https://bsahely.com/2019/09/14/first-principles-in-the-life-sciences-the-free-energy-principle-organicism-and-mechanism-matteo-colombo-and-cory-wright/

Primeiros princípios nas ciências da vida: o princípio da energia livre, organicismo e mecanismo

Matteo Colombo &
cory wright

Mais artigos do mesmo autor https://scholar.google.com/citations?hl=pt-BR&user=c5Hb4qAAAAAJ

síntese volume 198 , Páginas3463–3488 ( 2021 ) Citar este artigo

14k acessos
50 Citações
28 Altmétrica
Métricasdetalhes

Resumo

O princípio da energia livre afirma que todos os sistemas que minimizam sua energia livre resistem à tendência à desintegração física. Originalmente proposto para explicar a percepção, o aprendizado e a ação, o princípio da energia livre foi aplicado à evolução, desenvolvimento, morfologia, anatomia e função do cérebro e foi chamado de postulado, princípio infalsificável , lei natural , e um imperativo. Embora possa fornecer uma base teórica para a compreensão da relação entre ambiente, vida e mente, seu status epistêmico não é claro. Também não está claro como o princípio da energia livre se relaciona com as abordagens teóricas proeminentes dos fenômenos das ciências da vida, como o organicismo e o mecanismo. Este artigo esclarece ambas as questões e identifica limites e perspectivas para o princípio da energia livre como um primeiro princípio nas ciências da vida.

1 Introdução

De acordo com o princípio da energia livre (FEP), todos os sistemas que minimizam sua energia livre resistem à tendência à desintegração física. Originalmente proposto para explicar como o córtex sensorial infere as causas de suas entradas e aprende regularidades causais, o FEP tem sido usado para elucidar a função de ação, percepção e atenção, e para explicar a evolução e o desenvolvimento dos organismos (Friston 2003 , 2009 , 2010a , 2013 ; Friston et al. 2006 ; Friston e Stephan 2007 ).

Os defensores alegaram que a FEP oferece uma “estrutura para explicar o acoplamento constitutivo do cérebro ao corpo e ao ambiente”, que fornece “uma essência normativa e teleológica para a síntese da biologia e da informação” e que pode iluminar a continuidade entre vida e mente (Allen e Friston 2018 , p. 2476).

Os defensores também apresentam o FEP como um “princípio obrigatório” ou “imperativo” para sistemas biológicos e como um princípio que goza de um “status fundamental” na neurociência (Friston et al. 2006, p. 71; Friston e Stephan 2007 ). O princípio supostamente “aplica-se a qualquer sistema biológico […] de organismos unicelulares a redes sociais” (Friston 2009 , p. 293).

Embora essas atribuições dramáticas tenham atraído a atenção da filosofia e das ciências da vida, o status epistêmico da FEP permanece opaco, juntamente com seu papel exato na teorização biológica e neurocientífica. Conspirando contra sua acessibilidade estão os diversos formalismos e formulações do FEP, a mudança no escopo de aplicação, a dependência de termos indefinidos e definições estipulativas e a falta de clareza na estrutura lógica do raciocínio que leva ao FEP.

Em relação ao seu papel na teorização, o FEP entra em conflito com os princípios de duas das abordagens teóricas contemporâneas mais proeminentes nas ciências da vida: organicismo (Gilbert e Sarkar 2000 ; Soto et al. 2016 ) e mecanismo (Brandon 1984 ; Bechtel e Richardson 1993/2010 ) . Em relação ao seu status epistêmico, uma preocupação é que o FEP careça de poder explicativo porque “está divorciado da realidade biofísica do sistema nervoso” (Fiorillo 2010 , p. 605). O poder unificador do princípio também foi questionado. Alguns sugeriram que o FEP fornece um modelo implausível dos papéis funcionais da percepção e da ação (Gershman e Daw 2012 ; Colombo 2017 ; Klein2018 ); outros argumentaram que o FEP não fornece uma grande teoria unificadora, e uma pluralidade de abordagens de modelagem é preferível para explicar fenômenos neurofisiológicos e cognitivos complexos (Marblestone et al. 2016; Colombo e Wright 2017 ). Também controverso é como o FEP ilumina a continuidade entre vida e mente, sintetizando biologia e informação – especialmente se o FEP estiver comprometido com alguma forma de cognitivismo (Hohwy 2016 ; Kirchhoff e Froese 2017 ).

De acordo com os organicistas (também conhecidos como ‘holistas’), os fenômenos estudados nas ciências da vida devem ser explicados apelando para organismos inteiros. Os organicistas apelam para os princípios de autonomia biológica e adaptabilidade (Varela et al. 1974 ; Di Paolo e Thompson 2014 ; Moreno e Mossio 2015 ), organização como fechamento de restrições (Maturana 1975 ; Mossio et al. 2016 ) e variação como criticidade estendida (Montévil et al. 2016 ). Enquanto o FEP toma emprestado o formalismo de sistemas dinâmicos aleatórios para explicar o comportamento e a natureza dos organismos, os organicistas sustentam que os formalismos emprestados das teorias atuais da física não são adequados para a representação dos fenômenos das ciências da vida (Longo et al.2012 ).

De acordo com os mecanicistas, os fenômenos estudados nas ciências da vida devem ser explicados apelando para as partes componentes e operações de mecanismos, onde um mecanismo é um sistema composto espaço-temporalmente organizado que produz um fenômeno (Bechtel e Richardson 1993/2010; Darden 2006 ) . Enquanto o FEP é usado para derivar logicamente afirmações sobre propriedades estruturais e funcionais do cérebro “a priori, com base em considerações puramente teóricas” (Friston 2003 , p. 1325), os filósofos mecanicistas argumentam que as leis e a dedução lógica não capturam adequadamente a explicação nas ciências da vida (Glennan 2017 ).

Neste artigo, esclarecemos o status epistêmico da FEP respondendo a dois conjuntos de perguntas. Primeiro: quais são as etapas inferenciais que levam ao FEP? E como eles se relacionam? Segundo: qual a relação entre a FEP e os princípios centrais das filosofias organicista e mecanicista quando se trata de uma representação científica adequada dos fenômenos da vida?

Para responder a essas perguntas, reconstruímos cuidadosamente o raciocínio que leva ao FEP (Seção 2 ) e, em seguida, empregamos uma estratégia contrastiva para trazer à tona as suposições salientes do FEP. Argumentamos que o FEP é inconsistente com um princípio do organicismo, especificamente que o formalismo e os conceitos das teorias físicas atuais não são adequados para a representação científica de organismos e seus comportamentos (Seção 3 ) . Também mostramos que o FEP é inconsistente com abordagens mecanicistas nas ciências da vida, que evitam leis e teorias e consideram que o poder explicativo das representações científicas depende do grau de detalhe biofísico relevante que elas incluem. Depois de esclarecermos o status do FEP como um primeiro princípio (Seção 4), concluímos sugerindo que a compreensão dos fenômenos nas ciências da vida deve permitir abordagens incompatíveis com graus variados de idealização (Seção 5 ). Em particular, a abordagem axiomática, idealizadora e de primeiros princípios favorecida pelos teóricos da energia livre deve ser seguida nas ciências da vida juntamente com as abordagens sintéticas favorecidas pelos organicistas e as abordagens analíticas favorecidas pelos mecanicistas.

2 O argumento transcendental

Os teóricos da energia livre formulam o FEP de várias maneiras. Dependendo da formulação exata, o escopo de aplicação do FEP varia. Uma formulação tem FEP focado em cérebros, com o objetivo de esclarecer o significado funcional de sua atividade e conectividade estrutural (Friston 2003 , 2009 ; Friston et al. 2006 ). Outro tem FEP abrangendo qualquer entidade biológica, processo ou sistema complexo – incluindo organismos sem cérebro como células e plantas únicas, processos evolutivos por seleção natural e ecossistemas – e com o objetivo de explicar como os sistemas biológicos podem manter sua integridade física em um ambiente em mudança ( Friston 2013 ; Hobson e Friston 2016). Em ainda outra formulação, o FEP se aplica a qualquer sistema adaptativo complexo, incluindo sistemas físicos de informação e sistemas não biológicos como redes sociais e artefatos (Friston 2009 , p. 293).

Sob qualquer formulação, o raciocínio que leva ao FEP tem a forma de um argumento transcendental para a conclusão de que o FEP é uma condição da própria possibilidade de existência de sistemas adaptativos. Em sua forma mais geral, o argumento propõe que os sistemas adaptativos seriam impossíveis a menos que o FEP fosse verdadeiro. Nas palavras de Friston: “sistemas que não minimizam a energia livre não podem existir” (Friston 2013 , p. 2). Embora afirmado como uma condição de possibilidade na existência dos sistemas, o FEP é oferecido para ajudar a alavancar as explicações ‘na verdade’ da capacidade dos sistemas biológicos de manter sua integridade física por meio de um comportamento adaptativo.

A dedução transcendental do FEP envolve seis etapas principais organizadas em dois lotes:

1.Se um sistema Σ age seletivamente no ambiente para evitar transições de fase e está em um estado estacionário de não equilíbrio, então Σ se comporta de forma adaptativa.^{Nota de rodapé1}
2.Σ se comporta de forma adaptativa apenas se Σ preserva sua integridade física, mantendo suas variáveis “características” dentro dos limites homeostáticos, apesar das flutuações ambientais.^{Nota de rodapé2}
3.Σ atua seletivamente no ambiente para evitar transições de fase e está em um estado estacionário de não equilíbrio apenas no caso de Σ preservar sua integridade física mantendo suas variáveis “características” dentro dos limites homeostáticos, apesar das flutuações ambientais.
4.Σ preserva sua integridade física mantendo suas variáveis “características” dentro dos limites homeostáticos, apesar das flutuações ambientais, apenas no caso de Σ colocar um limite superior na entropia informacional ( surpresa média ) de seus possíveis estados sensoriais.
5.Se Σ minimiza a energia livre de seus possíveis estados sensoriais, então Σ coloca um limite superior na entropia informacional de seus possíveis estados sensoriais.^{Nota de rodapé3}
6.Qualquer sistema Σ que coloque um limite superior na entropia informacional de seus possíveis estados sensoriais preservará sua integridade física, mantendo suas variáveis “características” dentro dos limites homeostáticos, apesar das flutuações ambientais.
∴ 7.Qualquer sistema Σ que minimize a energia livre de seus possíveis estados sensoriais preservará sua integridade física mantendo suas variáveis “características” dentro dos limites homeostáticos, apesar das flutuações ambientais.

As três primeiras reivindicações compreendem o primeiro lote, onde (1) declara uma condição termodinamicamente suficiente no comportamento adaptativo, (2) declara uma condição homeostaticamente necessária e (3) funciona como um princípio de ponte que conecta predicados físicos e biológicos que expressam propriedades de um sistema está se comportando de forma adaptativa . A ponte é derivada da conjunção de sua condicional da esquerda para a direita, que segue diretamente de (1) para (2), e a estipulação de sua inversa suprimida da direita para a esquerda. As próximas três reivindicações compreendem o segundo lote, onde (4) conecta estipulativamente a homeostase a quantidades teóricas de informação e (5) afirma que a minimização de energia livre é uma condição suficiente para colocar um limite superior na entropia informacional dos estados sensoriais de um sistema.^{Nota de rodapé4} A reivindicação (6) expressa uma condição suficiente para que um sistema preserve sua integridade física. A reivindicação (7) expressa FEP e decorre dos dois lotes de reivindicações.

A força modal do FEP, bem como sua pretensão de ser um primeiro princípio a priori, depende das estipulações dos teóricos da energia livre sobre a equivalência semântica entre conceitos de diferentes disciplinas, como as equivalências entre os conceitos de valor adaptativo , surpresa e evidência de modelo e em sua interpretação de probabilidade. Consideraremos sua compreensão dos sistemas vivos adaptativos na Seção. 2.2 , e colocar em foco as outras suposições subjacentes ao seu raciocínio na Seção 3 .

2.1 Termodinâmica

O argumento para o FEP começa com a observação de que alguns sistemas mantêm sua integridade física, exibindo um comportamento adaptativo em meio a um ambiente em mudança. Tais sistemas são termodinamicamente abertos, persistindo longe de seu estado de equilíbrio termodinâmico (Friston et al. 2006 , pp. 71–72; Friston e Stephan 2007, pp. 421–422). Sistemas que são termodinamicamente abertos trocam matéria e energia com seus arredores. Por exemplo, tanto os flocos de neve quanto as bactérias trocam produtos químicos e energia com o ambiente. Os flocos de neve adquirem e perdem matéria e calor sob as pressões causais de seu ambiente, e as bactérias permitem que matéria e energia atravessem suas membranas citoplasmáticas. Sistemas fechados têm limites que importam de seus arredores e não podem cruzar. A Terra, por exemplo, troca energia com seu entorno, mas quase nenhuma matéria. Sistemas isolados não trocam nem energia nem matéria com seus arredores. O universo e uma garrafa térmica fechada são exemplos de sistemas isolados.

Em vez de propriedades de Σ – como ser termodinamicamente aberto ou estar em equilíbrio – pode ser útil falar de (conjuntos de) estados. O termo estado aqui se refere a uma instância de propriedade por vez. As velocidades, por exemplo, são estados: diferentes objetos podem ter diferentes velocidades ao longo do tempo, mas apenas uma única velocidade em um determinado momento. Os estados de um sistema são especificados pelos valores de conjuntos de variáveis macroscópicas mensuráveis, incluindo propriedades geométricas, térmicas, mecânicas e químicas em uma determinada escala de tempo e podem normalmente ser associados a representações matemáticas, por exemplo, vetores em um vetor ou estado. espaço. Essas variáveis estão relacionadas umas com as outras de maneiras semelhantes a leis e, portanto, fornecem uma maneira de deduzir mudanças no comportamento do sistema ao longo do tempo.

Quando os sistemas são deixados a si mesmos e as condições externas são imutáveis, seus estados mudam até que não haja fluxos líquidos de matéria ou energia dentro do sistema ou entre ele e seus arredores. Este estado é o equilíbrio termodinâmico. Embora a maioria dos sistemas encontrados na natureza não esteja em equilíbrio, existem diferenças importantes entre os sistemas. Em comparação com flocos de neve deixados a si mesmos, as bactérias estão longe de seu estado de equilíbrio: enquanto suas propriedades químicas e metabólicas mudam, as bactérias podem adquirir energia e nutrientes e manter um estado estacionário de não equilíbrio para evitar o equilíbrio termodinâmico.

Quando os sistemas mudam de estado, eles passam por um processo. A sucessão dos estados de um sistema define o caminho ou trajetória do processo. Alguns processos envolvem transições descontínuas abruptas entre os estados sólido, líquido ou gasoso da matéria. Essas transições são chamadas de transições de fase. Quando os sistemas passam por transições de fase, algumas de suas propriedades físicas mudam, geralmente resultantes de mudanças na temperatura, pressão ou outras condições ambientais. Por exemplo, os flocos de neve farão a transição de fase para gotículas de água quando a temperatura externa atingir seu ponto de fusão. Muitos sistemas biológicos também passam por transições de fase, onde seus perfis morfológicos e metabólicos mudam drasticamente. Essas transições dependem da plasticidade fenotípica, que é a capacidade dos sistemas biológicos com um genótipo de mudar seu fenótipo em resposta a mudanças nas condições ambientais. Os exemplos incluem a determinação do sexo dependente da temperatura em alguns peixes e répteis, formações de manchas oculares em algumas borboletas e metamorfose de insetos.

Por causa da segunda lei da termodinâmica, o caminho do processo sofrido por um sistema isolado de todas as influências externas acaba entrando em um estado de equilíbrio termodinâmico. Existem várias formulações da lei (Uffink 2001 ). Uma formulação refere-se à entropia termodinâmica, que é uma variável de estado que mede a quantidade de “desordem” (ou aleatoriedade) em um sistema, e implica que as entropias de sistemas isolados que não estão em equilíbrio normalmente aumentam com o tempo, aproximando-se do valor máximo no equilíbrio. É uma função do estado de um sistema e capturada pela fórmula: S = k log( W ). Esta fórmula descreve a entropia S de um sistema em termos do logaritmo do número de microestados possíveisW = { w ₁ , w ₂ ,…, w _n } que são consistentes com os estados macroscópicos do sistema, onde k é a constante de Boltzmann.

A comparação de flocos de neve com vapor de água oferece uma maneira intuitiva de visualizar a noção de “desordem” associada à entropia termodinâmica. O vapor de água em um recipiente pode ter muitos arranjos possíveis de moléculas individuais consistentes com as propriedades macroscópicas do gás, como seu volume e pressão. Como as moléculas dos flocos de neve são restritas por ligações cristalinas, o número de configurações possíveis de moléculas individuais consistentes com as propriedades macroscópicas dos flocos de neve é menor. Os flocos de neve têm menos entropia que o vapor de água: são menos “desordenados” (aleatórios).

2.2 Da termodinâmica à homeostase

Os teóricos da energia livre afirmam que os sistemas biológicos aparentemente “resistem” ou “violam” a segunda lei da termodinâmica (ou, mais precisamente, o teorema da flutuação) porque mantêm sua integridade física em face de flutuações aleatórias no ambiente (ver, por exemplo, Friston e Stephan 2007 , pp. 421–422; Ramstead et al. 2018 , 2 e segs.).

Os sistemas biológicos são sistemas abertos que mantêm a ordem (entropia termodinâmica) trocando energia e matéria com o ambiente. Ao considerar todas essas trocas, a entropia total do sistema e seu ambiente aumentam ao longo do tempo de maneiras que podem ser descritas pelas leis termodinâmicas. É essa capacidade de “entropia negativa” – agindo seletivamente sobre seus ambientes e metabolizando alimentos, que distingue os sistemas vivos dos não vivos (Collier 1986 ; Schrödinger 1992 ; Collier e Hooker 1999 ; Morowitz e Smith 2007 ; Bailly e Longo 2009 ).

A capacidade de um sistema de agir seletivamente sobre seu ambiente permite que o sistema mantenha sua integridade física em meio a mudanças nas condições ambientais. Friston e Stephan ( 2007) ilustram esse ponto com um exemplo fictício. Eles comparam flocos de neve regulares com flocos de neve alados que podem agir em seu ambiente. Flocos de neve regulares são passivamente empurrados pelas forças ambientais até que suas temperaturas atinjam um certo limite, onde passam por transições de fase, perdendo sua integridade e se transformando em gotículas de água. Como os flocos de neve alados podem voar e manter certas altitudes, eles podem manter sua temperatura dentro dos limites e longe de seu ponto de fusão. Manter sua temperatura dentro de certos limites é uma condição necessária para que os flocos de neve alados mantenham um estado estacionário de não equilíbrio, de modo que possam evitar uma transição de fase e desintegração. Assim, os flocos de neve alados podem manter um “meio relativamente constante” apesar das mudanças ambientais – isto é, manter a homeostase – por meio de comportamentos que se ajustam a condições novas ou em mudança, mantendo suas propriedades macroscópicas dentro dos limites. Como seus comportamentos permitem que os flocos de neve alados mantenham a homeostase, esses comportamentos, ao contrário dos flocos de neve comuns, são considerados adaptativos.

Temos duas condições no comportamento adaptativo de um sistema. Uma é em termos de termodinâmica: se os sistemas agem seletivamente sobre seus ambientes para evitar transições de fase e ficar longe do equilíbrio termodinâmico, então eles se comportam de forma adaptativa. Outra é em termos de homeostase: se os sistemas se comportam de forma adaptativa, eles mudam suas relações com seus ambientes para manter variáveis fisiológicas vitais dentro de certos limites.

Os teóricos da energia livre vinculam a adaptabilidade diretamente à viabilidade, compreendida em termos de homeostase, de forma semelhante ao relato de adaptação de Ashby ( 1960 , p. 58) como o fez a ultraestabilidade. Para os teóricos da energia livre, as características da função de medição dependente de fase – ou como Ashby as chamou, “variáveis essenciais” – devem ser mantidas dentro de limites viáveis para evitar que o sistema morra rapidamente ou se desintegre devido às transições de fase. Como Ashby ( 1960 ), os teóricos da energia livre relacionam formulações termodinâmicas e biológicas de processos adaptativos.

Especificamente, os teóricos da energia livre assumem que qualquer sistema vivo possui um atrator dinâmico aleatório – um conjunto de estados para os quais um sistema dinâmico tende a evoluir para uma ampla variedade de condições iniciais do estado do sistema. Esse conjunto atraente é interpretado como o fenótipo estendido do sistema, que inclui características que definem um tipo de sistema biológico. Sob condições apropriadas, qualquer sistema que possua um atrator dinâmico aleatório pode ser formalmente equivalente a qualquer sistema em estado estacionário longe do equilíbrio, onde as variáveis ”características” do sistema estão dentro dos limites homeostáticos (Friston 2012; Ramstead et al . 2018 , pág. 2).^{Nota de rodapé5} Em outras palavras, os caminhos dos processos de sistemas adaptativos (vivos) caem dentro de uma região específica e relativamente estreita de todos os estados possíveis em seu espaço de fase. Para Friston, não menos que para Ashby, a sobrevivência é equivalente a estar o sistema naquela região estreita.

Com essas formulações físicas e biológicas articuladas, o próximo passo do argumento é implantar a matemática da teoria dos sistemas dinâmicos aleatórios e da teoria da informação para responder à seguinte pergunta. Que características os sistemas biológicos devem possuir para manter seu caminho dentro de uma região específica (homeostática) que impede as transições de fase?

2.3 Da homeostase à surpresa

Os sistemas físicos podem ser representados como conjuntos de variáveis. Diferentes valores dessas variáveis escolhem diferentes estados dos sistemas. O conjunto de todos os estados possíveis de um sistema pode ser representado como um espaço de estados, que permite descrever o sistema e suas mudanças no tempo. Um espaço de fase é um espaço de estado contínuo descrito com uma variedade suave. A dimensionalidade de um espaço depende de quantas variáveis são necessárias para descrever o sistema alvo e sua dinâmica. Cada estado do sistema é representado por um ponto no espaço de estados. Dado o estado do sistema em qualquer momento, pode-se usar uma regra de evolução, que pode ser determinística ou estocástica, para descrever os próximos estados do sistema no espaço de estado.

Friston ( 2012 , 2013 ) representa os sistemas biológicos como sistemas dinâmicos aleatórios, com espaços de estados particionados em estados externos e internos. Os estados externos correspondem às causas ambientais que geram amostras sensoriais (também conhecidas como entrada sensorial , resultados sensoriais , dados sensoriais ou evidências ), que afetam o estado interno do sistema. Um subconjunto de estados (conhecido como manta de Markov — mais sobre isso momentaneamente) pode fundamentar uma separação entre os estados internos do sistema e os estados externos do ambiente. Um outro subconjunto desses estados de separação (cobertor) é distinguido como seus chamados estados ativos, onde diferentes valores de um estado ativo determinam diferentes posições do sistema no ambiente.

A justificativa para particionar esses estados apela para o constructo COBERTOR MARKOVIANO (Friston 2013 ). Pearl ( 1988 ) introduziu esse conceito em relação às redes de Markov para representar o conhecimento probabilístico. Grosso modo, dado um conjunto de variáveis aleatórias N , a manta de Markov para uma variável x ∈ N é o subconjunto M contendo todas as variáveis aleatórias que “protegem” x de todas as outras variáveis em N . Fixar os valores das variáveis em M deixa xcondicionalmente independente de todas as outras variáveis aleatórias; portanto, a cobertura de Markov de uma variável aleatória é o único conhecimento que alguém pode precisar para prever o comportamento dessa variável (Pearl 1988 , 97 e seguintes).

No aprendizado de máquina, os cobertores de Markov ajudam a resolver problemas com a construção de conjuntos de modelos causais a partir de dados de amostra que são os menores possíveis e ajudam a pesquisar esses conjuntos para encontrar um modelo causal verdadeiro (Spirtes et al. 2000 ) . Friston ( 2013 ), no entanto, supõe ainda que as mantas de Markov são características objetivas do mundo real, separando os estados internos aos sistemas biológicos daqueles externos a eles (mais sobre essa reificação na Seção 3 ) . Sua representação matemática das trocas do sistema com seus ambientes envolve quatro tipos básicos de quantidades (para uma revisão útil dos detalhes matemáticos, consulte Buckley et al. 2017 ):

1.estados externos Ψ = { ψ ₁ , …, ψ _n } representando as causas ambientais dos estados sensoriais;
2.estados ativos A = { a ₁ , …, a _n } que alteram quais estados externos o sistema amostra;
3.estados sensoriais (ou amostras) D = { d ₁ , …, d _n } que dependem dos estados ativos e internos do sistema;
4.um modelo generativo M definido em termos de seus parâmetros ou estatísticas suficientes, e seria “codificado” pelos estados internos do sistema.

Para sistemas biológicos, os teóricos da energia livre assumem que o fenótipo de um organismo, definido como “o repertório de estados fisiológicos e sensoriais em que um organismo pode estar” (Friston 2010a , p. 127), é constituído pelos estados internos do organismo e seu Markov cobertor, que compreende estados ativos e sensoriais.

Os teóricos da energia livre representam os estados internos do organismo com os parâmetros (ou estatísticas suficientes) de uma distribuição de probabilidade posterior sobre estados externos gerando amostras sensoriais (Friston e Stephan 2007, p. 424 ) . Os parâmetros seriam fisicamente percebidos como pesos e vieses de redes no cérebro do organismo, e são otimizados – onde a otimização consiste em encontrar valores para esses parâmetros que minimizem ou maximizem uma função objetivo – em relação a um modelo generativo.

Diz-se que os fenótipos dos sistemas biológicos “implicam” o modelo generativo (Friston 2012 ), onde implicação aqui significa que estados externos podem ser (indutivamente) inferidos com base em estados sensoriais, e que essa inferência assume implicitamente um modelo generativo (ou seja, uma especificação probabilística de como os estados sensoriais são gerados por estados externos). Dado como os teóricos da energia livre definem o fenótipo , o modelo generativo M fornece a probabilidade de que um certo tipo de sistema obtenha qualquer estado possível no espaço de estado. Resumindo, de acordo com os teóricos da energia livre, para qualquer fenótipo, existe um modelo generativo Mque torna os estados internos do fenótipo como as estatísticas suficientes de densidades posteriores de estados externos sob M .

No exemplo do floco de neve alado, os estados externos incluem temperatura ambiente, direção do vento e outros fatores ambientais que geram amostras sensoriais (ou entradas) que influenciam o estado interno do floco de neve. Os estados internos incluem sua temperatura e a força das ligações eletrostáticas de seus microcristais, mas também estados ativos como sua posição local no ambiente de cada vez. O estado ativo do floco de neve inclui sua posição no ambiente, de modo que a mudança desse estado ativo levará a uma mudança de posição; e, ao mudar de posição no ambiente, o floco de neve recebe diferentes amostras sensoriais (ou experimenta diferentes estados sensoriais). Dado o tipo de sistema que um floco de neve alado é, é improvável que surjam estados onde sua temperatura seja superior a 0 °C.

No que diz respeito às células, os estados externos incluem temperatura ambiente e pH. Esses estados geram amostras sensoriais (ou seja, arranjos de energia que afetam as superfícies sensoriais dos organismos) que influenciam o estado dos receptores transmembrana. Os estados internos da célula incluem a concentração de metabólitos intracelulares, mas também estados ativos, como o movimento dos flagelos às vezes, que mudam a forma como o ambiente da célula influencia os receptores da célula. Dado o tipo de sistema que uma célula é, é improvável que sejam obtidos estados em que sua temperatura seja superior a 50 °C.

Dadas as quatro quantidades básicas (para os estados externo, sensorial, ativo e interno de um sistema biológico) e suas relações de (in)dependência condicional probabilística, pode-se examinar quais características um sistema dinâmico aleatório deve possuir para que seus estados físicos “sejam confinado a um subconjunto limitado de estados e permanecer lá indefinidamente” (Friston 2012, pág. 2106). Este subconjunto de estados no espaço de estados é um atrator dinâmico aleatório correspondente a um conjunto de estados estacionários (não-equilíbrio), onde os níveis de variáveis que representam os estados sensoriais do sistema – como temperatura, pH, glicose, oxigenação do sangue, etc. – estão dentro dos limites homeostáticos. Para saber quais características os sistemas biológicos devem possuir se quiserem manter seu caminho dentro de uma região específica (homeostática) que impede as transições de fase, os teóricos da energia livre perguntam qual dinâmica esses sistemas devem exibir para um atrator dinâmico aleatório obter.

Se alguém então estipular que “os sistemas biológicos se movem em seu espaço de estados, mas revisitam um número limitado de estados” que correspondem a estados estacionários homeostáticos longe do equilíbrio (Friston 2013 , p. 11), então, de todos os estados possíveis de obtenção, há um pequeno número que eles alcançarão em sua vida com uma alta probabilidade. Todos os outros estados serão obtidos com uma probabilidade extremamente baixa.

PARA CAPTURAR ESSA IDEIA FORMALMENTE, OS TEÓRICOS DA ENERGIA LIVRE USAM O CONCEITO DE SURPRESA da teoria da informação . A surpresa média da amostragem de algum resultado corresponde à entropia de Shannon, que é formalmente semelhante ao conceito termodinâmico de ENTROPIA . Especificamente, a surpresa de experimentar algum resultado sensorial (ou experimentar algum estado sensorial) pode ser representada com a probabilidade log negativa: − log p ( D = d _t +1 | a _t , M ). Essa medida quantifica a improbabilidade de que um resultado sensorial d _t +1 seja amostrado, dada a ação a _te o modelo generativo M . Se o resultado sensorial for “incompatível” com M e a _t , então a amostra sensorial d _t +1 é surpreendente. Se houver uma alta probabilidade de que os sistemas biológicos sejam encontrados em qualquer ponto de sua vida em estados homeostáticos, então as amostras sensoriais geradas pelo ambiente não serão surpreendentes. As amostras sensoriais geradas por todos os outros estados externos no ambiente serão altamente surpreendentes.

2.4 Da surpresa à energia livre

Se alguém definir estipulativamente um sistema de comportamento adaptativo como qualquer sistema cujo comportamento minimize a surpresa média de seus estados sensoriais, então os sistemas reais que se comportam de maneira adaptativa devem obter resultados sensoriais não surpreendentes. Ou seja, o objetivo do sistema é maximizar a evidência do modelo p ( D = d _t₊₁ | M ), ou minimizar a surpresa − log p ( D = d _t₊₁ | a _t , M ). Isso significa, formalmente, que o sistema deve selecionar ações que otimizem a função:

G(at)=log∫p(D=dt+1,Ψ=ψt+1|A=at,M)dΨ�(��)=log⁡∫�(�=��+1,Ψ=��+1|�=��,�)�Ψ

onde p ( D = d _t +1 , Ψ = ψ _t +1 | A = a _t , M ) é a densidade conjunta de amostras sensoriais (isto é, estados sensoriais) D e suas causas geradoras Ψ no ambiente, condicionadas à ação e em um modelo generativo. Esta densidade fatora em uma probabilidade p ( D = d _t +1 | Ψ = ψ _t +1 , A = a _t ,M ) e densidade prévia p ( Ψ = ψ _t +1 | M ), que conjuntamente especificam o modelo generativo “implicado por” o fenótipo do sistema. A otimização de G ( a _t ) requer mudanças nas ações de sistemas com fenótipo correspondente ao modelo generativo M .

Para a maioria dos problemas, otimizar G ( a _t ) envolve uma marginalização intratável sobre os estados ambientais (ocultos) Ψ . Para superar a intratabilidade computacional, uma densidade variacional (ou de reconhecimento) q ( Ψ , μ ) pode ser introduzida para definir outra quantidade que seja maior que a surpresa. Essa quantidade – chamada de energia livre – fornece um limite para a integral mencionada acima e é uma função de amostras sensoriais e estados internos do sistema. É assim definido:

F(dt+1,μt+1|at)=−⟨logp(D=dt+1,Ψ=ψt+1|A=at)⟩q+⟨logq(Ψ=ψt+1,μt+1)⟩q�(��+1,��+1|��)=−⟨log�(�=��+1,Ψ=��+1|�=��)⟩�+⟨log�(Ψ=��+1,��+1)⟩�

Sob certas suposições (cf., Dayan et al. 1995 ; MacKay 1995 ), a otimização de F ( d _t +1 , μ _t +1 | a _t ) é tratável computacionalmente. No contexto do FEP, essa otimização envolve alterações apenas nos parâmetros internos μ ou no parâmetro de ação a , que podem ser controlados pelo sistema.

Como a função de energia livre F é maior que G , ao agir no ambiente para minimizar a energia livre de suas amostras sensoriais, os sistemas biológicos evitariam estados sensoriais surpreendentes. Se evitarem estados sensoriais surpreendentes, os sistemas biológicos podem atingir um estado homeostático; e ao selecionar ações que atingem estados homeostáticos, os sistemas biológicos irão se comportar de forma adaptativa e preservar sua integridade física. E por FEP, qualquer sistema que minimize a energia livre de seus estados sensoriais em relação à ação, ou seus parâmetros internos, evitará as transições de fase, o que tornaria improvável sua desintegração física.

3 FEP e organicismo

Tendo articulado as etapas envolvidas no raciocínio para FEP, vamos examinar duas dimensões ao longo das quais FEP e organicismo parecem inconsistentes: sua compreensão de como os organismos adaptativos devem ser representados e sua interpretação de probabilidade.

3.1 Como representar organismos?

Os teóricos da energia livre formulam o FEP usando as ferramentas de modelagem tradicionais de sistemas dinâmicos aleatórios em termodinâmica e representam a dinâmica adaptativa dos organismos como trajetórias através de estados atraentes de não-equilíbrio no espaço de fase. Para os organicistas, no entanto, a dinâmica adaptativa dos organismos não pode ser adequadamente representada com esta ferramenta predefinida sobre as variáveis “características” que individualizam os tipos de sistemas biológicos (Longo et al. 2012 ) .

Os organicistas têm diferentes opções para justificar essa afirmação. Eles podem negar a existência das características de um organismo, ou negar que as variáveis características (se existirem) possam ser identificadas de forma confiável para qualquer sistema biológico. Outra opção é enfatizar que as ferramentas matemáticas usadas para representar e explicar os fenômenos biológicos são apenas isso – ferramentas matemáticas abstratas que podem ser usadas para descrever como um estado evolui para outro ao longo do tempo. Por exemplo, Chater e Oaksford alertam sobre o risco de confundir modelos científicos e seus alvos dos modelos com este exemplo:

a teoria da aerodinâmica é um componente crucial para explicar por que os pássaros podem voar. Mas claramente os pássaros não sabem nada sobre aerodinâmica, e a intratabilidade computacional dos cálculos aerodinâmicos não impede de forma alguma que os pássaros voem. Da mesma forma, [sistemas] não precisam calcular suas funções de comportamento ótimo para se comportar de forma adaptativa. Eles simplesmente precisam usar algoritmos bem-sucedidos; eles não precisam ser capazes de fazer os cálculos que mostrariam que esses algoritmos são bem-sucedidos. ( 2000 , p. 110)

A sugestão é que as propriedades dos modelos usados para representar os organismos não devem ser atribuídas diretamente ao equipamento biológico ou cognitivo dos organismos. Se assim for, isso teria relação direta com a posição de energia livre , que os teóricos da energia livre introduzem porque o problema de otimização descrito na Seção 2.4 é intratável. No entanto, se não há nenhum imperativo para os próprios organismos calcularem soluções para o problema de otimização, e o problema de otimização é um problema que os cientistas precisam resolver para entender o comportamento do organismo, então a motivação para avançar o FEP se dissipa.

Os teóricos da energia livre assumem que os organismos são ergódicos: suas médias de fase (ou seja, valores médios de funções específicas de seus estados microscópicos) são idênticas às médias ao longo do tempo de quantidades mensuráveis de estados microscópicos. Para sistemas ergódicos, a dinâmica dos microestados de um sistema – por exemplo, sua cinemática biomolecular – é suficientemente aleatória e o acoplamento entre o sistema e os estados externos em seu ambiente é suficientemente lento, de modo que a dinâmica microscópica dos estados do sistema pode ser substituída por uma amostra aleatória da densidade do conjunto dos estados microscópicos. Essa densidade de conjunto atribui uma probabilidade a cada configuração microscópica possível e pode ser usada para derivar previsões sobre propriedades macroscópicas do sistema como aquelas esperadas no conjunto. Dada a ergodicidade, para qualquer região do espaço de fase, o tempo médio que o sistema gasta naquela região é proporcional à “atratividade” da região. Os sistemas ergódicos revisitarão repetidamente as vizinhanças dos estados de atração. Assim, se os organismos são ergódicos, eles podem ser representados como atratores dinâmicos aleatórios no espaço de fase. Se tais sistemas dinâmicos ergódicos também possuírem uma manta de Markov, então “[eles] parecerão manter ativamente sua integridade estrutural e dinâmica” (Friston2013 , pág. 10). Sob certas condições, tais sistemas parecem minimizar sua energia livre.

Os organicistas serão rápidos em observar que não podemos atribuir probabilidades significativas aos estados microscópicos dos organismos porque os organismos, em todos os níveis de organização, não podem explorar todos os caminhos possíveis no espaço de fase. “Não só não faremos todas as proteínas possíveis de comprimento 200 ou 2000, como também não faremos todos os órgãos, organismos, sistemas sociais possíveis, [… aumenta” (Kauffman 2013 , p. 167). Para os organicistas, a ergodicidade é biologicamente irrelevante simplesmente porque os organismos são não ergódicos (Longo et al. 2012 ).

Se a ergodicidade fosse biologicamente irrelevante e a média de qualquer medida do estado de um organismo não convergisse durante um período de tempo suficiente, seria uma idealização enganosa representar o fenótipo de um organismo com uma densidade de conjunto ergódico invariante (assumindo que pode ser significativamente definido) que especifica a probabilidade, para qualquer microestado possível, de que o organismo esteja em um certo macroestado. E também seria biologicamente irrelevante observar que, sob suposições ergódicas, a média de longo prazo da surpresa é a entropia.

Embora os organicistas possam pensar que o FEP é enganoso e biologicamente irrelevante, os teóricos da energia livre contestariam afirmando que a própria noção de um conjunto atrativo implica ergodicidade. Então, se todos os sistemas vivos possuem um conjunto atrativo, então eles também devem ser ergódicos; e se esses sistemas forem ergódicos, então eles possuirão propriedades características, relativamente estáveis e mensuráveis. Para os teóricos da energia livre, a dinâmica de tais sistemas parece colocar um limite superior em sua entropia informacional e maximizar a evidência para um modelo M de estados externos “impostos” por suas propriedades características. Esse comportamento — eles concluiriam — pode ser expresso como uma inferência Bayesiana (ativa) aproximada sobre as causas dos estados sensoriais em termos de minimizar a energia livre variacional.^{Nota de rodapé6}

Por outro lado, os organicistas argumentaram que os organismos constituem restrições historicamente fundamentadas nos fluxos de energia, onde seu espaço de fase muda continuamente e, portanto, os organicistas negam que os sistemas vivos sejam adequadamente representados com um espaço de fase clássico. Uma vez que os conjuntos de atração são subconjuntos de espaços de fase classicamente predefinidos, os organicistas negam a suposição de que o comportamento característico de todos os sistemas vivos seja adequadamente representado por um conjunto de atração. Portanto, para os organicistas, a implicação de atrair conjuntos para a ergodicidade é uma pista falsa.

Representar organismos e suas dinâmicas enquanto idealiza seu status não ergódico impediria levar a sério as considerações históricas de linhagem que são essenciais para entender o que os organismos são e como eles mudam ao longo do tempo. Se as considerações históricas e a linhagem são importantes para entender os organismos e sua dinâmica, então os sistemas biológicos devem ser representados como “específicos” e suas trajetórias como “genéricas”. Em vez disso, para os organicistas, os teóricos da energia livre entendem ao contrário: os sistemas físicos são “genéricos”, enquanto suas trajetórias são “específicas” (Longo e Montévil 2013 : cap. 7).

Se os sistemas físicos fossem “genéricos”, diferentes tipos de sistemas poderiam ser individualizados por propriedades como massa, carga, temperatura ou momento. A posição e o momento, por exemplo, caracterizam os sistemas mecânicos. A representação matemática de sistemas físicos do mesmo tipo preservará as simetrias formais entre suas características definidoras.^{Nota de rodapé7} Cada simetria na representação matemática implica que certas propriedades físicas do sistema, como a energia cinética total, são conservadas e permanecem inalteradas à medida que o sistema evolui ao longo do tempo (Gross 1996 ). No entanto, para tokens do mesmo tipo de sistema físico, as trajetórias (ou caminhos) seriam “específicas”, pois são exclusivamente determinadas pelas regras de evolução do sistema dado seu estado inicial.

Nas representações dos teóricos da energia livre, os organismos são “genéricos”. Sua representação em termos de ações, estados internos e modelos generativos preserva as simetrias nas formulações do FEP. As trajetórias no espaço de fase dos organismos seriam “específicas” de acordo com o FEP, porque as soluções de FEP para um determinado tipo de organismo produzem uma trajetória única no espaço de fase dado o estado inicial do organismo.^{Nota de rodapé8} Propriedades de organismos como linhagem e herdabilidade seriam apenas uma expressão de uma trajetória específica em uma variedade genérica, ou seja, o conjunto atrativo.

Para Longo et al. ( 2012 ), os organismos devem ser representados como “específicos”, enquanto suas trajetórias são “genéricas”. Por causa de sua historicidade e materialidade, os organismos não possuiriam características gerais que permitissem representações matematicamente invariantes. Eles escrevem,

Em biologia, as simetrias no nível fenotípico são continuamente alteradas, começando com a menor mitose, até as “bifurcações estruturais” que produzem especiações na evolução. Assim, não há simetrias biológicas preservadas a priori. […] Não há regularidades e transformações matemáticas suficientemente estáveis para permitir uma descrição equacional e legiforme envolvendo as trajetórias filogenéticas e ontogenéticas. ( 2012 , p. 1390)

Assim, da perspectiva dos organicistas, os organismos não podem – ao contrário dos sistemas físicos não vivos – ser representados com um espaço de fase fixo e regras de evolução predefinidas sobre algum conjunto de variáveis matematicamente invariantes “características”.

A discordância entre os teóricos da energia livre e os organicistas é ainda mais profunda. Os teóricos da energia livre adotam pontos de vista adaptacionistas e selecionistas na biologia, segundo os quais “a seleção explica como os sistemas biológicos surgem e a única questão pendente é quais características eles devem possuir” (Friston e Stephan 2007, p. 423 ) . Os organicistas rejeitam as perspectivas adaptacionistas e selecionistas, que – eles argumentam – são insuficientes para explicar a autonomia dos seres vivos e suas capacidades de regular seus processos em relação às condições ambientais registradas como viáveis ou inviáveis, melhorando ou deteriorando (Di Paolo e Thompson 2014 ; Moreno e Mossio 2015 ).

Além disso, seguindo Ashby ( 1940 ), a FEP enfatiza a estabilidade homeostática como a principal característica dos organismos. Assim, os organismos devem ser representados como atratores dinâmicos aleatórios. Organicistas contemporâneos como Longo e colegas enfatizam que os organismos são processos fundamentalmente em constante mudança, mantidos em condições relativamente estáveis por processos posteriores. Longo e Montevil ( 2013), por exemplo, avançam a ideia de que os organismos devem ser representados como alcançando transições de fase crítica estendidas. Os teóricos da energia livre geralmente interpretam passar por uma transição de fase como equivalente à desintegração biológica e à morte – embora existam vários exemplos de transições de fase na biologia, como a metamorfose, que são consistentes com um conjunto de atração e, sem dúvida, com FEP também (Clark 2017 ).

Mesmo assim, Longo e Montévil ( 2013 ) argumentam que o comportamento adaptativo dos organismos deve ser representado como uma transição crítica contínua de uma fase para outra, em que os organismos são continuamente reconstruídos com variações em seus acoplamentos dinâmicos com os ecossistemas. A ideia básica é que a ancestralidade co-constitui e remodela continuamente os organismos, bem como por suas interações com os ecossistemas. Essa ideia se encaixa em uma crescente riqueza de evidências sobre a plasticidade fenotípica, segundo a qual organismos com o mesmo genótipo podem gerar fenótipos diferentes por meio de suas interações com o ambiente, que recriam novas condições de existência transmitidas aos seus descendentes (Montévil et al. 2016 ) .

Os teóricos da energia livre observariam novamente que a evolução, e a seleção natural em particular, também é um processo de minimização de energia livre (Hobson e Friston 2016 ; Ramstead et al. 2018 ). Mas, para os organicistas, o selecionismo e a fixação em processos de minimização de surpresa obscurecem a natureza da adaptabilidade biológica, historicamente fundamentada e ambientalmente coconstituída.

Uma última dimensão de desacordo diz respeito à interpretação das probabilidades envolvidas nas representações científicas de organismos mutáveis. A probabilidade desempenha um papel central nos relatos dos teóricos da energia livre. Organismos adaptativos são considerados modelos generativos incorporados de seus ambientes, onde um modelo generativo M especifica a probabilidade de que um certo estado externo, entrada sensorial e estado interno ocorram juntos (Friston 2013 ). Diz-se que os organismos têm cobertores de Markov separando seus estados internos do ambiente externo, definidos sobre um conjunto de variáveis aleatórias e uma medida de probabilidade (Kirchhoff et al. 2018 ). Além disso, Friston ( 2009 , 2010b) afirma que o FEP envolve a hipótese do cérebro bayesiano, que implica que os sistemas nervosos representam distribuições de probabilidade e armazenam modelos geradores e conhecimento probabilístico prévio sobre o mundo, e que as redes neurais podem realizar inferências estatísticas com base nessas probabilidades (Knill e Pouget 2004; Colombo e Seriès 2012 ). Finalmente, a própria energia livre é um limite de surpresa (ou entropia de informação), e surpresa é uma medida probabilística da incerteza de amostragem de alguns dados sensoriais, dado um modelo generativo.

Negligenciar o escopo diferente de formulações distintas de FEP (como aplicado a sistemas adaptativos não biológicos, organismos ou cérebros em uma determinada escala de tempo) e as interpretações das probabilidades em diferentes formulações de FEP gerou desacordo – particularmente sobre se FEP está empenhado em postular representações mentais e em uma imagem essencialmente inferencial da cognição. Para avançar o debate, pelo menos duas questões devem ser distinguidas. Primeiro, devemos entender o FEP como uma ferramenta de modelagem para caracterizar e prever o comportamento adaptativo, ou deve ser entendido como um recurso objetivo dos sistemas de destino? Em segundo lugar, ao determinar o escopo do FEP, como as probabilidades que ele postula devem ser interpretadas? Eles devem ser entendidos epistemicamente ou fisicamente?

Alguns pesquisadores da tradição organicista parecem interpretar as probabilidades envolvidas no FEP fisicamente, como a frequência ou propensão da ocorrência de algum evento (eg, Bruineberg et al. 2018 ; Kirchhoff e Froese 2017 ). Quando o FEP tem como alvo os cérebros, esses pesquisadores rejeitam a ideia de que os cérebros representam literalmente probabilidades e fazem inferências. Outros pesquisadores interpretaram as probabilidades envolvidas na FEP epistemicamente, como graus racionais de crença na ocorrência de algum evento e a vontade de agir sobre essa crença. Quando o FEP tem como alvo os cérebros, esses pesquisadores tendem a sugerir que os cérebros representam literalmente probabilidades, possuem cobertores de Markov e fazem inferências (por exemplo, Hohwy 2016 ). Por sua vez, Friston ( 2013) parece interpretar as probabilidades envolvidas no FEP como características objetivas de sistemas do mundo real; eles não são apenas ferramentas de modelagem úteis para capturar a dinâmica flutuante dos sistemas biológicos. Arriscando a fusão de modelos científicos e seus alvos, Friston ( 2011 , 2013 ) afirma que os próprios cérebros representam probabilidades sobre a ocorrência de eventos e que os cérebros fazem inferências sobre as causas de suas entradas sensoriais, com base em modelos estatísticos codificados neuralmente.

Vamos considerar a primeira ideia. Ao formular o FEP, é necessário especificar inicialmente o espaço de fase de um sistema (ou espaço amostral) e uma distribuição de estado estável de não equilíbrio desejada nele. Pode-se então otimizar a distribuição de estado estacionário de não equilíbrio minimizando a energia livre de amostras geradas pelo ambiente com relação a ações e um modelo generativo. O sistema – afirma Friston ( 2011 , 2013) – parecerá então amostrar seu ambiente como se estivesse visando maximizar a evidência de sua própria existência. No entanto, a construção de explicações ‘como se’ fica aquém quando o objetivo é interpretado como especificando a natureza real da explananda biológica. Onde as capacidades funcionais atribuídas a esses sistemas se mostrarem intratáveis, recorrer a tais explicações não contornará o problema, mesmo quando as computações envolvidas forem interpretadas como subsimbólicas, offline, heurísticas ou aproximadas (van Rooij et al. 2018 ) .

A distribuição de estado estacionário desejada de um organismo é, por definição, apenas o fenótipo estendido evoluído do organismo. Isso significa que minimizar a energia livre seria equivalente a maximizar o valor adaptativo esperado: estados surpreendentes seriam apenas, por definição, mal adaptativos. Uma maneira de apoiar essa definição é observar que os organismos e os cérebros estão imersos em um “banho estatístico” de matrizes de energia do ambiente que atingem suas superfícies sensoriais. Essas matrizes de energia esculpiriam fenótipos, associados a uma certa distribuição de estado estacionário de não equilíbrio, que o organismo atualizaria em função de suas amostras sensoriais.

No entanto, os organicistas argumentarão que definir a adaptabilidade como não surpreendente é equivocado e se baseia em suposições implausíveis. Com Longo et al. ( 2012 ), pode-se notar que uma distribuição de estado estacionário de não equilíbrio desejada só é definível em um espaço de fase predefinido. Se não for possível predefinir um espaço de fase para sistemas biológicos, a definição será prejudicada – e com ela, a justificativa para acreditar que as probabilidades envolvidas no FEP não são meras ferramentas de modelagem, mas são características objetivas de sistemas vivos.

Além disso, deixando de lado a perspectiva selecionista dos teóricos da energia livre, pode-se achar implausível que eventos surpreendentes sejam sempre desadaptativos. Usando os exemplos de Gershman e Daw, “[s] o primeiro anfíbio fora da água deve mergulhar de volta? Se um lobo come veado não porque está com fome, mas porque é atraído pelo estado de equilíbrio de seus ancestrais, uma repentina bonança de veado o inspiraria a comer apenas a quantidade a que está acostumado? ( 2012 , p. 306). Se a adaptabilidade for estipulativamente definida em termos de minimização da surpresa, então algumas instâncias de comportamento adaptativo consistirão em buscar novas situações que possam fornecer aos sistemas a oportunidade de resolver a surpresa esperada.

Vamos assumir que as probabilidades envolvidas no FEP não são simplesmente ferramentas de modeladores e passar para a segunda pergunta sobre como interpretar essas probabilidades. Em sua formulação de escopo máximo, as probabilidades envolvidas no FEP devem ser interpretadas fisicamente, como propensões ou frequências objetivas. (Afinal, faz pouco sentido dizer que uma ameba tem um certo grau de crença de que uma bactéria está nas premissas.) As interpretações físicas das probabilidades são coerentes tanto com a forma como as probabilidades são geralmente entendidas na mecânica estatística, quanto com a sugestão essa conversa de inferência é inapropriada para o comportamento de organismos como uma ameba ou bactéria, entendidos como sistemas dinâmicos acoplados ao seu ambiente (Bruineberg et al. 2018 ).^{Nota de rodapé9} Finalmente, uma interpretação baseada em propensão esclarece o sentido em que FEP não é uma tautologia, assim como não é uma tautologia dizer que dados produzem números ímpares com mais frequência do que três – mais sobre tautologia e FEP na Seção. 4.1 . As propensões dos organismos que minimizam a energia livre para sobreviver, ou dos dados para cair com a mesma frequência em cada lado, permitem previsões falíveis sobre seus comportamentos.

No entanto, uma interpretação de propensão das probabilidades envolvidas no FEP é questionável. Para começar, não é claro que tipo de propriedade é uma propensão. Se as propensões são tendências causais, então elas devem ser relações assimétricas exatamente como as relações causais; mas então as propensões não podem ser probabilidades (Humphreys 1985 ). Afinal, as probabilidades podem ser invertidas: dada a probabilidade de E dado C , existe a probabilidade de C dado E, que é um teorema na axiomatização da probabilidade de Kolmogorov. Se as propensões são probabilidades que obedecem aos axiomas de Kolmogorov, elas também podem ser invertidas: por exemplo, uma dada galinha Marans tem propensão a botar ovos marrons, assim como um dado ovo marrom teria uma propensão a ter sido posto por uma galinha Marans (o que torna sem sentido causal).

Se as propensões forem frequências relativas de longo prazo, então uma classe de referência deve ser definida. Para organismos biológicos, tal classe de referência corresponderia a um espaço de fase; mas se um espaço de fase não pode ser predefinido para um organismo, as probabilidades envolvidas no FEP não podem ser definidas.

Suponha, em vez disso, que as probabilidades em FEP sejam entendidas epistemicamente como graus racionais de crença. Essa interpretação é mais plausível quando o FEP é restrito a animais inteiros e cognitivamente sofisticados, ou seja, a criaturas que possuem representações mentais e capacidades de inferência racional. Os organismos, portanto, agiriam de forma adaptativa, minimizando um limite de energia livre definido sobre estados epistêmicos internos, graduados, representando eventos no ambiente.

Embora essa interpretação não mitigasse o problema de definir um espaço de fase (ou espaço amostral) para organismos, Friston e seus colegas supõem que “a exposição contínua a informações ambientais faz com que a estrutura interna do cérebro recapitule a estrutura causal dessas entradas. Por sua vez, isso permite uma inferência perceptiva eficiente” (Friston et al. 2006, pág. 77). Essa sugestão corre o risco de ofuscar que as pressões adaptativas sobre os observadores biológicos geralmente não estão relacionadas à precisão de seus estados epistêmicos. De uma perspectiva evolutiva, boas crenças anteriores devem promover a aptidão adaptativa, não simplesmente corresponder às frequências relativas no ambiente. De uma perspectiva estatística, as crenças anteriores que meramente “recapitulam” as estatísticas ambientais observadas obviamente não “permitem uma inferência eficiente”. Em vez disso, levam ao overfitting, que por sua vez “leva a uma fragilidade de desempenho em encontros futuros com a mesma classe de ambientes, o que é mal adaptativo” (Feldman 2017 , p. 31). Prioridades mais entrópicas que nãorecapitular as estatísticas do ambiente evitará o superajuste e geralmente pode estar mais apto a “otimizar o ajuste entre a mente e o mundo” (ibid.).

4 FEP e mecanismo

Agora nos voltamos para a filosofia mecanicista e argumentamos que o FEP é inconsistente com o mecanismo em duas dimensões de representação: a dependência da força explicativa na descrição dos mecanismos e a rejeição da ideia de que os fenômenos das ciências da vida podem ser adequadamente explicados por meio de uma abordagem axiomática, primeiro da física. abordagem.

4.1 Como explicar os fenômenos da vida?

Os teóricos da energia livre apelam para a FEP em explicações de vários fenômenos, incluindo a regra de Hebb e a plasticidade dependente do tempo de pico, a multiplicidade e organização hierárquica das camadas corticais, sua conexão recíproca com distintas propriedades de alimentação e feedback, e a existência de adaptação e supressão de repetição (Friston 2010a ). Tais explicações são pensadas axiomaticamente, como deduções lógicas de conjuntos de axiomas e fórmulas (Friston 2012 ). Definições estipulativas, como sistema vivo como um conjunto atrativo em um espaço de FASE ou adaptativocomportamento como comportamento que reduz a surpresa média, fornece os princípios de ponte que conectam predicados teóricos de diferentes disciplinas e permitem que os teóricos da energia livre tentem as deduções necessárias para reivindicar reduções de outros princípios para FEP. Em sua tentativa abrangente de explicar esses e outros fenômenos e reduzir suas teorias e princípios a FEP, os teóricos da energia livre também reivindicaram para sua teoria outra virtude: uma grande unificação teórica (Friston 2010a; Hohwy 2014 ) .

Ao apresentar essas características, a FEP está aparentemente em desacordo com a ênfase dos mecanicistas de que os fenômenos das ciências da vida devem ser explicados por meio de mecanismos, e que estratégias adequadas para explicação nas ciências da vida devem envolver a decomposição desses mecanismos em partes componentes e operações e fornecer uma explicação de como essas partes e operações trabalham juntas para produzir o fenômeno.

FEP e mecanismo estão relacionados por sua ênfase comum na função. Tanto os teóricos quanto os mecanicistas da energia livre podem concordar que o FEP fornece um princípio funcional idealizado. Onde eles divergem é sobre se e quando explicações funcionais de fenômenos biológicos são suficientes para uma explicação adequada, ou se detalhes estruturais de partes componentes e organização mecanicista também são necessários para que tais explicações funcionais tenham poder explicativo.

O progresso nas ciências da vida – e especialmente nas ciências cognitivas e comportamentais – geralmente começa com a identificação empírica e a descrição adequada de uma capacidade funcional. As descrições dessa capacidade permitem então o método de análise funcional, em que essa capacidade é decomposta funcionalmente em termos de suas propriedades, processos e componentes constituintes. As propriedades funcionais de um sistema têm sido tradicionalmente individualizadas por suas relações com entradas, saídas e outras propriedades internas do sistema sob investigação – isto é, por seu papel causal. Ao redescrever as capacidades dos sistemas em termos de suas propriedades e disposições funcionais, a análise funcional oferece aos cientistas uma maneira de abordar o fenômeno alvo. Mas também oferece o potencial de previsão e explicação, como demonstram as aplicações empíricas do FEP (por exemplo,2012 ).

O FEP fornece uma análise do comportamento adaptativo, no sentido de que assume uma condição termodinamicamente suficiente no comportamento adaptativo e uma condição homeostaticamente necessária. Em resumo, o FEP requer uma interação entre quatro conjuntos de variáveis: amostras sensoriais D que influenciam os estados internos de um sistema Σ e estados ativos A que influenciam os estados externos do ambiente local Ψ. As dependências matemáticas entre Σ ( D , A ) e Ψ definem a energia livre sobre Σ como uma função de De uma representação probabilística de suas causas – o pensamento é que a capacidade de um sistema de se adaptar ao seu ambiente pode ser analisada funcionalmente em termos de supressão de energia livre, por meio de representações internas que reajustam as mudanças de estado em seus transdutores (para manter ou melhorar a fidelidade perceptiva) ou efetores (para manter ou promover o controle bem-sucedido).

Por sua vez, os mecanicistas argumentaram que as análises funcionais carecem de poder explicativo, pois são esboços de mecanismos (Piccinini e Craver 2011). Esboços de mecanismos são concebidos como representações incompletas de (a função de) um mecanismo, em que alguns aspectos relevantes – partes componentes ou suas operações, ou sua organização – são omitidos da explicação. As funções biológicas ou cognitivas podem ser decompostas em suas propriedades, processos ou sub-rotinas constituintes; e a decomposição pode detalhar uma capacidade como um nexo de relações funcionais entre variáveis representando operações de componentes, sem com isso especificar como a capacidade é realmente realizada. Os mecanicistas reconhecem que as decomposições funcionais de capacidades em operações modeladas causais e não causais dentro de um mecanismo restringem as possíveis estruturas e configurações que podem realizar essas operações; mas eles também enfatizam que as decomposições estruturais em componentes modelados dentro de um mecanismo também podem restringir as possíveis funções e configurações executadas. Detalhes sobre os componentes fisiológicos e anatômicos relevantes dos mecanismos são necessários para preencher os esboços do mecanismo, localizando cada operação em sua respectiva parte componente (Bechtel e Richardson1993/2010 ).

As análises funcionais dos teóricos da energia livre apelam para estados e dinâmicas que se distanciam dos detalhes biofísicos da complexidade estrutural dos sistemas reais. Embora as análises funcionais possam ser interpretadas como esboços de mecanismos, o próprio FEP não fornece em nenhum sentido óbvio um esboço de mecanismo, uma vez que oscila livre da necessidade de fornecer qualquer detalhe microestrutural, biofísico ou anatômico. Os mecanicistas concluiriam, portanto, que o FEP carece de poder explicativo (Kaplan e Craver 2011 ).

Os teóricos da energia livre podem responder que o FEP define uma classe de modelos de processo que fornecem hipóteses sobre como componentes organizados espaço-temporalmente e operações em sistemas biológicos podem realizar minimização de energia livre. Por exemplo, alguns sugeriram que o FEP é realizado algoritmicamente pela codificação preditiva e que a codificação preditiva é fisicamente realizada por conjuntos neuronais específicos hierarquicamente estruturados (Friston 2009; Bastos et al. 2012). Consequentemente, certos conjuntos neuronais de ordem superior produziriam previsões dos estados dos conjuntos de ordem inferior, que são então comparados com os estados reais dos conjuntos de ordem inferior para formar erros de previsão que são passados de volta na hierarquia para atualizar as previsões de conjuntos neurais de ordem superior. A troca recorrente de sinais entre montagens neurais adjacentes resolve o erro de previsão em cada nível, resultando em relatos hierarquicamente profundos e codificados neuralmente de entradas sensoriais.

Embora possa atender às demandas de preenchimento de um esboço de mecanismo, essa sugestão é inadequada para os mecânicos. Primeiro, a codificação preditiva é apenas um dos vários algoritmos possíveis que podem ser usados para otimizar as funções de energia. Uma vez que muitos deles podem ser empiricamente adequados, mas difíceis de separar, preocupações de subdeterminação podem surgir. Em segundo lugar, embora a codificação preditiva tenha sido usada para modelar alguns aspectos da percepção visual (Rao e Ballard 1999 ), “a evidência experimental para ela parece atualmente inconclusiva no sentido de que não descarta a inferência Bayesiana com um código variável direto, potencialmente em combinação com uma variedade de processos não probabilísticos” (Aitchison e Lengyel 2017, pág. 224). Em terceiro lugar, como o FEP se destina a generalizar além dos organismos com sistema nervoso, a codificação preditiva precisaria ser um mecanismo pelo qual todos os sistemas adaptativos funcionam – de bactérias a flocos de neve alados e células da bexiga, a plantas e redes sociais. Obviamente, para uma gama tão ampla de sistemas, apelar para a passagem de mensagens em hierarquias neuronais como um mecanismo relevante pelo qual eles operam é insuficientemente geral. Quarto e último, mesmo que as questões de subdeterminação fossem postas de lado e as evidências experimentais para a codificação preditiva fossem esmagadoras, e mesmo que se mostrasse ser o mecanismo generalizado pelo qual todos os sistemas adaptativos funcionam, os mecanicistas estariam posicionados para afirmar que o preenchimento do o esboço do mecanismo é o que importa: apelos ao mecanismo de codificação preditiva – não FEP – é o que fornece profundidade explicativa.

Os teóricos da energia livre podem simplesmente rejeitar a ideia de que a representação científica adequada dos fenômenos das ciências da vida deve ter como alvo as partes componentes e as operações e a organização interna dos mecanismos. Exemplificando essa rejeição está a afirmação de Chirimuuta ( 2018 ) de que vários modelos explicativamente adequados em neurociência computacional são não mecanicistas. Os modelos que ela considera seriam instâncias de “explicação de codificação eficiente”, que, abstraindo-se das especificidades biofísicas, respondem por que certos sistemas neuronais devem se comportar da maneira descrita pelos modelos. Com base nos princípios de design que informam o modelo, essas explicações identificariam a utilidade funcional de padrões gerais de comportamentos instanciados por sistemas neurais.

Da mesma forma, os teóricos da energia livre podem argumentar que o FEP é um princípio de otimalidade nas ciências da vida (cf., Rice 2015 ). O FEP, junto com a classe de modelos de processo que define, nos fornece descrições idealizadas e granulares de certas variáveis funcionais, que alavancam variedades de tipos de realização contra o impulso de detalhar estruturas biomecânicas de nível inferior essencialmente envolvidas na produção de fenômenos-explicativos alvo . O FEP, e a classe de modelos de processo que ele define, omitiria detalhes causais-mecânicos e faria suposições biologicamente irrealistas para focar a atenção em padrões observáveis muito gerais exibidos por sistemas biológicos, mas também por qualquer outro sistema se comportando de forma adaptativa. Dado esse objetivo – eles podem alegar – é equivocado cobrar da FEP por não nos fornecer informações mecanicistas.

4.2 FEP como primeiro princípio?

Como vimos, as explicações derivadas do FEP abstraem e distorcem a maioria das características mecanicistas de seus fenômenos-alvo. Mas se a FEP não visa descobrir mecanismos ou criadores de diferenças, então qual é seu status epistêmico em relação à explicação mecanicista, exatamente?

Infelizmente, o status epistêmico da FEP é confuso. Tem sido chamado de platitude infalsificável , um imperativo , uma tautologia , uma definição estipulativa , paradigma , lei das ciências da vida , lei da natureza , um primeiro princípio a priori , uma explicação unificadora e um simples postulado ou axioma . Wiese e Metzinger afirmam que “FEP pode ser considerada como a teoria fundamental, que pode combinar as diferentes características do processamento preditivo descritas acima dentro de uma única estrutura formalmente rigorosa” ( 2017, pág. 12). Friston e colaboradores afirmam que “a minimização de energia livre pode ser um imperativo para todos os sistemas biológicos auto-organizados” ( 2012 , p. 2117), e que “o objetivo principal de [FEP] é unificar todos os comportamentos adaptativos autopoiéticos e auto-organizados sob um simples imperativo; evite surpresas e você durará mais […]”, que é um princípio tão básico que “não há necessidade de recorrer a nenhum outro princípio” (Friston et al. 2012) e “A tautologia aqui é deliberada, apela exatamente para a mesma tautologia na seleção natural (Por que estou aqui?—porque tenho aptidão adaptativa: Por que tenho aptidão adaptativa?—porque estou aqui). Assim como o condicionamento físico adaptativo, a formulação de energia livre não é um mecanismo ou uma receita mágica para a vida; é apenas uma caracterização dos sistemas biológicos que existem” (ibid.). De sua parte, Allen ( 2018 , p. 19) caracteriza a FEP como uma teoria normativa , uma lei natural axiomática, auto – evidente verdadeira e um axioma tautologicamente verdadeiro , comparando-a a um paradigma , estrutura e também um programa de pesquisa .

Essa confusão retórica torna mais difícil entender o status de FEP como um primeiro princípio e, portanto, o contraste entre FEP e mecanismo. Assim, alguns esclarecimentos são necessários. Para começar, não se deve seguir Allen ou Wiese e Metzinger ao confundir princípios com teorias , paradigmas e programas de pesquisa , pois esses termos técnicos se referem a diferentes espécies de representações científicas, com diferentes propriedades e propósitos científicos e filosóficos.

Da mesma forma, qualquer sistema de autoconservação, por meio de trocas ambientais, deve, como condição de possibilidade de sua existência, minimizar um limite de informação teórica em uma probabilidade de log negativo é um pensamento intrigante – mas não um que se qualifique como um lugar comum ou um truísmo, sob qualquer compreensão normal desses conceitos.

Um pensamento plausível é que FEP é um primeiro princípio porque é um axioma ou postulado: “[o] princípio da energia livre é um postulado simples que tem ramificações complicadas” (Friston 2011, p. 91) e, novamente, “ FEP deriva [é?] um primeiro princípio normativo a priori de uma definição comprovável de sistemas vivos” (Allen e Friston 2018 , p. 2473).^{Nota de rodapé10} E, de fato, como mencionado, os teóricos da energia livre tentam uma enorme variedade de derivações do FEP. Nesse sentido, pode-se dizer que o FEP desempenha o papel de um primeiro princípio. Mas enquanto eles utilizam uma abordagem axiomática fundamentada na matemática da física teórica (Friston 2012 ), o FEP é um princípio derivado de outras declarações e definições. Portanto, não é um axioma ou postulado não derivado. Por implicação, princípios como FEP não precisam ser axiomas derivados para desempenhar o papel de primeiro princípio nas ciências da vida.

Os teóricos da energia livre geralmente caracterizam o FEP como um princípio nas ciências da vida porque é “tautológico” e até “infalsificável”. Tais afirmações não são facilmente interpretadas. Se FEP fosse uma tautologia, então os teóricos da energia livre poderiam ter um problema de trivialidade. Como observa Klein, “[o] apelo a aparentes tautologias deve incomodá-lo. Pois o que quer que as tautologias façam, elas não explicam por que as coisas acontecem” ( 2018 , p. 2552). As tautologias podem oferecer um ponto de partida para explicar os estados finais de sistemas ótimos, mas a adequação empírica de modelos com detalhes causais biofísicos adicionais está longe de ser trivial. E as explicações tentadas com base no FEP não envolvem nada como a decomposição e localização de mecanismos biofísicos subjacentes ao comportamento adaptativo.

Da mesma forma, a falsificabilidade é normalmente tratada como uma marca de qualquer afirmação científica; portanto, se os princípios devem ser falsificáveis para serem científicos e FEP é infalsificável, então FEP não é um princípio científico.^{Nota de rodapé11} O que se pretende não é que o FEP seja infalsificável porque é meramente estipulado; pois embora existam definições estipulativas envolvidas no argumento transcendental, FEP não é uma delas. O que se pretende não é que FEP seja infalsificável porque também não é adequado à verdade, uma vez que não seria uma generalização semelhante a uma lei e não poderia servir como a conclusão de um argumento transcendental.

Presumivelmente, então, o FEP é como todos os outros princípios científicos por ser apto para a verdade. Mas, ao contrário de outros princípios, como o princípio de Galileu que descreve a periodicidade do pêndulo, que posteriormente teve formulações mais exatas e precisas, parece que o que se pretende é que princípios como FEP ou PLA de Hamilton não possam deixar de ajudar a sobreviver a todo escrutínio de seu pedigree e ter valores de verdade. que não pode ser melhorado.

Nesse sentido, o FEP pode ser uma restrição que as explicações mecanicistas nas ciências da vida devem honrar, na medida em que os cientistas da vida visam determinar quais valores de algum funcional de energia constituem a melhor solução disponível – dadas certas restrições de projeto – para o problema de manter o caminho de um sistema biológico alvo no espaço de estado dentro de uma região específica (homeostática) que impede as transições de fase.

Ao contrário do que os defensores alegaram (por exemplo, Hohwy 2014 ), a teorização baseada em FEP não é consistente com a ideia dos mecanicistas de que o poder de uma explicação depende de sua capacidade de revelar o mecanismo de um fenômeno alvo. Mas ao contrário do que os mecanicistas irão responder, a resposta não é obviamente apenas para afirmar, “tanto pior para a FEP”. Essa aparente inconsistência é metodologicamente boa: o boom de pesquisas que dependem do FEP apenas destaca que há espaço para sistematização dedutiva e abordagens que priorizam a física na teorização das ciências da vida (ver também Gurova 2011). Em vez de pretender representar os criadores de diferenças dos fenômenos das ciências da vida, o FEP visa representar, na linguagem da teoria da informação e da teoria dos sistemas dinâmicos aleatórios, quais características os sistemas complexos devem possuir para automanutenção e autorregulação.

5 Conclusão: uma pluralidade de princípios

Os organismos vivos são sistemas adaptativos complexos que apresentam regularidades robustas, mas também variação constante. Compreender suas regularidades e variações requer estruturas conceituais nas quais os conhecimentos da física, química, biologia, ecologia e etologia podem ser sintetizados, usando ferramentas da matemática e da teoria computacional. A diversidade de conhecimentos envolvidos na compreensão de cérebros e organismos e a fragmentação na neurociência e biologia atuais destacam a necessidade de princípios que possam fornecer uma estrutura intelectual comum para pesquisadores de diferentes comunidades trabalharem juntos para responder a perguntas de interesse comum.

O FEP é um candidato impressionante para um desses primeiros princípios, visando fundamentar modelos gerais e idealizados para rastrear um padrão fundamental subjacente às robustas regularidades e variação constante exibidas por fenômenos complexos e diversos nas ciências da vida. A FEP simboliza a aparência de uma abordagem axiomática de primeiro princípio, física primeiro para as ciências da vida, enquanto cristalizou a noção de minimização de erro de previsão em debates filosóficos e científicos como uma posição teórica central para entender a vida e a mente.

Neste artigo, examinamos inúmeras divergências entre a FEP e os princípios básicos do organicismo e mecanicismo relativos à representação científica dos fenômenos da vida. A incompatibilidade entre essas diferentes abordagens não deve sugerir que apenas uma dessas abordagens pode representar apropriadamente os fenômenos da vida. Estas diferentes abordagens destinam-se a cumprir diferentes objetivos epistêmicos de diferentes comunidades científicas; e esses objetivos podem ser melhor perseguidos separadamente, com uma pluralidade de ferramentas de modelagem (Mitchell 2002 ).

Cientistas da vida e filósofos podem, e frequentemente o fazem, argumentar produtivamente sobre a adequação das ferramentas de modelagem para os propósitos pretendidos. Mas às vezes eles se envolvem em metafísica especulativa, lendo diretamente as conclusões metafísicas sobre a natureza da vida e da mente a partir do uso de modelos que eles assumem implicitamente como exclusivamente adequados. Algumas das confusões em debates recentes em torno de FEP, organicismo e mecanismo dependem de ceder a esse tipo de metafísica sem considerar cuidadosamente os papéis epistêmicos e pragmáticos que idealizações “desenfreadas e não controladas”, como aquelas envolvidas em FEP, desempenham na ciência (ver Potochnik 2017 sobre o papel das idealizações “desenfreadas e desenfreadas” na ciência).

Notas

Conforme explicado na Seção 2.1 , o equilíbrio refere-se ao equilíbrio termodinâmico. Um sistema está em estado estacionário se as variáveis que definem o comportamento do sistema não mudam com o tempo. Um estado de equilíbrio é um caso especial de um estado estacionário. (Um sistema em equilíbrio é um sistema em estado estacionário; o inverso não é necessariamente verdadeiro.)
Os valores dessas variáveis características seriam propriedades observáveis do “fenótipo estendido do organismo – sua morfologia, fisiologia, padrões comportamentais, padrões culturais e ambientes planejados” e seriam funções de fase de um conjunto atraente de estados do organismo (Ramstead et al. 2018 , p. 3). A ideia é que qualquer sistema vivo possui um ‘conjunto de atração’, ou seja, um conjunto de estados para os quais tenderá a evoluir, para uma ampla variedade de valores de seus estados iniciais, e “esse conjunto de estados de atração pode ser interpretado como o fenótipo estendido do organismo” (ibid). A dedução transcendental dos teóricos da energia livre assume que um conjunto atrativo em um sistema aberto ao seu meio externo é formalmente equivalente a uma solução de estado estacionário que está longe do equilíbrio.
De acordo com algumas formulações, qualquer sistema que conserva seus limites “pode ser descrito como” modelando seu meio externo ou “pode ser lançado como” minimizando a energia livre (Hobson e Friston 2016, p. 246; Ramstead et al. 2018 , p . 2 ). Em outras formulações, diz-se que o próprio sistema é o modelador (Friston 2011 ). Abordamos essa confusão na Seção 3 .
A premissa 5 deve ser tratada com cuidado. Primeiro, no aprendizado de máquina, a energia livre é um limite variacional na entropia informacional que geralmente desempenha um papel central nas inferências bayesianas variacionais. Onde X é uma variável observada (por exemplo, uma amostra sensorial) e Z uma variável aleatória oculta de interesse (por exemplo, uma causa ambiental de uma amostra sensorial), a ideia por trás da inferência bayesiana variacional é encontrar alguma densidade de distribuição de aproximação q ( Z ) que seja tratável e que seja o mais próximo possível da verdadeira distribuição posterior p ( Z | X ). Como a distribuição de aproximação pode ter seus próprios parâmetros q ( Z |θ ), o problema de inferir o valor de Z dado o valor de X pode ser entendido como um problema de otimização, no qual se busca encontrar os valores dos parâmetros que minimizem alguma função objetivo e tornem q o mais próximo possível da posterior de interesse . Para medir a proximidade das duas distribuições q ( Z ) ep ( Z | X), uma métrica comum é a divergência de Kullback–Leibler. Em segundo lugar, os teóricos da energia livre argumentam que os organismos não podem minimizar a entropia informacional de seus estados sensoriais (ou seja, ‘surpresa’) diretamente, porque isso envolve o problema intratável de computar probabilidades marginais. Em vez disso, eles argumentam que os organismos podem minimizar de forma tratável a entropia informacional de seus estados sensoriais indiretamente, minimizando um limite chamado ‘energia livre variacional’. Como a útil revisão matemática de Buckley et al . uma ‘função de densidade de reconhecimento’ q ( Z)) é idêntico à densidade posterior de estados ambientais dada a entrada sensorial do organismo p ( Z | X ). Encontrar uma densidade de reconhecimento ideal que seja idêntica à posterior não é trivial e requer outras suposições sobre sua forma e sobre a forma da dinâmica no ambiente. “Além disso, embora este processo forneça ao organismo uma aproximação da surpresa, não a minimiza. Em vez disso, o organismo pode minimizar ainda mais a energia livre variacional (VFE), minimizando a surpresa indiretamente, agindo sobre o ambiente e alterando a entrada sensorial” (Buckley et al. 2017 , p. 59). Voltaremos a esses dois pontos na Seção 2.4. Agradecemos aos revisores anônimos, incluindo um importante arquiteto da FEP, por nos pressionar para esclarecer esta reconstrução.
Igualar adaptação e viabilidade torna obscuro o conceito de Ashby de variáveis essenciais. Se essencial, em que sentido seus valores podem ser transgredidos sem causar a morte? Ou, se tal transgressão é possível, então em que sentido eles são essenciais? A construção DA ALOSTASE pode oferecer, aqui, uma maneira de entender como os organismos podem operar fora dos pontos de ajuste normais e valores de equilíbrio aproximados, sem levar à cessação total de todas as funções fisiológicas.
Essa ponte de otimização de inferência, que também mencionamos em fn. 4, é um poderoso recurso de métodos variacionais que tratam problemas de inferência estatística como problemas de otimização. A minimização da energia livre variacional pode, portanto, ser entendida como uma inferência bayesiana aproximada, no sentido de que minimizar a energia livre é formalmente equivalente a otimizar um limite variacional na evidência do modelo bayesiano.
Por exemplo, na mecânica newtoniana, dados dois corpos com a mesma massa partindo do repouso e movendo-se em direções opostas com velocidades diferentes ao longo do mesmo eixo, a energia cinética total dos sistemas compostos pelos dois corpos permanece a mesma se as velocidades forem trocadas . Ou seja, a solução da equação que fornece a energia cinética total será a mesma.
Friston ( 2012 ) relaciona esse resultado ao princípio da menor ação (PLA). Na formulação de Hamilton, a ação é definida como a integral ao longo dos caminhos possíveis do processo de um sistema conectando dois estados especificados. De acordo com o PLA, o caminho real do processo entre os estados inicial e final em um tempo especificado é a trajetória de um sistema dinâmico no espaço de fase, que é encontrado “imaginando todas as trajetórias possíveis que o sistema poderia conceber, calculando a ação para cada uma delas. essas trajetórias e selecionar uma que torne a ação localmente estacionária” (Gray 2009 ).
A noção de inferência em FEP também requer esclarecimento. Bruineberg et ai. afirmam que, “[w]dentro da estrutura da Energia Livre, a noção de ‘inferência’ é muito mais mínima e não envolve nenhuma proposição: qualquer sistema dinâmico A acoplado a outro B pode ser dito para ‘inferir’ a ‘causa oculta’ de sua “entrada” (a dinâmica de B ) quando ele covaria de forma confiável com a dinâmica de B e é robusto ao ruído inerente ao acoplamento” ( 2018 , p. 2436). Eles invocam o caso de Huygens da sincronização de dois relógios de pêndulo para ilustrar esse sentido “mínimo” de inferência. Três pontos em resposta. Primeiro, se a INFERÊNCIA DE CONCEITOem FEP envolve proposições depende de como entender as probabilidades presentes na estrutura de energia livre. Se essas probabilidades são ferramentas de modeladores sem contrapartes reais em sistemas-alvo, então A INFERÊNCIA pode envolver proposições, viz., aquelas proposições consideradas pelos cientistas quando fazem inferências sobre sistemas-alvo com base na matemática da teoria dos sistemas dinâmicos aleatórios. Em segundo lugar, a covariância confiável robusta ao ruído cai dentro da extensão, não da INFERÊNCIA DO CONCEITO,mas de alguma noção sucessora; então Bruineberg et al. não ilustraram tanto um “sentido mínimo” quanto apenas mudaram de assunto. Em terceiro lugar, Huygens observou o acoplamento fase/oposição entre dois relógios de pêndulo pendurados em uma viga ou em uma tábua sobre duas cadeiras. Mas o FEP é formulado dentro da matemática de sistemas dinâmicos aleatórios, e o caso de Huygens não foi adequadamente representado como um problema na estimativa de parâmetros em sistemas dinâmicos – um problema que o FEP supostamente ajuda a resolver (ver Oliveira e Melo 2015 ) . Em última análise, a afirmação de Bruineberg et al. não resolve a questão de como A INFERÊNCIA deve ser entendida dentro da estrutura de energia livre.
Não está claro em que sentido a definição de sistema vivo como um conjunto atraente é “provável”. As definições são comumente reafirmações que não precisam de prova, ou mesmo passíveis de serem provadas. De forma mais plausível, Friston e seus colegas querem afirmar que a definição que propõem é legítima – embora não seja óbvio quais critérios de legitimidade devem ser adotados para avaliar essa afirmação.
Um revisor encoraja os teóricos da energia livre a morder a bala: “se um princípio tem que ser falsificável, então o FEP não tem status epistêmico”.

Referências

Aitchison, L., & Lengyel, M. (2017). Com ou sem você: codificação preditiva e inferência bayesiana no cérebro. Opinião atual em Neurobiologia, 46, 219–227.Google Scholar
Allen, M., & Friston, K. (2018). Do cognitivismo à autopoiese: Rumo a uma estrutura computacional para a mente corporificada. Syntheses, 195, 2459–2482.Google Scholar
Ashby, W. (1940). Adaptabilidade e equilíbrio. British Journal of Psychiatry, 86, 478–483.Google Scholar