Geometric Hyperscanning under Active Inference

基于主動推理的幾何超掃描方法

https://arxiv.org/pdf/2506.08599

摘要 ：

第二人稱神經科學將社會認知視為通過相互作用實現的具身意義共調節過程，在本文中被建模為耦合的主動推理（active inference），其中情感作為對身份相關意外的推理而產生。每個主體維護一個自我模型，該模型追蹤其預測一致性中的違反情況，并遞歸地建模對方。效價（valence）由自我模型預測誤差計算而來，加權以自我相關性，并受到先前情感狀態以及我們稱之為“時間目標”（temporal aiming）的影響，后者捕捉隨時間變化的情感評估。這使得自我與他者之間的邊界發生轉變，允許情感在個體和雙人層面同時涌現。我們提出一種稱為“幾何超掃描”（geometric hyperscanning）的新方法，基于Forman-Ricci曲率，用于經驗操作這些過程：它追蹤腦際網絡中的拓撲重構，其熵值可作為情感相變（如破裂、共調節和再調諧）的代理指標。

關鍵詞 ：主動推理，超掃描，第二人稱神經科學，雙人耦合，Forman-Ricci曲率，相變

1 引言

主體是如何產生“在一起”的感覺的？他們又是如何分享關于世界和自身的信念，并穿越情感意義那脆弱多變的地形的？傳統的社會認知模型通常通過心理狀態歸因的視角來回答這個問題：一個主體模擬另一個主體的信念、意圖和情緒。我們將這種框架稱為對他人的第三人稱立場（third-person stance），它主導了理論和實證的社會認知研究（?atal 等，2024）。然而，這類模型忽略了一個關鍵事實：在大多數生態有效性的情境中，社會理解并不是在脫離觀察中展開的，而是在與他人積極、具身的互動中發生的。正如 Schilbach 等人（2013）所指出的，社會互動不僅僅是推理發生的背景；相反，它是意義構成的媒介。

這一觀點的轉變常被概括為“第二人稱神經科學”（Redcay & Schilbach, 2019；Schilbach & Redcay, 2025），它重新定義了分析單元——從孤立的主體轉向以雙人為基礎的生成系統，將社會互動中的相互參與而非社會觀察作為核心解釋對象。近期，通過“主動推理”視角對該框架的形式化建模（Lehmann 等，2023）提供了缺失的計算支撐：它將交互主體建模為相互耦合的生成系統，通過遞歸信念更新共同調節意義。在這種觀點下，社會理解不是對另一個主體進行的計算，而是在與他人持續的預期—違背—調整循環中產生的。雙人本身成為一個獨立的分析單位，可以被視為一個共享的生成流形（generative manifold），并可通過多種模態下的內部與人際過程耦合系統進行建模（Bolis & Schilbach, 2017；Bolis, Dumas & Schilbach, 2024）。

1.1 情感鴻溝（The Affective Gap）

我們將第二人稱主動推理擴展到情感領域，將其建模為對兩種類型預測誤差的遞歸推理：一種是關于世界層面的預測與結果之間的不匹配，另一種是關于身份層面的不匹配。借鑒 Jiang 和 Luo（2024）的模型，效價（valence）反映的是對自我模型完整性的推理，這一過程嵌入在雙人生成流形（dyadic generative manifold）之中。

由于兩個主體在遞歸建模彼此的同時都維護著各自的自我模型，情感動態變得相互交織，進而影響信念更新和行動選擇。這種遞歸過程促進了人際間的調諧與穩定（Bolis 等，2023；van Vugt 等，2020；Scholtes 等，2020），而情感破裂則會觸發代價高昂的認知再校準（Christov-Moore 等，2025；Albarracin & Poirier，2022）。我們提出“幾何超掃描”（geometric hyperscanning）方法，以將這些形式化的動態機制與神經信號聯系起來，從而將第二人稱主動推理及其信念與情感的形式化動態框架拓展至實證研究中。

本文做出三項貢獻。首先，我們將情感形式化為對自我模型一致性的遞歸推理，將效價建模為基于身份相關性的預測誤差，并以自我相關性進行加權，受情感記憶調節，并由“時間目標”（temporal aiming）塑造——即主體在過往與未來情感狀態之間的時間取向（見第2.1節）。我們展示了對他人進行遞歸建模如何動態地改變自我—他者邊界（見第2.2節）。其次，我們引入了幾何超掃描這一實證方法，該方法基于Forman-Ricci曲率（FRc），用于追蹤腦際網絡中的拓撲重構，并推斷情感相變（見第2.3節）。第三，我們將這一形式化—實證框架整合進第二人稱神經科學與主動推理體系之中，提供了一個可擴展的架構，可用于建模心理治療、發展過程以及自然情境下互動中的遞歸情感動態，并概述其更廣泛的意義（見第3節）。

2 第二人稱神經科學與雙人主動推理

第二人稱神經科學（Schilbach 等，2013）認為，社會理解是通過實時的相互參與而構成的，而不是通過脫離情境的觀察或事后的歸因。從計算的角度來看，這一觀點在主動推理（active inference）框架中得到了很好的表達：主體通過最小化變分自由能（variational free energy），來維持一個關于世界及其自身角色的連貫具身模型。在第二人稱情境中，該框架需要進一步擴展（Bolis & Schilbach，2020；Lehmann 等，2023；Veissière 等，2020）：主體不僅要預測外部狀態，還要推斷他人的生成模型。這些遞歸信念構成了一個共享的生成流形（shared generative manifold），在其中行動與知覺被共同協調。我們可以設想每個主體都在維護一個生成模型：

2.1 效價作為對自我模型的推理

在這種耦合的生成架構中，情感被概念化為一種動態調節過程，它基于主體預測性自我模型的完整性與一致性來引導認知與行為（Jiang & Luo, 2024）。這一方法的核心觀點是：情緒效價（emotional valence）標志著預測結果與實際觀察之間的匹配或錯配，尤其是那些與身份認同和社會期望相關的結果（Albarracin 等，2024）。

以往的研究將效價建模為自由能的導數（Joffily & Coricelli, 2013）、元認知信號（Hesp 等，2021）、內感受推理（Smith 等，2019）、處理模式的轉換（Yanagisawa 等，2022），以及與自我相關性和身份認同相關的遞歸情感動態（Albarracin, 2022；Jiang & Luo, 2024；Albarracin 等，2024）。在這些洞見的基礎上，并借鑒 Jiang 和 Luo（2024）的研究，我們提出一個擴展的情緒效價模型，將其視為對主體自我模型完整性的連續推理。情緒狀態源于與身份相關預期相關的預測誤差。效價通過兩個主要因素來操作化互動的情感評估：（1）自我模型預測誤差的強度，以及（2）該誤差所賦予的自我相關性。

我們進一步在該模型中引入一個時間參數，以反映情感加工的方向性與速度。借鑒 Joffily 和 Coricelli（2013）以及 Yanagisawa 等人（2022）的研究，我們引入“時間目標”（temporal aiming）這一概念（見下圖1），它包括情感評估的速度（快速學習 vs. 慢速持久狀態）及其時間方向（回顧性 vs. 預測性評估）。

這種調節為情感推理增加了一個重要的維度：主體對同一互動可能會做出不同的反應，這取決于他們是處于前瞻性的焦慮、回顧性的懊悔，還是時間上穩定的狀態。因此，“時間目標”（temporal aiming）與自我相關性（self-relevance）和預測誤差（prediction error）一起，構成了我們效價模型中的核心變量。

我們將情緒概念化為效價（身份相關預測的一致性）與喚醒度（自我相關評估的不確定性和強度）的函數，這兩個維度都根植于不斷發展的自我概念之中，并受到反思、比較以及內化理想的影響。在這一框架中，效價反映了主體對正在進行的互動的評估，其計算方式是對自我模型預測誤差與自我相關性的加權函數，并受到先前情感記憶的調節（Jiang 和 Luo，2024）：

由此可知，每當主體經歷一個與自我相關的預測誤差時，它會產生一種情感反應，其強度與該誤差的大小及其對自我的相關性成正比。參數 表示即時預測誤差對效價（valence）影響的放大系數。對于主體 來說，如果 更大，意味著該主體的情緒狀態對“意外”（尤其是負面意外）非常敏感，從而產生更強烈的負效價。

第二個項 · ,，其中 0 < < 1，使得效價成為一個有泄漏的積分器 （leaky integrator）：它將前一時刻的部分效價（即情緒基調或心境）延續到當前時刻。self, 包括了主體 A 在上一時刻的效價 ( ? 1)，也包括了那些在自我相關性或情境上與當前相似的過去事件的影響。我們可以將 SR, 看作是過去效價的一個指數衰減總和，在時間上越近、在自我相關性上越相似的事件權重越高。

在原始模型的表述中，自我模型預測誤差和自我相關性分別對應于 和 ，而 SR, 的最后一項則有助于保持情感體驗的迭代性和連續性。

2.1.1 雙人推理框架下的效價

在雙人主動推理框架中，每個主體的自我模型都被視為其內部世界模型的一個動態函數，這個內部模型不僅包含對該主體自身的理解，還模擬了另一主體的模型，并整合了來自互動的實時反饋。

在時間點 ，主體 的自我模型是基于其對另一主體的狀態、行動和觀察結果的信念所構建的：

在該框架下，效價（,）反映了主體對自我模型一致性隨時間變化的情感評估。它由自我模型中的預測誤差計算而來，并受到 和 , 的共同調節。預期效價定義如下：

其中，, 是預期自我狀態與實際自我狀態之間的預測誤差， 和 是調節精度的權重參數。實現效價（realized valence）反映了在當前策略 下所觀察到的結果與這些預期的契合程度；其表達式為：

這表達了主體對其內部化的社會敘事在未來結果中得以延續的可能性的信念，該信念基于其對伴侶的不斷演化的模型以及持續進行的互動反饋。

2.1.2 在“推理即規劃”框架中作為策略先驗的情感效價

從設計上來看，效價充當一種內部的獎勵/安全感信號：高度正效價表示互動順暢、有效且情感同步良好，而負效價則表明當前的同步狀態不佳——從而促使個體要么嘗試恢復協調，要么退出互動，具體反應取決于個體在效價構建與感知上的差異（由參數 α 和 β 建模）。盡管我們在此并未明確建模所有下游效應，但效價作為一個反饋回路發揮作用，提供了一個關于每個主體內部模型表現的讀出信號，并調節后續的感知與行動。

在我們的模型中，情感調節了策略的后驗分布，實際上起到了一種“軟先驗”的作用，使行動選擇偏向于更具情感一致性的軌跡。根據 Da Costa（2020）提出的“推理即規劃”（planning-as-inference）范式，我們將策略選擇表達為：

這捕捉了在社會情境中規劃所具有的遞歸性和價值敏感性特征。主體更有可能選擇與正效價一致的計劃（即，最小化意外并最大化敘事一致性），而負效價則會降低維持當前軌跡的可能性。

當兩個主體都參與這種遞歸情感推理時，系統便形成了一個動態耦合的流形——一個共享的生成空間，在其中每個主體的自我一致性都與對方的行為相互交織。情感破裂的時刻標志著共同敘事一致性的局部最小值，并對應于雙人預期自由能的峰值。修復這些破裂需要雙方主體在信念和策略上的協調調整。

該框架完成了一個遞歸循環：從自我模型完整性及對伴侶行為的預期中得出的預期效價，作為策略選擇的先驗，引導主體采取那些被認為能夠維持或恢復情感一致性的行動。這些被選擇的策略隨后導致新的互動和觀察，從而更新主體的自我模型并生成實現效價。

反過來，預期效價與實現效價之間的不匹配會產生一種情感預測誤差，進而塑造下一輪的推理過程。

這一遞歸循環（見圖2）總結了受情感調節的策略如何通過預測誤差、自我模型更新與再調諧的循環，引導雙人互動的發展。

2.2 遞歸耦合與共享意外

在探討情感互動動態時，借鑒新物質主義哲學中的“intra-action ”（內在互動）概念是很有幫助的（Barad，2007）。Intra-action 強調，互動的實體并非預先獨立存在，而是通過彼此的相互糾纏而生成。從這一視角來看，雙人互動不僅僅是兩個獨立主體之間的情感狀態傳遞；相反，它代表了一種情感體驗和身份認同的持續共同建構過程（Rahmjoo & Albarracin，2023）。

從這一觀點出發，情感狀態本質上是遞歸的、關系性的，它們源于主體之間的迭代反饋循環。

情感破裂——即不協調或預測誤差增加的時刻——作為重要的信息信號，標志著互動雙方共享預期中的分歧點。這些情感評估調節了策略的后驗分布，使行動選擇偏向于恢復敘事一致性并減少與身份相關的意外的方向。

這種情感與策略選擇的交織，使得雙人系統成為一個共同調節的情感推理動態場域，在其中兩個主體同時最小化聯合預期自由能 。

在雙人層面，效價（valence）的遞歸耦合形成了一種共享的吸引子結構（attractor structure）：更高的效價使策略選擇偏向于維持敘事一致性并降低未來的預期自由能。相反，負效價可能觸發探索性策略，旨在恢復協調狀態或從不穩定的互動軌跡中撤出。

通過這種方式，效價不僅調節了即時的情感動態，也影響了主體未來的認知不確定性和工具不確定性。

關鍵的是，情感破裂的時刻——即效價的急劇下降——對應著聯合自由能的上升，通常源于雙方自我模型先驗之間的不匹配。這些轉變并非噪聲，而是雙人生成過程中具有信息意義的拐點（inflection points）。

當自我模型的一致性出現偏差時，會直接提升自由能，因為效價編碼了觀察到的互動結果與預期的、與自我相關的預測之間的偏差。由于效價反映了每個主體對其內部模型的情感信心，它既是一種局部自由能最小化的讀出信號，也是一種通過策略適應來塑造未來聯合自由能的控制信號。

這種遞歸結構是雙人情感推理如何隨時間維持、破壞或重建人際同步性的核心機制。

2.3 幾何超掃描作為第二人稱研究方法

為了實證地探究雙人情感推理的內部動態，我們引入了一種基于 Forman-Ricci 曲率（FRc） 的“幾何超掃描”（geometric hyperscanning）方法（Hinrichs 等，即將發表；Hinrichs、Hartwigsen & Guzman，2025），該方法利用從 EEG 超掃描數據中提取的幾何標記，捕捉腦際網絡拓撲中的相變 （phase transitions）。因此，這一方法使我們將潛在的情感與敘事一致性操作化為可測量的腦際網絡拓撲變化。

重要的是，FRc 并不被視為一種事后的讀出指標；相反，我們將其提出作為雙人主動推理模型中潛在生成狀態的一種基于數據的代理指標 （data-derived proxy）。

傳統的超掃描方法主要關注節點層面的同步性，通常是對兩個大腦中同源區域之間的活動進行相關分析。盡管這些方法在時間對齊方面提供了有價值的信息，但它們難以檢測腦際結構中的拓撲重構。

相比之下，FRc 是一種以邊為中心（edge-centric）的幾何度量，用于量化網絡中拓撲流的局部擴張或收縮（Weber 等，2017），已被證明能夠有效刻畫復雜網絡的魯棒性、信號傳導路徑以及功能重組。

給定一個網絡 = (, )，其中邊 連接節點 和 ，FRc 的計算方式如下：

FRc（Forman-Ricci 曲率）熵不僅僅是一個輸出變量，它可以被形式化為一個關于潛在情感預測誤差的觀察模型。也就是說，曲率動態可用于推斷或約束諸如效價或身份一致性等內部狀態變量。這就在模型與測量之間形成了一個閉環：生成模型預測自我模型一致性和雙人自由能的變化，而 FRc 熵則作為一個實證信號，可以通過貝葉斯推理來更新模型信念。

為了使這些轉變具有可操作性和可解釋性，我們提出了一個多層次的操作化框架，用于刻畫破裂（rupture）、修復（repair）和再調諧（reattunement），將神經信號與行為和心理指標聯系起來：修復指的是網絡拓撲重新協調的過程，而再調諧則是進入一種穩定、低熵的吸引子狀態。這些“破裂—修復—再調諧”轉變可以在多個模態中進行追蹤。

在神經層面，破裂表現為網絡整合度的突然下降（低 FRc）、高曲率熵或熵梯度的快速變化；修復與再調諧則反映為向更穩定拓撲結構的回歸。

在行為層面，破裂可能表現為脫離互動、同步中斷或困惑（例如目光回避、語音打斷），而修復則體現為重新投入的線索，如動作模仿、語調調節或輪流對話；再調諧則通過流暢、協調的互動和相互響應得以體現。

在心理層面，破裂可以被主觀報告為疏離感或情感疏遠，修復體現為主觀上試圖重新建立連接的努力，而再調諧則體現為恢復了的相互理解或關系安全感。這些體驗可以通過自評量表（情感滑塊、會談后訪談、標準化工具）進行測量，通過多模態行為數據（目光、語調、同步性）進行標注，并與腦際流形中的曲率動態對齊。

如果將這些階段視為潛在類別狀態（例如在隱馬爾可夫模型中），它們就可以作為實驗和臨床情境中注釋、分類或實時反饋的節點。

重要的是，將這些事件嵌入到雙人推理的遞歸生成模型中，使得“破裂—修復”循環不僅作為結果存在，也成為互動動態的內生特征。情感一致性驅動策略選擇，而行為與神經反饋則遞歸地更新每個主體的自我模型。這種遞歸結構使得我們可以對動態的人際狀態進行現場推理，在多種模態下驗證模型預測，并對關系一致性隨時間的變化做出細致適應。

將幾何超掃描整合進生成模型中，因此為模型增加了一個額外的目標：不僅要最小化與身份相關的預測誤差，還要隱含地推動系統朝向最大程度的人際調諧——即使沒有明顯的工具性收益，這也是一種內在具有獎賞性的狀態（Redcay & Schilbach, 2019；Bolis & Schilbach, 2020）。由曲率引發的意外可能會上升至意識層面，促使個體做出明確的修復嘗試。

總之，基于 FRc 的幾何超掃描提供了一種可擴展、多模態的方法，用于檢測并解釋遞歸性情感推理。通過神經熵、行為動態與心理體驗三方面的三角印證，我們獲得了對雙人如何隨時間共同調節意義、情感與身份的綜合性實證視角。

這一框架不僅推進了第二人稱神經科學的形式化、可檢驗架構，也為建模遞歸性情感糾纏奠定了基礎，后者是下一節的主題。

3 未來方向與結論

在本文中，我們認為情感應被理解為在耦合生成系統中對自我模型一致性進行遞歸推理的結果。通過主動推理建模雙人互動，我們將情感形式化為對身份相關意外的評估，它驅動并調節著社會互動過程中的信念更新、策略選擇和行為適應的遞歸循環。

我們提出了一種基于 Forman-Ricci 曲率（FRc）的新方法——“幾何超掃描”（Hinrichs 等，即將發表），用于追蹤腦際網絡的動態重構，從而提供一個實證窗口，用以觀察破裂、修復與再調諧的時刻。

通過將信念動態的形式模型、情感評估與網絡幾何統一起來，我們推進了一個可擴展且可解釋的框架，用以操作第二人稱視角下的主動推理。

3.1 未來方向

我們的框架為實證與計算研究提供了若干具體的發展路徑。

首要任務是構建基于代理的模型，在其中曲率熵作為關于敘事一致性的流式感覺輸入，用于信念更新。這類模型將檢驗主動推理架構是否能自發重現真實互動中觀察到的“破裂—修復”循環，從而在形式化理論、神經生理學與現象學之間建立橋梁。

該框架不僅適用于雙人互動，也自然地延伸至層級結構系統。引入群體層面的一致性變量后，可以將小群體的協調性建模為多個相互作用的成對動態所涌現的特性，從而應用于集體行為、組織同步性和群體心理學等領域。

此外，還可以將基于曲率的可能性函數與多模態通道（如語調、目光、面部微表情）相結合。這種融合將進一步增強推理空間，支持對主體間場更穩健的解碼。

然而，對關系狀態的實時推理也引發了倫理問題。當結構性先驗在實際應用中變得具有可操作性時——例如心理治療、教育或社交機器人領域——隱私、自主性與可解釋性等問題變得至關重要。

因此，轉化型的應用必須建立在透明知情同意的基礎上，并向所有利益相關者提供清晰可理解的反饋，包括那些其關系軌跡正被追蹤的個體。

3.2 人際化精神病學的社會標記物

幾何超掃描為人際互動的“社會標記物”（sociomarkers）提供了有前景的基礎：這些是動態人際關系協調的實時、可測量信號（Bolis 等，2023），類似于個體生理的生物標記物。

情感共調節——跨物種社會聯結的關鍵機制（Coleman 等，2021；Fortune 等，2011；Brosnan & de Waal，2003；Roma 等，2006）——構成了人類發展的基礎，通過早期照料者與嬰兒的互動塑造認知、情緒與關系自我（Bolis & Schilbach，2020；Fini 等，2023；Vygotsky，1978/1935；Fotopoulou & Tsakiris，2017；Hoehl & Markova，2018）。

不協調與修復循環支撐了韌性與關系成長（Bolis 等，2023；Bolis & Schilbach，2020），而曲率熵的波動可能反映了關鍵的發展過程（Schilbach 等，2013；Cittern 等，2018；Wass 等，2020）。

這些信號可用于個性化（Mandelli 等，2023；Lombardo 等，2019）和人際化精神病學（Bolis 等，2023），后者將精神病理學視為共調節與敘事修復的中斷（Bolis 等，2017；Milton，2012）。

在心理治療中，實時雙人指標（Bolis & Schilbach，2017；Lahnakoski 等，2020）可用于追蹤調諧、破裂與修復（Ramseyer & Tschacher，2011），幫助治療師與來訪者共同導航變化的關系動力。

關鍵在于，同步本身既非本質上良好，也不是恒定不變的：進入或退出同步的狀態可能反映自主性、抵抗或有意義的差異，而非功能障礙。將這些動態建模為遞歸情感推理，為基本科學與關系心理健康服務提供了原則性的視角。

3.3 結論

這一框架促使我們重新思考社會互動中的情感——它不是推理的副產品，而是調節生成耦合穩定性與靈活性的主要調控信號。

結合時間目標的幾何超掃描拓展了 Friston 和 Frith（2015）提出的廣義同步概念，捕捉雙人互動中遞歸情感推理期間的網絡重構。

將情感嵌入策略的后驗分布中，進一步將 da Costa（2020）的“推理即規劃”形式化擴展到情感領域，使情感能夠隱式或顯式地引導策略選擇朝向恢復一致性。

其應用涵蓋多個領域：在心理治療中，曲率熵可用于追蹤破裂與修復；在發展研究中，FRc 可揭示嬰兒與照料者之間的共調節模式如何形成。

對具備遞歸自我與他人模型的情感主體進行模擬，有助于正式檢驗“辯證性不協調假說”（Bolis 等，2017），該假說將精神疾病風險與溝通預期或學習速率的持續不匹配聯系起來。

將該框架擴展至涉及多個主體的群體互動時，需要在敏感情境下設立倫理保障措施，以實現對情感破裂與修復的自動化檢測；同時探索共享信念幾何如何與語言、語調和身體線索在多模態情感推理中相互作用。

這些問題共同指向一個更廣泛的科學項目：將形式建模、實證測量與哲學反思整合為一個關于關系意義的統一解釋。

通過將情感重新定義為耦合生成系統中的遞歸推理，并借助網絡幾何使其動態變得可操作，本研究朝著“互動即社會神經科學的基本單元”的愿景邁進了一步。

我們的提議不僅為研究人類互動的結構與情感編排提供了概念框架，也提供了方法工具箱。

https://arxiv.org/pdf/2506.08599