卡爾．弗里斯頓是英國倫敦大學學院（UCL）神經科學教授，被認為是當今腦科學領域最具影響力的學者之一。每年諾貝爾醫學或生理學獎公布候選人名單時，弗里斯頓是唯一一位多次列入入圍名單的腦科學家。
弗里斯頓以開發SPM（Statistical Parametric Mappin，統計參數映射）而聞名於世，這是一套全世界大多數腦科學家都採用的統計套裝軟體。9令人驚訝的是，這套了不起的軟體竟然是開源軟體（open source），提供免費下載。僅僅是SPM的開發與普及，弗里斯頓在腦科學的發展上就算是功德無量。但是他真正的成就，在於將「自由能原理」（free energy principle）引進腦科學領域。
弗里斯頓的自由能原理對現代腦科學的許多領域，例如計算神經科學、人工智慧、精神醫學、行為科學等都產生了實質性且意義重大的影響。對於心理肌力的意義和為了提升心理肌力而進行的內在溝通訓練方面，從自由能原理的角度也提供了許多見解，接下來就讓我們更深入地探討此原理。
弗里斯頓自由能原理的基本前提是將大腦視為一種「亥姆霍茲機器」，也就是說，將大腦理解為一個多層、分層的網路，可以透過自下而上和自上而下的過程進行主動推理和預測調整（predictive regulation）。這是結合了兩種理論的傳統，一種是亥姆霍茲基於分層預測模型的「知覺心理學」，另一種是基於統計機率論的「貝氏推論」。
基於感覺資料產生知覺碎片的過程是「亥姆霍茲機器」的認知模型，而基於此類知覺碎片的先驗知識產生所謂「知覺」經驗（＝預測誤差最小化）的過程，則是生成模型。正如前面我們透過牛的圖像（【圖5-1】、【圖5-2】）所體驗到的知覺學習和推理，這些在引出與當下輸入的感覺資料相關的過去預測時是不可或缺的。
以視知覺為例，我們的大腦並不是從零開始分析所有的感覺資料來形成視知覺的。相反地，大腦是根據既有的內在模型為基礎，集中處理「預測誤差」（prediction error）。這類內在模型就是溯因法中所說的既定「規則」，也是貝氏推論中所說的「先驗機率」，因為這在處理數量龐大的知覺碎片時會更有效率。我們的大腦具有像這樣將「預測誤差」最小化的基本傾向。
大腦試圖根據透過各種感覺系統接收到的感覺資料，盡可能正確地推理出促使這些感覺資料發生的原因。被禁錮在黑暗頭蓋骨中的大腦，自然是無法直接接觸和確認外在的「原因」，只能透過視覺、聽覺等感覺系統輸入的一連串感覺資料來確認。因此，大腦不得不根據這些感覺資料最大限度地推理出這個世界的「正確」模樣。這裡所謂的「正確」，不是指客觀的正確性，而是在特定環境中有助於高效生存和繁殖的意思。譬如，現在傳來的聲音是不是危險的猛獸發出的咆哮聲，或者眼前的紅色果實是不是可以吃的蘋果等等，大腦都必須盡可能地對這些情況做出最正確的推理。
根據自由能原理，所有生命系統都有一個區分內部和外部的邊界，從邊界外接收到的特定外界訊息與邊界內的內在模型之間的差距，就是「驚奇」（surprise），也是預測誤差。譬如，魚躍出水面的狀態就是一種驚奇狀態，為了減少這種「驚奇」，所有生命體都會不斷地修正自己的內在模型。而藉由修正內在模型將預測誤差降到最低，減少驚奇發生的過程，被稱為「自由能最小化原理」。
所謂「生命體推理自己行為的結果」，是指大腦根據過去適合的資料來預測未來的意思。根據意圖進行行為的主動推理時，必須具備對過去和未來的概念，即「時間厚度」（temporal thickness）。主動推理是基於貝氏定理的機率推論進行的，針對當下接收到的感覺資料進行意義解讀。換言之，大腦在解釋促使感覺資料產生的外在原因時，會受到由過去類似經驗形成的「先驗知識」影響。
大腦會基於來自各種感覺器官的訊息和先前已經得到的訊息來進行推理，進而產生知覺碎片。我們所見、所聞和所感覺到的一切，都是大腦推理的結果。當然，正如皮爾斯所說的，這種推理的邏輯結構是溯因法。而弗里斯頓稱之為主動推理（active inference）10，這表示個人的行為結果會影響感覺訊息的意思。
亥姆霍茲似乎已經對行為會干涉預測誤差的修正有了一些概念，他在有關知覺的相關論文中說：「我們在行動的同時也在感受，當我們隨著身體的動作持續觀察某件事物時，雖然我們看的是相同的對象，但傳入的視覺訊息卻一點一點地在改變，這也可以說是一種驗證。換句話說，我們在特定的空間關係中不斷檢驗我們最初理解的內容是否正確。」
因此，雖然亥姆霍茲並沒有使用「預測誤差」這個術語，但從他認為大腦在感知過程中透過行為驗證自己的假設這一點來看，可說與弗里斯頓的主動（或行為）推理是十分類似的想法。亥姆霍茲認為大腦藉由行為獲得各種不同訊息持續更新既有信念，從這裡可以看出他已經在某種程度上具有主動推理的概念。當然，在視知覺的處理過程中，行為是絕對必要的，這點在今天已經不是一個單純的假設，而是獲得科學驗證的事實。
弗里斯頓的自由能原理指出，感覺訊息的處理過程和行為訊息的處理過程具有本質上相同的結構。在實際分析看著動態物體的眼球運動時，發現眼球會「預測」物體的動作而移動，而移動中的眼球也會不斷輸入新的視覺訊息來更新生成模型。
根據感覺訊息作出的行為，以及對這些行為結果產生的感覺訊息進行預測推理（或預測誤差）的反饋，這個過程會不斷循環。在這個感覺和行為如漩渦般循環的中心，就自然而然會出現某個「行動主體」（agent）來做出行為和接收對自己行為的反饋，這就是自我意識。自我意識的產生也等於是主動推理的必然結果。
為了說明大腦如何根據自由能原理運作，主管內在狀態、最小化自由能的某種主體，即「行動主體」的存在至關重要，而這個行動主體就會成為名為「我」的自我意識。當有特定感覺發生時，大腦就會建立對這感覺發生原因的最佳機率模型，而根據這個模型從眾多感覺資料中選擇有用且有意義資料的存在，就是「我」。這個過程也表示知覺和行為透過環境相互作用，而主動推理就是為了將驚奇（預測誤差）降到最低。
總而言之，主動推理是透過對感覺資料的貝氏推論，將自由能最小化。為了解釋目前接收到的感覺資料，大腦會在既有的訊息中主動選擇所需要的訊息，再根據這些訊息朝著將驚奇最小化的方向做出預測。換句話說，主動推理的目標，就是透過行為（動作、知覺、解釋等）將預期的驚奇（熵或不確定性）最小化。在這個過程中會涉及「意圖」，譬如不想忍飢受餓或受到傷害等，這就會成為意識的基礎。從這個觀點來看的話，也可以將意識解釋為是一種為了預測個人的意圖或行為會帶來什麼樣的後果所進行的推理。
傳輸到大腦的感覺訊息中，除了有關外在環境的訊息之外，也會持續接收有關個人身體動作或位置的本體感覺（proprioception）資料，以及從體內臟器所傳來的內感受（interoception）資料。對於這些來自內在的感覺資料，大腦也同樣不斷進行主動推理。同時，大腦會專門根據對內感受的推理，構成疼痛或情緒。
尤其是大腦可以正確區分特定感覺訊息來自個人內部還是外部的哪個地方，這點對動作來說非常重要。在這個過程中，我們會全面感覺到「我」就是接受並處理本體感覺和內感受的主體。自我意識很明顯也是大腦根據貝氏定理對各種感覺訊息進行主動推理的結果，只不過在推理的過程中，如果發生問題的話，也可能會造成自我意識混亂，或在情緒調節上出現嚴重障礙。
總而言之，根據「自由能最小化原理」，所有生命體的大腦都試圖將自己的內在模型與從外界接收的感覺訊息之間的差距最小化，並隨之建立一個減少預測誤差的內在系統。而在這個系統的頂端，就會出現推理的行動主體，也就是自我意識。換句話說，自我意識是預測誤差最小化過程的一個合乎邏輯且必然的結論。
與此相關的一個重要概念，就是「不證自明」（self-evidencing）。所謂「不證自明」，就是某種假設的證據只有某一特定事件，同時該事件本身的意義又完全取決於這個假設。在不證自明中，存在著「解釋-證明的循環」（explanatory-evidentiary circle），也就是假設解釋事件，而事件又同時成為假設的證據。在預測誤差最小化的過程中，最後的結果就會達到不證自明的狀態。所謂的「事件」，就是透過感覺訊息的輸入和主動推理的預測誤差最小化，而這個事件本身又證明了行動主體存在的這個「假設」，於是一個「解釋-證明」的循環關係就此建立。從這個意義上來看，我們的大腦基本上是「不證自明」的。凡是存在根據主動推理而來的敘事之處，必然會有不證自明的行動主體出現，而這個行動主體就是自我意識。
由於大腦的存在是為了將自由能最小化，因此我們所有的行動、知覺、學習、決策等都不得不遵循自由能最小化原理。自由能最小化原理可說是一種雄心勃勃的理論，試圖透過數學模型來解釋人類諸如知覺、認知、運動、感情、決策等廣範圍的大腦運作機制。大腦修改內在模型以減少驚奇的情況，這也代表大腦會與環境相互作用，不斷對個人行動賦予意義和加以預測的意思。在我們的意識中，自由能最小化的過程會以敘事的方式表現出來。意識的本質是持續性的敘事，而這種故事敘述就是內在溝通。