《Neuroscience of Consciousness》：Awareness of being: a computational neurophenomenological model of mindfulness, mind-wandering, and meta-attentional control
编辑推荐：
正念具有已确立的心理益处，例如减轻压力和情绪调节；然而，其潜在的计算机制，特别是与心智游移相关的机制，仍不清楚。本研究旨在提出一个基于自由能原理(free energy principle)的分层递归神经网络(hierarchical recurrent ne
正念具有已确立的心理益处，例如减轻压力和情绪调节；然而，其潜在的计算机制，特别是与心智游移相关的机制，仍不清楚。本研究旨在提出一个基于自由能原理(free energy principle)的分层递归神经网络(hierarchical recurrent neural network)智能体模型，以在动态平衡(allostasis)框架内探索这些过程。该模型整合了内感受(interoception)、本体感觉(proprioception)和外感受(exteroception)的预测处理，从而在过去和未来情境中最小化变分自由能(variational free energy, VFE)。静息态模拟表明，推断出的（心理模拟的）稳态情境调节了“存在”模式(being mode)（专注于当前内感受知觉）与“行动”模式(doing mode)（涉及心理模拟的本体感觉和外感受感觉运动行为）之间的注意转换。此外，研究人员确定了一个元注意参数(meta-attentional parameter)，该参数通过影响跨越从过去到未来的网络模块中对内部生成信念的认知态度来控制这些转换。通过操纵该参数，研究人员复制了正念状态（“深度存在”模式(deep-being mode)），在该状态下，尽管感觉预测误差极小，注意仍保持对当前内感受状态的聚焦。这项研究为理解正念和心智游移的计算动力学提供了见解，为未来探索意识以及纯意识(pure awareness)——一种无内容的意识状态——奠定了基础。
正念冥想源自佛教传统，是一种通过关注当下体验并以不加评判的态度接纳感受的心理训练方法。现代研究表明，正念能带来减轻压力、增强情绪稳定性和改善注意力等心理和生理益处。神经科学研究也发现正念能够改变大脑结构和功能。然而，以往研究多基于经验观察，正念所诱导的特定意识状态及其背后的神经机制尚不明确。计算建模方法为此提供了新途径。自由能原理作为大脑功能的统一理论，认为大脑通过最小化内部世界模型与实际感觉输入之间的预测误差来执行知觉和行动。基于这一框架，已有研究者尝试解释正念与心智游移的差异，例如提出心智游移对应“行动模式”，即基于先验信念控制感觉的主动推理；而正念对应“存在模式”，即减少先验信念影响、接纳感觉输入的知觉推理。然而，这些理论模型多停留在概念层面，未具体说明自由能最小化过程中各变量的动力学变化。因此，需要一种可显式模拟内感受与稳态调节过程、并能在自由能最小化中自发产生正念相关行为的计算模型。
研究人员基于自由能原理，采用分层递归神经网络构建了智能体模型（多模态贝叶斯稳态递归神经网络，MBH-RNN），旨在探索正念和心智游移的计算机制。该模型整合了内感受、本体感觉和外感受的预测处理，并在动态平衡框架下同时最小化过去与未来的变分自由能。通过模拟静息状态，研究人员发现推断出的稳态情境能够调节注意在“存在”与“行动”模式之间的转换。进一步，他们引入了一个元注意参数（元先验，meta-prior）来控制这些转换。通过调整该参数，模型成功复现了正念相关的“深度存在”模式，并揭示了心智游移产生时自由能动力学的特征。该研究为理解正念和心智游移的计算基础提供了新见解，也为未来探索无内容意识状态（纯意识）铺平了道路。论文发表于《Neuroscience of Consciousness》。
关键技术方法方面，研究人员采用多模态贝叶斯稳态递归神经网络(MBH-RNN)作为计算模型。该模型基于预测编码启发的变分递归神经网络，每个模块包含概率潜在变量，分别表征对感觉原因和不确定性的内部信念。网络通过最小化变分自由能来学习时间不变的突触连接权重和潜在变量的后验分布。在静息态模拟中，研究人员将外感受和本体感觉预测误差设为零，以分析心理模拟行为；内感受输入被固定为0，模拟平静的内感受状态。通过操纵元先验参数W（取值为0.1、0.2、0.5、1.0、2.0、5.0、10），考察认知态度对网络行为的影响。实验使用10个不同初始权重训练的网络，每个网络进行10次试验，每次试验2000个时间步。所有统计采用单因素重复测量方差分析(ANOVA)和Shaffer法多重比较。本研究为计算仿真，无样本队列来源。
**结果**
**认知态度的调节影响网络行为的平静度**
研究人员通过分析静息态下潜在状态和感觉预测的时间序列，发现基线条件(W=1.0)下网络识别了平静的稳态情境，并保持在“存在”模式，其本体感觉预测间歇性变化，分别对应“游移”和“静止”。小元先验(W=0.1)导致本体感觉预测变化减少，表明感觉聚焦态度可加深“存在”模式。大元先验(W=10)则自发产生大的未来变分自由能(VFEF)，导致稳态情境认知改变，从而增加“行动”模式。定量分析显示，游移发生率和每时间步的移动距离随元先验增大而增加，且大元先验条件下显著高于基线和中小元先验条件。结果表明，增大元先验会扰乱心理模拟行为的平静度，增加“存在”与“行动”模式间的转换，而减小元先验则可轻度加深“存在”模式。
**感觉聚焦与信念聚焦的认知态度涉及不同的网络动力学**
研究人员计算了各模块潜在变量后验平均状态的每时间步变化量，以此衡量各模块参与程度。结果显示，在感觉聚焦态度（小元先验）下，多模态联合模块和内感受模块的后验变化增加，表明网络更致力于内感受状态及其与其他感觉模态关联的知觉处理，这可能是“深度存在”模式的基础。在信念聚焦态度（大元先验）下，本体感觉和外感受模块的后验变化增加，同时稳态模块（尤其是高级认知模块）产生波动的稳态信念，这促使网络进入“行动”模式。因此，稳态模块通过推断稳态情境，在“存在”模式（内感受知觉）和“行动”模式（外感受-本体感觉的感觉运动环路）之间切换注意分配。
**自由能动力学表征“存在”与“行动”模式之间的切换**
研究人员分析了变分自由能（过去VFEP和未来VFEF）的水平与变异性。统计结果显示，VFEP和VFEF的水平及变异性均随元先验增大而显著增加。在二维自由能空间中，小元先验条件下网络聚集在低自由能、窄区域，对应稳定的“深度存在”模式；大元先验条件下分布广泛，并且VFEF分布呈多峰性，提示网络在多个自由能状态之间波动。这些结果表明，自由能状态的动力学是网络在“存在”与“行动”模式之间转换的内在机制。
讨论部分强调，MBH-RNN作为分层生成模型，能够通过自由能最小化自动学习感觉信息的动态精度（即标准差的倒数）以及层次性隐藏原因，这克服了以往模型中人为设定精度的局限。模型将知觉推理和稳态目标调节统一在变分自由能最小化框架中，并整合多模态预测处理，从而能够考察内感受、本体感觉和外感受之间的注意平衡。本研究的模拟表明，“存在”模式对应小的内感受预测误差和适当的稳态情境识别，而“行动”模式则对应因稳态推断失当引起的心理游移增加。元先验作为对内部生成信念整体（跨越多网络模块、跨越过去到未来）的认知态度，能够控制两种模式之间的转换。小元先验使注意力持续聚焦于内感受状态，即使感觉预测误差极小，也产生“深度存在”模式；大元先验则增加模式转换，即使内感受状态平静。这些发现将正念解释为一种元注意策略，抑制心智游移的倾向。此外，讨论还提出了对“纯意识”的思考：纯意识可能对应于对元先验本身的更高阶元注意，即对觉知的觉知。研究人员指出，模型中的高级认知模块可通过“意外不确定性原因模块”预测无法从内外部状态预测的感觉不确定性，这可能捕捉纯意识的重要现象学特征，但需进一步研究。最后，该研究为理解正念和心智游移的神经、计算和认知层面关联提供了预测，并指出未来可通过模型拟合和个体化脑模型来检验这些机制。
结论：研究人员通过一个基于自由能原理的多模态贝叶斯稳态递归神经网络模型，成功模拟了正念和心智游移的涌现过程。模型表明，元注意参数（元先验）通过调节对内部整体信念的认知态度，控制着注意在“存在”与“行动”模式之间的分配。小元先验加深“存在”模式，大元先验导致模式切换增加。这一研究为从计算层面理解正念、心智游移以及纯意识提供了新框架。
