未来状态，早于意识觉察球的轨迹。该模型在维系贝叶斯推断本体论根基的同时，将现象学的“身体—时间耦合”转化可计算的随机过程，从而实质性弥合了神经中心主义与具身性之间的本体论鸿沟。

3. 知觉与行动共享同一生成模型，即大脑与身体共同参与一个分布式的、具身化的生成模型。在此框架下，知觉与行动并非分离模块，而是应对预测误差的两条不同路径：当预测误差较小时，系统维持稳定，表现为“知觉确证”；当预测误差显著时，则驱动行为调整以改变环境或身体状态，表现为“运动修正”。因此，知觉超越了被动信息接收，转而成为一种主动的、具身化的预测误差调节机制——其本质与行动同构。例如：

   • 篮球运动员“看到”空位，实则是其身体/眼球的微动作共同构建了对空间机会的预测性调度；

   • 拳击手“感知”对手出拳，源于手腕张力、足部肌肉激活与呼吸节律共同嵌入格斗节奏之中。

4. 身体不仅为知觉之工具，更构成知觉经验本身的发生场域。在EBB框架中，身体不再作为被动中介收集感觉数据，而成为知觉自身的建构场。运动员每一次知觉行为，皆为身体与环境耦合的具体显现；知觉、行动与意义在具身化架构中同步共现。通过将肌张力、关节负荷、触觉反馈与运动惯性纳入生成模型，EBB主张：知觉兼具感官性与机械性——它既是意识觉察，亦是动力学运动；知觉寓于行动之中，行动则显现为知觉的物化表达。

5. 行动即对知觉误差的即时调节。EBB强调：动作预测并非在“知觉完成”后才生成行为反应；相反，行动本身就是知觉过程的持续展开。在此意义上，“行动并非知觉的结果，而是知觉不可分割的组成部分”。此原则在顶尖运动员的高速反应中表现尤为突出——他们并不等待“看清”后再启动动作，而是主动调动身体以管理知觉不确定性。

3.3 身体作为预测—生成性主体（predictive-generative agent）

前文已为动作预测的具身性提供了充分论据。EBB框架的核心目标，正是将身体与大脑共同置于动作预测的中心位置——这不仅体现在语法层面，更落实于解释的本体论逻辑之中。安迪·克拉克（Andy Clark）指出，负责预测的大脑并非颅骨内孤立的推理引擎，而是一台面向行动的耦合机器（Clark, 2016, p. 250）。换言之，具身认知理论的出发点，并非一个处理抽象问题与符号表征的内部状态，而是一个需要心智发挥作用的身体与人（Wilson, 2002）。在决策与运动情境中，将认知与行动相联结则揭示出：具身化的选择构成预判的核心环节。Loffing 与 Hagemann（2020）强调，运动中的具身判断任务涉及感觉-运动整合，表明预判与身体状态及动作深度交织。同样，高水平运动员展现出与运动共振（motor resonance）相关的增强型动作预判能力，说明具身化的感觉-运动训练可切实提升预测准确性。

在体育竞赛中，这一点清晰可辨。例如，在棒球比赛中，外野手接高飞球时，并非将球的速度与位置等信息转化为内部推理系统；相反，球员通过调整跑动以抵消球的加速度，使球在视觉上看似静止，从而成功完成接球（Clark, 2016, p. 247）。倘若运动员须等待所有外部信息被处理为内部模型后才开始行动，则几乎不可能及时接住球。因此，大脑并非首先形成“如何稳妥接住高飞球”的稳定知觉，继而启动动作；再据此形成另一稳定知觉，再触发下一动作……相反，身体通常是在趋向稳定知觉的过程中即已展开运动，而非在达成该知觉之后才行动（Clark, 2016, p. 184）。其所体现的预测性行动，本身就内嵌于运动本身及其所处环境之中。正因如此，顶尖运动员常将接球的真实体验描述为“朝球奔去”或“双向疾速趋近球体”。在此框架下，知觉的目的并非向神经系统传递信息以构建内部模型；而是为即将来临的动作做准备。正如诺埃（Noë）所言，“知觉即行动”意味着：知觉本身即是对“可能性”的知觉，是对未来情境如何展开的前瞻性预判。这种预判乃一种身体反射或经训练形成的生成性能力，而非抽象的内部计算（Noë, 2006）。在此过程中，身体与环境形成紧密的反馈回路：身体的知觉是其对环境动态适应与探索的结果，而非大脑内部表征或静态意象的再现（Gallagher & Zahavi, 2021, p. 157）。因此，知觉与行动的关系被视为不可分割：知觉即行动，而行动又持续反馈以校正知觉。

例如，被动动力学步行器（passive dynamic walkers）借助重力与关节活动即可实现自然步态，其运动效率源自物理形态本身，而非神经计算。此类“形态智能”（morphological intelligence）契合贝叶斯的简约原则：大脑优先选择参数最少的模型（如利用光流进行接球），从而避免冗余计算。这一激进的预测加工框架重构了贝叶斯推断与具身性之间的关系，将身体确立为贝叶斯简约性的物质基底。因此，认知负荷得以通过身体的形态智能与环境动力学的耦合而大幅降低。

与克拉克等人（Clark et al.）的观点相较，EBB框架进一步整合了Wilson等人（2024）的洞见，提出在动作预测过程中，不同技能习得阶段对应不同的认知策略：

• 初学者 依赖预测性控制框架（predictive control framework），需借助内部生成模型以最小化贝叶斯预测误差（符合克拉克的预测加工理论）；
• 专家运动员 则采用前瞻性控制框架（prospective control framework），通过直接的知觉—行动耦合利用环境中固有的可供性，无需内部模拟（生态学意义上的前瞻性控制）。

值得注意的是，fMRI研究（Fischer et al., 2016；Hathaway, 2023；Klautke et al., 2023；Florio, 2025）在前额叶与顶叶皮层中识别出一个“物理推断枢纽”（physical inference hub）网络，其中包含感觉-运动整合机制；该网络的激活模式与运动动作预测系统高度重叠。专家运动员甚至在观察运动轨迹之前即已启动预测编码（Yon et al., 2018），其自发神经活动已内嵌运动相关信息——这些信息作为“隐性先验”（implicit priors）存在于丘脑—皮层上行/下行预测通路中，构成贝叶斯生成模型的组成部分（Dimakou et al., 2025）。顶尖运动员依赖此类预激活表征进行空中预判，表明知觉—运动统一性必然涉及中枢神经机制。这些神经科学发现似乎对EBB的理论基础构成严峻挑战，暗示即使在具身框架内，神经中心性仍不可或缺。

然而必须强调：EBB自始即采取一种整合进路——既不偏向纯粹“自上而下”，亦不囿于单一“自下而上”的解释模型；相反，它明确拒斥传统贝叶斯大脑理论的神经中心主义预设，同时肯定在体育动作预测中，神经过程与身体过程具有同等本体论地位。大量来自自然科学的实证证据支持此立场：专家运动员展现出强健的具身前瞻性机制，具体表现为：

• 预激活 （Pre-activation）：挥拍前即已启动肌肉募集；
• 协同收缩调节 （Co-contraction modulation）：调控主动肌—拮抗肌协调，以在短跑中实现稳定性与效率的权衡；
• 关节刚度适应（Joint stiffness adaptation）：快速募集肌群群，增强短潜伏期反应刚性以抵抗扰动；
• 肌腱—肌肉耦合 （Tendon-muscle coupling）：同步提升肌腱刚度与肌肉力量，在跳跃中优化能量传递（Smith & Lee, 2022；Dupré et al., 2024；Gaspar et al., 2019；Müller & Müller, 2013；Aeles et al., 2024）。

这些现象表明：由骨骼肌系统与自主神经系统介导的具身响应性，已超越单纯的感觉反应性，构成一种非意识层面的神经肌肉策略。此外，身体能根据情境动态调整贝叶斯权衡：运动员在熟悉环境（如常规训练）中采用低精度感觉加权，依赖程序性运动记忆；而在陌生情境（如有风的比赛场地）中则提升先验模型的权重，启用更复杂的计算。此类情境依赖的切换，经由身体动作实现，落实了贝叶斯效率的优化。

尤为关键的是：尽管克拉克的例证主要集中于开放性技能领域（open-skill domains），封闭性技能项目（closed-skill disciplines）（如体操、跳水、武术演练）则需长期构建预测模型——这并不削弱身体的作用，而仅反映其与开放技能情境相比，在认知资源分配权重上的差异。

3.4 动作预测中的脑—身—世界耦合

基于长期运动训练的实证证据，羽毛球、乒乓球、网球等项目的从业者普遍认识到：从熟练阶段迈向专家水平，需以百万次计的基本动作重复练习。这一观察表明，高水平的运动预判确需在认知系统内发展出预测模型。与EBB框架一致，此类预测过程确实涉及神经表征；然而，这些表征在贝叶斯预测中运作于一种具身开放性（embodied openness）之中——神经系统与身体系统展开分布式、非等级化的协作，共同动态重塑环境及他人行为。

此处“开放性”（openness）意指：贝叶斯生成模型的内容始终受制于身体的处境化背景、生理状态、形态结构及行动能力。例如：

• 运动员关于“可抓握物体”的预测模型纳入了手部尺寸参数；

• 不同球拍动力学特性（如羽毛球拍 vs. 网球拍）可自适应地塑造项目特异性的手腕运动学；

• 微幅姿势调整（如守门员重心偏移）持续更新对对手意图的知觉（Raab, 2015）。

此类身体特异性表明：生成模型并非普适的理性工具，而是具身适应的产物。

克拉克（Clark）将其定义为一种整合机制：知觉系统与运动系统采用双重策略——既改变预测以适应环境，也改变环境以契合预测——协同降低预测误差（Clark, 2016, pp. 120–124）。换言之，动作预测中的先验知识构成一种预先编码于神经系统中的开放模型——它是一个通过持续身体实践与环境互动而不断被塑造、演化的动态过程（Tenenbaum et al., 2011）。正如生态动力学理论所主张，这种“具身知识”使运动员得以在吸引子景观（attractor landscape）内快速切换动作模式（Dicks et al., 2019）。当棒球运动员接球时，接球动作本身即主动建构了对球轨迹的知觉过程；而运动场域则作为可供性场（field of affordances）而运作（Araújo et al., 2019）。因此，专家运动员大脑中的贝叶斯机制，实为身体与环境共振的产物：

• 乒乓球胶皮黏滞系数经长期训练被编码为预测旋转的似然函数；

• 场馆照明条件通过瞳孔收缩速率调节先验概率权重。

当运动员报告“进入心流状态”（feeling in the zone）时，正反映出生成模型达成了瞬时最优耦合——小脑内部模型与前运动皮层运动基元，在特定环境约束下协同将预测误差降至最低。这种开放性定位使运动认知既非纯粹的计算性符号表征，亦非激进具身立场下的直接知觉，而是一种整合了神经表征、身体结构与环境约束的适应性生成系统。

由此引出一个关键问题：在有效动作预测过程中，脑、身体与环境之间相互耦合的动力学本质究竟为何？对此，我们或可重新审视“马尔可夫毯”（Markov blanket）这一在贝叶斯大脑理论中被广泛应用的概念。

马尔可夫毯指在一个可靠贝叶斯网络中，由某一中心节点及其父节点、子节点、以及子节点的父节点所构成的节点集合。弗里斯顿（Friston）将马尔可夫毯引入生命系统自组织解释，主张其由感觉状态与主动状态共同构成，并借此区分内部状态与外部状态：感觉状态受外部状态影响但不受内部状态影响；主动状态受内部状态影响但不受外部状态影响（Friston, 2010）。换言之，外部状态可通过感觉状态影响内部状态，而内部状态则通过主动状态影响外部状态。此外，弗里斯顿认为，仅有内部状态具备推理与表征能力，其他状态则不具备此能力（Friston, 2013）。

然而，范·埃斯（Van Es）指出，严格区分内部与外部状态将导致大量现象无法被充分解释；他主张以“可靠协变”（reliable covariance）概念说明表征与推理何以可能（Van Es, 2020）。换言之，单一内部模型不足以表达我们的认知过程——因其仍依赖信息加工理论，将认知视作符号操作与概率计算；即便纳入脑—身—环境互动，该方法仍根植于计算隐喻。事实上，用马尔可夫毯划分内外状态的做法，类比于将人类等同于仿人机器人：一个具备感知能力的机器人，或可通过其数据中心、肢体与环境的交互不断调整任务姿态；但它无法真正理解田径、足球或篮球等运动中内嵌的文化语境、价值意义与互动关系——这些关系潜藏于耦合的知觉—行动循环之中，并通过毫秒级整合长期规划（如路径决策）而实现。一如置身赛场却仅占据物理空间的仿人机器人，它无法真实沉浸于“运动领域”（domain of sport），亦无法与运动场域建立深刻的互惠性联结。

因此，我们主张：鉴于其缺乏对运动经验性的沉浸，必须突出强调嵌入环境之中的人类经验之根本重要性；同时，我们提出对马尔可夫毯的重新诠释——认知马尔可夫毯（或认知边界）并非存在于大脑内部状态与外部状态之间，而内在于人与环境的耦合与互动之中。

持具身认知立场的哲学家认为，在评估某一认知过程时，判断标准不应是认知的内部结构，而应是其在认知过程中所履行的功能（Wilson & Golonka, 2013）。例如：用笔记本辅助记忆、用智能手机安排日程、盲人借助手杖感知环境——这些外在工具皆被视为认知过程的延伸，因其在实际认知功能中发挥关键作用（Gallagher, 2017, p. 167）。在运动中，这一点尤为显著：网球运动员比赛中的认知并不局限于其身体之内；球拍可被视为一种技术性器官（technological organ），构成其认知系统的组成部分。当运动员击球时，其认知系统已延伸至身体、球拍乃至球体本身。在此意义上，身体、球拍与球皆属同一认知系统。

西门斯等（Siemens et al., 2015）指出：人类认知（包括运动员认知）常延伸至身体之外的物体与人工制品；这种延伸是无缝且动态的，以至于难以精确界定认知的边界。相较之下，计算系统中的“认知”过程通常边界清晰，可被分解为离散的模块与步骤。因此，仅泛泛提及意识、身体与环境的联系是远远不够的（Harris et al., 2022）——因为运动员在当下所感知到的，意识本身无非就是环境与行动之间的辩证过程。其每一个动作都改变着赛场的特征，并在其中建立新的边界；在此边界内，动作得以展开并完成，而完成的动作又再度改变了这一非凡场域（Merleau-Ponty, 1983）。

这正是我们所理解的认知过程中个体与环境之间的现象学关系。

从延展心智（extended mind）的视角出发，我们认识到：人类认知的边界——或者说马尔可夫毯的边界——是模糊的、动态的；因而仅从大脑视角理解它是远远不够的。其动态边界应延伸至身体乃至外部世界。简言之，尽管弗里斯顿自由能原理模型中的马尔可夫毯在数学上刻画了认知系统的边界条件，但在实际应用中，马尔可夫毯的边缘实为可渗透的、动态的、模糊的。

布鲁因贝格（Bruineberg et al.）批评马尔可夫毯在界定心智边界时过于“静态”或“本质化”，无法捕捉认知的动态本质。法布里（Fabry）同样指出：预测加工的边界并非将大脑与身体分隔开来，而是将整个有机体与其环境加以区分（Fabry, 2017）。这意味着人类认知不仅发生于大脑内部，更包含其在环境中的延展性与适应性。人类与环境处于一种嵌入式、耦合式、双向互动的关系之中；认知正是在这一过程中得以实现，而不仅限于大脑之内。

换言之，以大脑为中心的马尔可夫毯并非终极层级——在大脑之外、为神经中心视角所忽略之处，还存在另一重马尔可夫毯，它囊括了知觉、行动、身体与环境；其动态且可渗透的边界与外部世界持续联结（Kirchhoff & Kiverstein, 2021）。

进一步而言，这种“可渗透性”并不必然导致“缺乏边界的系统无法最小化自由能”这一问题（Friston, 2010）。根据基尔霍夫（Kirchhoff）的理论框架，动作预测的认知边界构成一种可塑的界面应力平衡系统（plastic interfacial stress equilibrium system），其边界张力由脑—身—环境系统的耦合强度实时调节。由此建立起一种“身体—工具生成模型”（body-tool generative model）：

• 运动员预测系统的边界随任务需求动态伸缩：

• • 在接球过程中，当视觉—本体感觉耦合占主导时，系统边界收缩至神经—肌肉系统；

  • 在战术预判阶段，当环境线索（如对手站位）与工具（如球拍）通过关节负荷反馈整合进生成模型时，边界则扩展至生态场域。

在EBB框架内，我们将马尔可夫毯重新诠释为一种动态边界概念。这一重释不仅将其视作信息流条件独立性的数学描述，更关键的是，将其理解为大脑、身体与世界之间动态、多孔、可渗透的边界。此重释具有三重理论意义：

1. 首先 ，它规避了将大脑、身体与环境视为全然分离实体的还原论陷阱；
2. 其次 ，它保全了贝叶斯网络的形式结构，使我们得以继续借助概率推断的数学工具；
3. 最重要的是，它提供了一个概念框架，用以理解预测过程如何

同时涉入神经、身体与环境层面 。

EBB解释框架引入了时间性与动态认知边界的新范式。我们从五个核心维度总结EBB模型与传统模型之间的差异（见表1）：

1）认知主体的建构：传统模型通常将大脑定位为中央处理单元，将身体简化为感官信息的被动通道。相比之下，EBB模型将认知概念化为一个涵盖大脑、身体与环境的分布式协作系统。在此系统中，身体不仅是预测的参与者，更是预测本身的执行主体。因此，知觉与行动生成并非局限于中枢神经系统内部，而是贯穿于整个具身结构之中。

2）环境耦合机制：传统模型常依赖“马尔可夫毯”假设，将环境视为相对静态、可建模的外部状态，与神经系统相分离。相反，EBB模型强调边界的动态性以及可供性结构的即时生成。它主张预测过程本质上嵌入于身体与环境之间持续不断的互动之中。

3）对时间结构的理解：传统模型优先采用“离散事件驱动”的线性更新逻辑，即感官数据以离散方式被接收，用以更新预测模型。而在EBB框架内，身体本身即构成未来情境的预设结构，表现为一种以身体优先性与连续动态耦合为特征的时间性理解。

4）预测机制的基础：传统模型基于神经计算驱动的单通道知觉结构，强调内部模型的误差更新机制。然而，EBB模型则突出多模态整合，主张知觉与行动在动态循环中不可分割地统一。因此，知觉是行动的前导状态，而行动则是知觉的延伸。

5）实践应用优势：在实践应用层面，EBB模型强调专家运动员在高度耦合的动态环境中，能够直接调动身体—环境互动经验来完成预测任务。这种基于“身体直觉”的预测优于传统模型所依赖的重复性内部误差拟合过程。因此，在棒球接球、足球控球等任务中，EBB模型展现出更优越的生态效度与操作灵活性。

4 结论

具身贝叶斯（Embodied Bayesian, EBB）框架为我们理解运动预判语境下知觉、计算与行动之间的关系提供了一种重构路径。该框架并未将身体仅视作向中央推断系统传递信息的通道，而是将身体本身确立为预测的原初发生场域。肌张力、关节负荷与本体感觉校准并非有待大脑解释的辅助性输入，而是动态构建面向未来的行动过程中不可或缺的构成要素。在此模型中，预测并非在接收外部刺激后展开的离身式计算，而是源于身体对正在展开的时间模式所进行的处境化参与。拳击手的微倾、跳水运动员的屏息、守门员的重心转换——这些并非事后的反应，而是一个已然“栖居于尚未到来之事中”的身体的表达。EBB保留了贝叶斯推断的数学严谨性，却将其逻辑重新锚定于运动员鲜活、节律化且感觉运动性身体的世界之中。在此视角下，预测不再是认知的终点，而是身体在行动中实现意义性定向的根本方式。

EBB尤为突出之处在于：它拒绝将知觉与行动视作因果关联却本体论分离的两项过程；相反，它提出一种共享的节律性逻辑——即知觉本身已是一种行动形式，而行动内部则内嵌着知觉的结构。在此视域下，可供性（affordances）并非静待识别的环境属性，而是通过运动与张力所构成的关系性场域。球拍或跑道之所以具有意义，并非仅靠内部表征达成，而是源于调谐性的使用与身体层面的熟稔。因此，预测不仅是一项认知成就，更是一种具身化的、对“即将涌现之事”的预备状态。

与此同时，本研究必然具有局部性与未完成性：它尚未纳入运动参与中的主体间维度——即他人意图、姿态与动作如何塑造个体自身的预判场域；亦未探讨情绪状态（如紧迫感、恐惧或喜悦）如何调节身体预测的阈值与强度。这些疏漏并非疏忽，而是一种邀请：邀请我们进一步推进EBB框架，以更充分地理解运动生活世界中那些关系性、情感性与共享性的具身经验。

原文链接：https://link.springer.com/article/10.1007/s11097-025-10108-0

作者邮箱：：zzhang@tyxx.ecnu.edu.cn