是的，我发现 Yann LeCun 的这些引用特别有用：

• “应该区分通过推理过程最小化的能量函数和通过学习过程最小化的损失函数（在第 2 节中介绍）。”
• “在学习过程中最小化的损失函数用于衡量可用能量函数的质量。”

与心理学的类比： 这意味着能量功能类似于您的直觉/习惯：首先您通过经验训练您的直觉/习惯，外部反馈充当您的直觉/习惯适应的“损失函数”。如果您的直觉训练有素，那么正确的决定将变得最容易，因此需要您的“精神/激活能量”最少。因此，在这种理想情况下的决策主要成为您选择的决策所需的“最小化能量”的问题。

进一步阅读： 可以在此处找到 OpenAI 描述基于能量的学习的博客文章。我找到这些引文的完整文件在这里；这是由学者 Yann LeCun 撰写的关于基于能量的学习的详尽教程，您可能会发现阅读该教程有助于更深入地理解。

PS 按照惯例，能量函数被最小化。我相信这是因为在物理学中：系统自然会寻求低能状态。