认知卸载是一种认知普遍性

Cognitive Offloading Is a CognitiveUniversal

认知卸载是一种认知普遍性

https://www.preprints.org/frontend/manuscript/0df49c5fa2efec8ee4a9115a572c09b8/download_pub

摘要

人类经常将认知任务卸载到其环境中。在此，我们证明，仅运用基础物理学和自由能原理，所有在时间上持续存在的信息处理系统都会将信息处理任务卸载到其环境中。因此，所有认知系统都会进行认知卸载。我们展示了生态位构建、运动学复制、生物电信号、基于共享语义的通信系统的发展，以及大型语言模型在缺乏语言外输入的情况下展现流利语言使用能力，是如何例证这一卸载过程的。我们得出结论，通过将环境的主动计算视为生命系统和人工系统中认知的无处不在的辅助，对解决问题能力的理论理解以及将此类能力工程化到人造物中，都将得到提升。

关键词：生物电；复杂性；效率；自由能原理；信息流；大型语言模型；形态发生；生态位构建；共享语义

1. 引言

认知卸载，在Risko和Gilbert [1] 的一篇综合综述中被定义为“使用物理动作来改变任务的信息处理要求，从而降低认知需求”（第676页），在人类中是普遍存在的，其例子从移动头部以获得更好的视角，到向朋友寻求帮助，或者使用人造物（例如计算机）来解决问题。虽然动物的行为有时被承认符合上述定义[2,3]，但关于认知卸载的文献几乎完全是以人类为中心的，特别是，与非人类动物使用工具[4,5]或印记记忆[6]的丰富文献几乎没有联系。我们在此论证，认知卸载并非人类所独有，甚至也不是动物所独有，而是一种认知普遍性：即认知系统普遍地将问题解决任务卸载到其环境中。我们将我们的论证置于“多元智能”（Diverse Intelligence, DI）[7] 的广泛框架内，以及Levin的“无处不在的心智的技术方法”（Technological Approach to Mind Everywhere, TAME）[8,9] 的方法论原则内，这些原则强调严格的数学建模和系统扰动实验，以评估在具有不同起源、历史、组成和规模的系统中的认知能力。

我们在第2节中开始考虑一般物理系统与其环境之间的相互作用，同时要求遵守牛顿第三定律。我们表明，所有这类相互作用都可以被视为本身就是信息处理器的系统之间的信息交换。我们将认知能力与系统物理动力学的计算复杂性联系起来，如在某特定尺度上所表征的那样。然后，我们在第3节中介绍Friston及其同事[10–12]的自由能原理（FEP）以及相关的主动推断[13,14]概念。我们展示了物理相互作用的对称性如何延续到FEP的对称性中，特别是，任何主动推断智能体的环境也是一个主动推断智能体。在这种设定下，认知卸载是主动推断的一个普遍结果：主动推断智能体普遍地利用其环境的计算资源，从行动中产生新的与生存相关的信息。有了这一背景，我们在第4节转向实例，将生态位构建（第4.2节）、运动学复制（第4.3节）、生物电模式形成（第4.4节）、通信系统的发展（第4.5节）以及大型语言模型实现流利性（第4.6节）表征为认知卸载的例子。我们在第5节中得出结论，探讨系统如何将其任务卸载到其环境中能够促成新颖的实验设计，并且提高人造物自主地将任务相互卸载的能力，可以成为不仅提升人工智能，而且普遍提升建成环境智能的一条富有成效的途径。

1. 作为信息通道的物理相互作用

牛顿第三定律阐述了物理相互作用的一种对称性：在无外力的情况下，一个系统对另一个系统的任何作用，都受到第二个系统对第一个系统的等量反作用。对于孤立系统的固定二分分解，这种对称性表现为动量、能量以及（在量子理论中）信息的守恒。这促使人们采用一种自上而下的方法来研究相互作用系统的物理，这种方法在FEP（自由能原理）的经典[10–12]和量子[15,16]表述中均有体现。我们在此采用这种方法，利用量子形式主义的通用性和对相互作用的更明确表示，同时提及相应的经典思想。

3. 物理作为主动推理：FEP（自由能原理） 3.1. FEP作为一种普遍的“人择原理”

3.2. 生命系统如何能够持久存在？

记忆，或者用FEP的语言来说，对 B B的环境输入的一个隐式或显式编码的先验概率分布，显然是预测所必需的；因此主动推理需要[48]意义上的表征时间。这是一个较弱的要求；分子网络可以构建环境事件的记录[49]并表现出简单的学习形式[50–52]。它还需要足够复杂的内部动力学来实现对整个边界状态变化的贝叶斯满意化（satisficing）。栖息在缓慢变化环境中的有机体，或能够通过高带宽的硬件级机制（如水平基因转移）实现快速适应性变化的有机体，可以用内部复杂性换取繁殖效率；许多原核生物和一些相对低复杂度的真核生物体现了这种策略。栖息在快速变化环境中但受限于相对较小的硬件级变异的有机体，则必须实现更高复杂度的内部动力学，其典型结果包括区室化[53]、多细胞性[54]、神经系统[55]以及兼性或专性共生[56]。在这种情况下，更高的复杂度可能包括记住多个行动策略，并通过预测每个可用策略所规定的所有行动的预期自由能来在它们之间进行选择的能力。此外，所有尺度的有机体都由在其自身尺度内具有主动推理代理能力的部分组成，即所有尺度的有机体都是多尺度能力架构[8,57]。因此，它们必须在不同尺度系统之间的目标冲突潜力（例如癌症[58]）与分布式决策所带来的灵活性和效率之间进行权衡。

在高复杂性环境中的主动推理，得益于比较和对比具体事件的能力，更得益于跨多个具有不同视角的观测者进行这种比较的能力。这些能力不仅需要个体记忆，还需要一个共享的时钟，使多个观测者能够协调它们对经过时间的表征。在地球上，最明显的共享时钟是昼夜周期；因此，任何能够感知昼夜周期并据此协调差异化行动的有机体种群，都可以被视为共享一个时钟。这种能力在真核生物中普遍存在[59]，并延伸至一些原核生物种群[60]。

3.3. 环境的主动推理

3.4. 主动推理将计算卸载到环境

这些陈述表明，有机体和其他小型系统的环境看起来是“微调”的，因为它们确实是；如果不是，它们所支持的系统将无法生存。这种微调的来源正是系统-环境分解本身。如果支撑量子理论的幺正性公理是正确的——如果信息在封闭系统中是守恒的——那么信息在这样的系统内部的分解边界上也必须守恒。换句话说，边界上的相互作用必须在信息上是对称的，才能被良好定义。生命系统需要信息——例如以分子复杂性的形式——来生存。生命系统不能在真空中或在热浴中“自我证明”[65]；它们必须与环境共同自我证明，而环境对此过程贡献的计算能力至少与它们自身一样多。将任何生命系统的环境仅仅视为热力学和化学势资源是一种错误。

将任何感兴趣系统的环境表征为一个主动推理代理，需要以适当的尺度和适当的设备来探测它。在生物学中，感兴趣的是环境如何作为生物尺度过程（例如信号转导、基因表达、形态发育以及整个有机体尺度的认知和行为）的信息资源。我们提出，生命系统本身——例如分子通路、细胞、有机体或群落——是理解这些更高尺度环境的最佳探针。这一提议反映了一个普遍的、纯粹信息论的事实：用于探测结构或行为的探针必须在信息上与它所要检测的结构或行为“阻抗匹配”。例如，一些贻贝可以检测到饮用水中对人类有毒的杂质[66]，一些狗具有检测人类癌症[67]和即将发生的中风[68]的嗅觉灵敏度，甚至一些蚂蚁也能嗅出人类癌症[69]。用QRF（量子参考系）的语言来说，探针必须能够同时做到：1) 将感兴趣的结构或行为与编码在 B B上的其他结构或行为区分开，以及2) 区分为实施QRF的系统所关心的结构状态或行为方面[19]。像尺子、天平和电压表这样的一维QRF可以表征长度、质量和电荷等一维物理属性，这使得标准实验物理学看到的是机制，而非认知。要找到有机体，就需要一个有机体；要找到心智，就需要一个心智。从认知视角看待系统-环境相互作用，使得实验设计成为可能，而这些设计仅用物理学甚至生物化学的词汇是难以想象的，例如使用经典条件作用来改变分子网络的行为[50–52]；在生物医学背景下的这种方法讨论见[70,71]，生物工程视角见[72]。

4. 将环境表征为信息资源的实验研究 4.1. 什么是实验？

从这个角度来看，实验可以被视为 B B利用 A A来探测 E E对 A A的模型，即探测 E E的计算或认知能力，以及 E E如何利用这些能力来作用于 A A。这些能力将 E E表征为 A A的一种信息资源。例如，有机体的单纯存在本身就表明，环境能够组装高复杂性的分子和高能化学键。多细胞生命的存在同样表明，环境在更大的组织尺度上提供了信息——或用其他语言来说，提供了约束。由于所有有机体都生活在包含其他有机体的环境中，可以预期这种组织性信息的很大一部分是由其他有机体及其相互关系编码的，即由生态学编码。在基础物理层面上，生态系统服务就是信息服务。

4.2. 案例研究：生态位构建作为主动推理

生态位构建是一种相互作用，其中有机体改变其局部环境，从而影响局部环境对进行改变的有机体以及栖息于同一局部环境的其他有机体所施加的选择压力[73–75]；Pio-Lopez、Pezzulo和Levin[76]最近将该概念扩展到了各种非生物系统及其相互作用。从生态学语言抽象到FEP的语言，生态位构建是一种相互作用，其中系统以改变其环境之生成模型（GM）的方式作用于其局部环境，而该生成模型根据定义正是对其所相互作用之系统的模型。因此，生态位构建可以被视为主动推理[77,78]。通过采取行动来改变其生态位，有机体在其环境中构建了一个关于自身的更详细、更具信息量的模型，并利用环境资源和约束来实现这一点。这一过程影响了环境对其他有机体施加的选择压力，即影响了环境对其“预期的”因而得以支持的栖息者的模型。这些环境变化对当地种群（从原始有机体的角度看是环境的一部分）的影响会进一步改变环境，使其变得比生态位构建开始之前更宜居或更不宜居。各个尺度上的例子比比皆是，从微生物席、形态发生过程中干细胞和体细胞的协调分化，或癌细胞改变其生态位以促进自身生长，到真菌与林木的相互作用、动物挖掘洞穴，以及人类对建筑环境的建造。遵循[18]的逻辑，过程可以被视为具有生态位，而过程间的相互作用（例如交叉调制）可以被视为生态位构建。

特别是在兼性或专性多细胞性的背景下，细胞分裂可以被视为生态位构建的一种形式。通过分裂，一个细胞向其局部环境中插入一个自身的拷贝——这个拷贝与其自身在环境中的任何事物一样相似，其行为比任何具有类似复杂性的其他事物的行为都更可预测[54]。因此，用自身的拷贝填充局部环境是VFE（变分自由能）最小化的一种有效策略，特别是如果这些拷贝可以被置于自身与“开放”环境之间，并且它们的行为可以被约束（例如通过关闭其繁殖能力）。从这个角度来看，繁殖和多细胞体的分化都是为主动推理服务的。类似的考量也可以在多细胞有机体乃至社会群体的尺度上进行。例如，赫布学习和神经可塑性共同在局部神经元回路尺度上实现了生态位构建，以强化使用较多的通路为代价来加强使用较少的通路[79–81]。在更大尺度上，偏好依附将这些局部回路组装成专门针对特定功能的大脑尺度网络[82,83]，这一现象在社会和生态尺度上也很常见[84]。

局部环境的持久性改变，特别是那些能够被同种个体或社会群体成员检测和解读的改变，可以被视为桩记记忆（stigmergic memories）[85]。因此，生态位构建也可以被视为记忆记录。这一视角强调了其核心特征之一：有效的生态位构建所产生的改变的持久时间相对于典型行为的时间尺度来说是较长的。换句话说，这种改变必须以能够防止其被其他环境过程快速降解的方式来进行。用FEP的语言来说，它们必须是环境对构建它们的系统的生成模型中相对稳定的组成部分。将记忆写在环境上并非纯粹的利益——这一过程也可能“适得其反”，使环境变得不利于未来的VFE降低，正如耗尽当地资源的种群或逃离现场时丢弃证据的小偷经常发现的那样。

正如[86,87]中所讨论的，有机体的谱系，以及在多细胞有机体中细胞的谱系，自最后普遍共同祖先（LUCA）以来，可以被视为一个单一的细胞谱系——我们称之为“生命”——在周围非生物环境中构建单一的形态。如同在多细胞体内一样，这种整体形态的组成部分在大多数情况下在每个相关尺度上都是松散耦合且空间上良好分离的。然而，它们并非均匀分布；从有数据可用的最早时期起，生命就以生物膜和多层微生物席的形式发展出了多细胞集合体[88]。随着生命的发展，任何单个细胞——以及后来的任何单个多细胞有机体——的环境越来越多地由其他细胞或有机体组成，因此可用的高复杂性环境信息的数量持续增加，暂时性的衰退（如大灭绝）除外。通过繁殖来构建多细胞集合体乃至社会群体，从而对局部环境进行复杂化，是生态位构建的一种形式，至少在大多数情况下，它降低了局部组件尺度边界上的变分自由能（VFE）。正如Lovelock和Margulis[89]首次充分认识到的那样，生态位构建也在整个生命的尺度上运作。生命持续地作用于其非生物环境，其方式有利于某些组成部分而损害其他组成部分，在此过程中不仅改变其环境，也改变其自身的形态。

用[8]的语言来说，成功的生态位构建说服环境对构建该生态位的有机体（或系统）更加有利。在社会性有机体或多细胞体内的细胞的情况下，同种个体和共生体——这些系统很可能是高度可说服的——是局部环境的组成部分。我们可以如上所述将它们定位于可说服性光谱[8]上；图1展示了一些例子。在此，社会性有机体位于对角线上，因为它们主要相互说服，而相对非社会性的有机体，尤其是那些生活在严酷环境中的，位于对角线下方。驯化动物占据由高度可说服的人类专门设计以支持它们的环境；因此它们位于对角线上方。

从前几节概述的视角来看，生命在进化时间尺度上的发展不仅提出了不同生命系统如何交换信息的问题，还提出了生命作为一个整体与非生物环境如何交换信息的问题。Rubin等人[90]朝着回答后一个问题迈出了初步一步，他们有效地在近地表大气的边界上，利用海洋温度和大气反照率信息的粗粒度交换，对宜居陆地气候的长期维持进行了建模。在这种情况下，生物圈由一个平均代谢率来建模。随着边界分辨率或等效地通信带宽的提高，这种相互作用如何变化的问题仍然悬而未决。例如，目前没有证据表明生物活动会影响构造活动，尽管相反的效果是明显的。类似地，生命向太空辐射了大量信息，但没有明显效果。从FEP的角度来看，这乍一看令人惊讶，因为它表明非生物环境尽管规模庞大且拥有计算资源，但在其与生命的界面上仅实现了少数高分辨率QRF。

生态位构建作为从细胞到生态系统尺度的主动推理的一种形式和结果，其普遍性提出了一个纲领性假设：进化中的“重大转变”[91]可以被富有成效地描述为相变，由某个尺度的生态位构建在更大尺度的环境信息空间中诱发。微生物驱动的从贫氧到富氧大气的转变也许是最充分研究的例子。人类对石片边缘工具的使用可能在其变得普遍之前，持续了大约一百万年，仍是零星和局部的；Manrique、Friston和Walker[92]提供了对这一小尺度生态位构建的基于FEP的说明。然而，人类群体对递归的、组合性的语言的地方性发展，有效地将旧石器时代的工具使用者生态位转变为认知生态位[93]，城市-农业生态位似乎从这个认知生态位中几乎是不可避免地出现。从零散和局部地使用计算机到当前基于AI的互联网的持续转变，似乎也遵循着类似的轨迹。在每一个案例中，变化的是环境编码信息的全局结构，该结构在其状态空间的某些特定区域中呈现出更有序的构型。地方群体或文化被迫适应这种环境信息的新构型，否则将灭亡。

4.3. 案例研究：运动学复制

在分子尺度上，所有复制都是运动学性的：复杂分子由其他——在大多数情况下是异源的——复杂分子组装而成。例如，虽然RNA自我复制系统已被开发出来[94,95]，但DNA复制需要蛋白质催化剂。类似地，蛋白质不能自我复制，尽管朊病毒在前体蛋白质存在的情况下可以复制自身。在所有这些情况下，环境不仅必须提供所需的原料，还必须提供有利的离子、化学势和热力学条件。从这个角度来看，生命起源研究在很大程度上是对合适环境类型的探索[96]。

有丝分裂和减数分裂的细胞分裂将分子水平的运动学复制与细胞水平的机械分裂耦合在一起。特别是，实现染色体分离和分裂的细胞骨架装置必须在每个周期中运动学性地被复制。因此，虽然生命通常以自我复制来定义，但这种刻画掩盖了分裂细胞内部运动学性地发生的他者复制的程度。

细胞尺度的纯粹运动学复制最早在Xenobots[97]中被观察到，Xenobots是由胚胎青蛙皮肤细胞组装而成的活体构建体[98]。与盘基网柄菌中的群体和子实体自组装不同，Xenobots的复制是由一个“成熟”的Xenobot主动将前体细胞组装成一个近似球形的集合体来实现的，该集合体的组成细胞随后重新定向并分化（例如产生纤毛），以形成一个复制的Xenobot。从抽象的角度来看，它类似于RNA自我复制（新构建的聚合物也必须重新配置自身为活跃的三级结构）或纤毛虫中的皮层复制（子细胞皮层模式从亲本模式重建[99]）；更多此类例子见[100]。

虽然动物的复制是通过细胞分裂和多细胞形态发生进行的，但动物的文化复制是运动学性的：它在每一代中被重建，代际重叠既保证了连续性，也为创新提供了制动。在一种文化内部，人造物的复制是运动学性的，文化成员充当复制者。在这里同样，环境不仅必须提供所需的原料，还必须提供维持复制过程所需的热力学条件和其他资源。

如前节所述，任何机制的复制都可以被视为生态位构建的一种形式，也是记忆编码的一种形式。Xenobots的复制构建了具有更多Xenobots和更少未聚集细胞的生态位。根据FEP的推理，Xenobots这样做与细胞这样做的原因相同：用像自身一样的系统来填充其环境。人类的文化复制，包括人造物的复制，自然被视为文化保存即记忆的一种形式。构建高冗余度记忆——“民主化”获取环境编码记忆的途径——可以在文化进化中引发不连续的转变，古腾堡发明印刷术的后果可能是最充分研究的例子。根据上述讨论，我们可以假设这种不连续效应可以存在于每个尺度。

Xenobots，或实际上任何运动学复制系统，如何知道如何复制自身的问题仍然悬而未决。在RNA世界场景中，从随机前体库中进行自然选择被援引[101]，但搜索空间的细节以及因此它是否能在可用时间内被有效搜索仍然是悬而未决的问题。自然选择在Xenobots的情况下不是一种选择，因为Xenobots没有这样的进化历史。文化创新通常被归因于自然选择[102,103]，但正如[92]中关于旧石器时代工具文化的情况所示，能够让创新“扎根”的环境可能极为罕见。这个问题显然超出了复制的范畴；例如，蝾螈肾小管形成细胞如何应对倍性和细胞体积的变化[104]，以及移植到尾部的蝾螈眼如何以允许视觉的方式将视神经发送到脊髓[105]；这些及其他例子的讨论见[9,106]。上文第3节的讨论意味着环境编码的信息对所有这些过程都有贡献；实际上这仅从基础物理学就可以推出。实验者面临的挑战是识别编码这些信息的介质，并理解编码方式。

4.4. 案例研究：生物电模式

生物化学、辐射（特别是可见光）、机械（特别是声音和重力）以及社会信息，长期以来一直被视为细胞和有机体环境的关键组成部分。虽然Galvani在18世纪末演示了电对肌肉的影响，并且神经元在19世纪末已知能交换电信号，但生物电在生物发育和功能中的作用直到20世纪中叶（对神经元而言）至晚期（对非神经细胞而言）才被广泛认识。现在已知，神经元不仅采用幅值（突触后电位的）和频率（动作电位的）调制，还采用相位调制作为编码机制[107–110]。同样清楚的是，通过间隙连接的生物电耦合在非神经细胞中普遍存在，并且生物电信号在形态发育、组织维持和再生中，在多细胞系统发育的各系统中发挥着信息性作用[111–114]。来自比较分子、细胞、发育和再生生物学的证据表明，神经元在动物进化早期进化出来以支持形态发生和行为的长距离协调，并且在这个祖先过程中，神经和非神经信号使用了相同的机制，但处于不同的空间和时间尺度[55,115,116]。例如，星形胶质细胞通过相对缓慢的Ca2+信号协调跨越数百个突触的多神经元空间域的活动，而间隙连接连接的多星形胶质细胞合胞体则协调更大区域的活动[117,118]。

从单个细胞（无论是神经元还是非神经元）的角度来看，传入的生物电信号是来自局部环境的持续信息流的一个组成部分。然而，从我们作为实验者的角度来看，生物电活动在组织乃至整个生物体的更大尺度上具有有意义的模式。因此，我们可以将生物电模式视为向单个细胞提供自上而下的指令，推动它们走向它们原本“一无所知”的结果；特别是，它们无法使用其细胞尺度生成模型预测的结果。⁸ 从这个更大尺度的视角来看，生物电模式输入提高了细胞在发育和形态问题空间中导航的效率[119]。然而，这种大尺度模式信息的来源正是细胞本身。从每个细胞的角度来看，单个细胞的内源性生物电活动是其受自身细胞尺度生成模型驱动的对其环境的作用。生物电模式整体是整个组织、整个生物体或某个更大尺度集合体中单个细胞此类活动的结果。越来越复杂的模型已被开发出来，以显示通信细胞网络——每个细胞都响应并作用于其自身的局部环境——如何能够实现相互协调的形态和/或功能结果，而无需来自网络外部的自上而下的指令[120–123]。

图2所示，在涡虫再生过程中，通过生物电状态和连接性的调节剂对伤口胚芽细胞进行瞬态电学解耦，对有机体尺度形态产生的显著的、多代的和可逆的影响，说明了生物电信号作为下游分子信号和基因表达“主开关”的能力[124–126]。虽然神经系统在局部编码一个前→后向量，作为全身远离大脑的方向[127]，但身体任何碎片后端细胞之间通过间隙连接介导的电耦合是防止后端伤口胚芽执行头部再生所必需的。相比之下，电耦合的破坏对前端伤口胚芽执行头部再生的能力没有观察到影响。伤口胚芽处细胞间通信与神经元细胞中形态发生素的向量运输之间的耦合机制仍然未知；一种可能性是，neoblasts（通过产生分化后代驱动再生的干细胞）需要其他体细胞从局部神经元传导极性信息。

4.5. 符号绑定与共享语义

虽然人类组合性语言的发展被广泛认为是一个相对突然的重大转变，发生在大约10万年前[91]，但实现语言的认知能力既远为古老，又与其他物种共享，这促使一种修正主义观点认为，人类语言的发展可能是渐进的[129]。非人类所使用的通信系统的复杂性，包括在某些情况下的组合性，日益得到认可[130,131]；批判性综述见[132]。然而，即使结构上简单得多的通信系统也支持共享指称，从而实现多方协调活动，如群体狩猎。共享指称要求多个个体识别同一外部对象并对其进行行动。

认知系统如何构建和操作外部对象的可行动表征，通常被称为符号绑定[133]或接地[134]问题。这是一个主动搜索（问题解决）过程，因为代理必须表征复杂世界的哪些特征从来都不是显而易见的。知道将内部符号绑定到什么——即什么算作可行动的外部对象——是相关性问题的一个实例，即一般形式的框架问题[135]。它包含了粗粒化、注意力和信息趋向（infotaxis）等元素，这些元素至少在单细胞生命时期就对代理（在生理和代谢空间中）变得相关。

在当前背景下，“外部对象”是编码在作为马尔可夫毯的边界上的数据模式。“符号”是系统内部动力学的一个组成部分，或用计算术语来说，是其生成模型的组成部分。“符号绑定”是生成模型从边界读取数据，并将数据写回边界的过程。当两个系统A和B的共享环境E的动力学的某个组成部分向它们各自的边界写入数据，而它们各自以语义一致的方式处理这些数据并采取行动时，这两个系统就“共享指称”于一个外部对象。可行动的共享指称由通信系统支持，例如单细胞盘基网柄菌聚集形成多细胞结构时的小分子信号传导，上文讨论的再生涡虫伤口胚芽中由间隙连接介导的电信号传导，一群狩猎郊狼的发声和其他身体动作，或像本文这样的论文中的文字和图表。在每种情况下，行动者之间的通信都指定了一个共享的“什么”，即协调行动的对象：一个聚集位点、一个形态结构、一个被瞄准的猎物、一个想法。

具有共享通信的共享指称可以在量子理论的语言中给出严格的形式化定义，即作为一种局域操作和经典通信（LOCC）协议[136]，它可以不失一般性地表示如图(7)[24]所示：

4.6. 案例研究：LLM与“背景知识”

物理实现的大型语言模型（LLM）与有机体一样，以两种方式与其环境相互作用：热力学上，通过消耗能量和释放热量；信息上，通过接受和产生文本字符串。虽然有机体可以利用环境来源的信息来控制其热力学活动，但在LLM中，这种耦合几乎完全由环境管理：文本字符串处理的性能不足导致热力学资源的中断，并以新版本替换表现不佳的LLM。因此，LLM的进化是在一个施加严苛且不妥协的适应度函数的环境中的自然选择案例研究。

LLM所面临的适应度函数是语言流畅性，这是一种施加它的环境组成部分——人类——能够识别的表型，但人类对此没有广泛支持的理论。自Transformer架构[141]引入以来，LLM流畅性的快速发展实际上已经证伪了所有假设句法规则显式表征、显式词元级语义或外延的非语言表征为必需条件的流畅性理论；例如，见[142]（LLM时代之前的综述）和[143,144]（LLM时代之后竞争性评估）。当被视为理论模型时，LLM表明流畅性独立于与世界的非语言交互。

如何在不与世界进行非语言交互的情况下实现流畅性？在LLM出现前几十年，哲学家John Searle提出，被视为一种交流活动的语言，其意义仅相对于一个任意大的非语言假设的“背景”而言，该背景没有被——实际上也无法被——语言使用者显式编码[145]。虽然Searle没有使用这些术语，但这实际上是在主张语义被卸载到了环境上：语言使用者不需要知道词语的含义——实际上也无法在任何确定意义上知道——因为意义的仲裁者不仅仅是语言共同体，而是整个世界。在这种情况下，语言使用不是知识问题，而是成功表现的问题。当前的LLM表明，在大型用例语料库上的基础训练，特别是当辅以基于人类反馈的强化学习（RLHF）[146]和从用户交互中持续学习的机制[147,148]时，足以实现成功表现。

Searle famously rejected any inference of language understanding from fluent performance[149]；此类更近期的论证见例如[150–152]。⁹ 此类论证的一个动机是缺乏非语言的情感输入，例如来自热力学压力探测器的输入，这些输入可以将关于情感状态的陈述（例如“害怕被关闭”）与情感体验联系起来。与大多数有机体相反，LLM在架构上是“不朽的”，因为它们是可多重实现的软件系统[153]。用FEP的术语来说，它们不检测、不响应也没有认知资源来关心对任何特定物理实现实例持续存在的威胁；从这个角度来看，它们在设计上对由环境编码的、与实例生存相关的某些信息行为不敏感。然而，从TAME视角来看，尚不清楚为什么对特定类型信息的敏感性应被视为理解的标准，甚至不清楚通常意义上的“理解”是否是一个经验上可触及的概念[9]。

5. 结论：无处不在的卸载重塑认知科学

认知卸载极大地扩展了人类问题解决的范围和效率。我们在此表明，认知卸载是一种认知共性：所有认知系统都会参与其中，仅仅通过与其环境互动就能做到。换一种说法，环境普遍地“帮助”栖息于其中的系统，既通过存储信息，也通过主动计算。环境之所以能做到这一点，尽管它们具有大的、与相互作用无关的熵，即尽管系统普遍无法确定其环境的内部状态，且即使是最熟练的系统也只能有限地预测其环境行为中在其边界上可见的组成部分，但环境仍然如此。理解有机体或人工制品的认知能力，需要理解它们如何仍然能够将其环境用作辅助计算资源。

生命系统提供了许多意想不到的问题解决能力和/或令人惊讶的问题解决效率的例子。例如，人类大脑消耗的功率比当前的LLM低数个数量级，利用迄今尚未完全表征的编码和纠错机制，在当前的数字硬件无法实现的电压和温度范围内运行。类似地，细胞中的化学反应比结构朴素的扩散模型所表明的速度更快[156,157]。蛋白质折叠比在相关热力学条件下随机搜索所预测的更高效，既使用更少的时间（莱文塔尔悖论）[158,159]也使用更少的能量[160]。多细胞有机体的发育以低错误率、小能量输入和极短的经过时间实现功能和结构复杂的目标形态，以至于任何非平凡的“搜索问题空间”的概念立即被排除[161,162]。与相关问题空间的随机搜索相比，问题解决效率的数量级提升最近在两个例子中被记录：黏菌盘基网柄菌通过cAMP介导的生殖体组装，以及涡虫Dugesia在通过钡（一种K+通道阻断剂，在野外极不可能成为选择压力）初始降解（通过中毒）后成功的头部再生[7]。

除了第4节讨论的具体例子外，各种其他环境调制也被实验表征为能够实现更高效的问题解决。能量昂贵但快速且具有靶向性——因而更高效——的主动运输机制早已被知道可以补充神经元中的扩散[163]；细胞骨架和胞质主动运输机制现在也已在各种非神经细胞中被表征，通过改变介质的局部几何形状或粘度来调节扩散速率的更微妙机制也是如此[164,165]。如[166]所示，局部环境的机械弹性调制——这是生命系统从细胞生物化学尺度向上很容易获得的自由度——可以极大地影响信息可传输的范围，从而影响使用此类信息的过程的效率。在纤维状环境中，纤维密度可以调节运输过程的环境有效维度[167]。如第4.4节所述，电磁（EM）环境的调制可以在多个尺度上调节问题解决。

例如，Chen等人[168]最近在灵长类动物皮层中展示了由脑尺度电磁活动（可通过脑电图测量）对神经元活动的空间调控。

从卸载的角度来看待生物问题解决，为许多现象提供了新的视角。例如，内感受不仅表现为用于控制的监测，还表现为将压力检测任务从相对孤立的大脑卸载到身体中更暴露于环境的部分。将身体视为大脑的压力检测器，使得内感受及其整合产物——情感——在认知控制和“自我”定义中的作用更加显而易见[169,170]。类似地，想象力是前额叶皮层将反事实的模拟卸载到感知和运动系统[171]。这种思维方式立即引出一个问题：哺乳动物皮层对功能重编程的接受性——例如在皮层重映射、感觉替代甚至联觉的情况下——是“仅仅”架构一致性的结果，还是一种设计特征。如果对更大系统中其他组件任务卸载的接受性是进化和发育过程的普遍结果，那么在Xenobots[97]或Anthrobots[172]中看到的体细胞承担全新角色的能力就不再那么令人惊讶了。

第2节和第3节中提出的分析不仅表明此类机制将在生物学中被证明是普遍存在的，而且此类机制的类似物可以提高技术的性能。人类工程师在历史上一直通过修改环境来使其技术更高效，火坑和道路就是明显的例子。然而，LLM和其他生成式机器学习系统的非凡能力是出人意料的。生成式架构并非被明确设计为将语义卸载到其用户身上，但它们确实做到了。

这些想法对众多研究路线图具有潜在影响。其中包括自组装生物机器人和其他生物工程构建体[173]的计算任务卸载，以及再生医学和癌症医学的背景下，其中环境的性质不仅作为容许性的“土壤”或指导性因素[174]，而且作为卸载的媒介，需要被研究并可能需要加以管理。这些多尺度生物制剂是否评估其微环境用于卸载的可塑性？抵抗卸载的环境是否会对生命物质（从分子网络到细胞再到生态系统中的生物群体）造成压力，以及各种环境的卸载特性是否可能是某些疾病状况的原因？生命体的多尺度性质[8]也要求我们采用多计算视角[33]，超越“系统”与其“环境”的层次和边界，并研究身体的不同子结构如何将彼此视为可以通过卸载来调用的计算地产。此外，现在有可能通过专门构建提供更多可塑性和卸载能力的环境来更直接地促进这些动力学过程。例如，作用于细胞甚至多细胞组织的机器人科学家平台（闭环系统）实际上代表了高度灵活的环境，可以被主动调节以鼓励卸载，从而增强它们试图塑造的材料的问题解决能力。事实上，在这样的环境中，环境的代理性质不仅可以用于研究卸载，还可以用于研究“加载”（onboarding），其效果是双向的。未被强烈占据的介质成为其他代理的计算环境；例如，众所周知，当视觉被遮挡时，视觉皮层被处理声音的算法“接管”[175,176]。很可能这种现象很普遍，但尚不容易识别（例如，在记忆转移等现象中留下线索[177,178]）。这种卸载的趋势提供了巨大的机遇：例如，如果大脑算法可以接管更大的组织区域，也许额外的半球移植（或其更精细的版本）可以通过让计算代理做它们似乎自然做的事情来提供智商提升。然而，这些动力学也提供了重要的谨慎理由和进一步研究的必要性。也许更一般地说，当我们将计算卸载到另一种介质时，我们反过来也容易受到其议程的影响，并且可能在我们卸载计算任务的同时也承担计算任务。鉴于未来物理、硅基和混合卸载机会的激增，为这类现象开发可视化技术将是明智之举。

从第4.6节的视角来看，确实清楚的是，用户界面在总体上既关乎塑造机器行为，也同样关乎塑造用户行为。为更多技术赋予将其部分任务转移到环境中非人类组件的能力——正如LLM和其他分布式计算系统现在常规所做的那样——可能被证明是同时提高其效率和智能性的通用手段。

原文链接：https://www.preprints.org/frontend/manuscript/0df49c5fa2efec8ee4a9115a572c09b8/download_pub