Теория предиктивного мозга (Прогнозирующее кодирование)

Прогнозирующее кодирование предполагает, что мозг структурирован иерархически. Высшие уровни иерархии формируют прогнозы о сенсорной информации, которая поступает от низших уровней. Эти прогнозы сравниваются с реальными сенсорными данными, поступающими на низшие уровни, и расхождения между прогнозом и реальными данными формируют ошибки прогнозирования.

Ошибки прогнозирования затем отправляются обратно на высшие уровни, чтобы обновить и уточнить прогнозы. Этот процесс позволяет мозгу постоянно адаптировать свои внутренние модели мира для минимизации ошибок прогнозирования.

Большая часть ранних работ, в которых применялась структура предиктивного кодирования к нейронным механизмам, была посвящена обработке сенсорной информации, особенно в зрительной коре . Эти теории предполагают, что кортикальная архитектура может быть разделена на иерархически расположенные уровни, которые соответствуют различным кортикальным областям. Считается, что каждый уровень содержит (по крайней мере) два типа нейронов: «нейроны предсказания», которые стремятся предсказывать восходящие входные сигналы для текущего уровня, и «нейроны ошибки», которые сигнализируют о разнице между входным сигналом и предсказанием. Считается, что эти нейроны в основном являются неповерхностными и поверхностными пирамидальными нейронами , в то время как интернейроны выполняют различные функции.

Внутри корковых областей имеются данные о том, что различные корковые слои могут способствовать интеграции прямых и обратных проекций через иерархии. Поэтому предполагается, что эти корковые слои играют центральную роль в вычислении прогнозов и ошибок прогнозирования, причем основной единицей является корковая колонка . Распространенное мнение заключается в том, что

• Нейроны, отвечающие за обработку ошибок, расположены во 2-м и 3-м супрагранулярных слоях, поскольку эти нейроны демонстрируют редкую активность и, как правило, реагируют на неожиданные события.
• Нейроны, отвечающие за прогнозирование, расположены в глубоком слое 5, где многие нейроны демонстрируют плотную реакцию.
• Точное взвешивание может быть реализовано с помощью различных механизмов, таких как нейромодуляторы или дальние проекции из других областей мозга (например, таламуса ).

Однако до сих пор нет единого мнения о том, как мозг, скорее всего, реализует предиктивное кодирование. Некоторые теории, например, предполагают, что супрагранулярные слои содержат не только нейроны ошибок, но и нейроны предсказаний. Также до сих пор ведутся споры о том, посредством каких механизмов нейроны ошибок могут вычислять ошибку предсказания. Поскольку ошибки предсказания могут быть как отрицательными, так и положительными, а биологические нейроны могут проявлять только положительную активность, требуются более сложные схемы кодирования ошибок. Чтобы обойти эту проблему, более поздние теории предполагают, что вычисление ошибок может происходить в нейронных дендритах . Нейронная архитектура и вычисления, предложенные в этих дендритных теориях, аналогичны тому, ч

Связь теории предиктивного мозга с интуицией

Связь теории предиктивного мозга с интуицией очень прямая:

Интуиция — это быстрое предсказание мозга, основанное на прошлом опыте, но без явного логического анализа.

То есть мозг не говорит тебе пошагово:

• 1. Я видел похожую ситуацию раньше
• 2. Там была опасность
• 3. Сейчас есть похожие признаки
• 4. Значит, лучше насторожиться

Он сразу выдает ощущение:

• "что-то не так"
• "лучше не соглашаться"
• "кажется, этот человек врет"
• "я чувствую, что это правильное решение"

Как работает интуиция с точки зрения теории предиктивного мозга

С точки зрения предиктивного мозга:

Опыт и память
↓
Внутренняя модель мира
↓
Быстрое предсказание
↓
Телесное ощущение / эмоциональный сигнал
↓
Интуитивное решение

Например, опытный врач может быстро заметить, что пациент выглядит “не так”, еще до точного анализа симптомов. Его мозг сравнивает текущую картину с тысячами прошлых случаев.

Или опытный программист смотрит на код и сразу чувствует:

"тут, скорее всего, баг"

Хотя еще не может сразу объяснить, где именно.

Интуиция — это не магия

Интуиция часто выглядит как “шестое чувство”, но в этой модели она скорее является результатом скрытой обработки:

Мозг заметил паттерн
↓
Не вывел его в сознание словами
↓
Но выдал прогноз через ощущение

То есть интуиция — это сжатый вывод мозга.

Почему интуиция иногда работает хорошо

Она хорошо работает там, где у человека есть большой опыт:

• шахматист → видит сильный ход
• врач → замечает опасный симптом
• дизайнер → чувствует плохую композицию
• программист → подозревает архитектурную ошибку
• водитель → заранее чувствует риск на дороге

В этих случаях мозг уже накопил много моделей и быстро предсказывает развитие ситуации.

Почему интуиция может ошибаться

Проблема в том, что мозг предсказывает не “истину”, а наиболее вероятное по прошлому опыту.

Если опыт был неполным, травматичным, устаревшим или искаженным, интуиция может обманывать.

Прошлый негативный опыт
↓
Сильное ожидание угрозы
↓
Нейтральная ситуация кажется опасной

Например:

Человек однажды плохо выступил публично
↓
Мозг предсказывает: "выступление = опасность"
↓
Возникает тревога
↓
Хотя реальной угрозы может не быть

Интуиция и ошибка предсказания

Интуиция может быть сигналом, что мозг заметил несовпадение:

Ожидание:
"все должно быть нормально"

↓

Реальность:
"есть маленькая странность"

↓

Ошибка предсказания:
"что-то не сходится"

↓

Интуитивное ощущение:
"что-то не так"

Например, ты читаешь сообщение и чувствуешь, что оно странное. Возможно, мозг заметил необычный тон, нехарактерные слова, время отправки или детали, которые сознание еще не сформулировало.

Короткая формула

Интуиция = быстрое предсказание + прошлый опыт + слабый сознательный контроль

Или еще проще:

Интуиция — это когда мозг уже сделал прогноз, но еще не объяснил тебе, почему.

Интуицию полезно слушать, но не всегда ей слепо доверять.

Лучший вариант:

Интуиция дает сигнал
↓
Логика проверяет сигнал
↓
Решение становится надежнее

То есть интуиция — хороший “радар”, но плохой единственный судья.

Прогнозирующее кодирование тесно связано с Байесовскими подходами к функционированию мозга. Эти подходы основываются на теореме Байеса, которая позволяет обновлять вероятность гипотезы на основе новых данных. Теорема Байеса выражается следующим образом:

${\displaystyle P(H|E)=\frac{P(E|H)\cdot P(H)}{P(E)}}$

где:

• ${\displaystyle }$
  — апостериорная вероятность гипотезы ${\displaystyle H}$ после получения данных ${\displaystyle E}$,
• ${\displaystyle P(E|H)}$ — вероятность наблюдения ${\displaystyle E}$ при условии истинности гипотезы ${\displaystyle H}$,
• ${\displaystyle P(H)}$ — априорная вероятность гипотезы ${\displaystyle H}$,
• ${\displaystyle P(E)}$ — общая вероятность наблюдения ${\displaystyle E}$.

В конце 1990-х годов Раджеш Рао и Дана Баллард воплотили идею обработки данных сверху вниз и снизу вверх в вычислительную модель зрения. Об этом говорит сайт https://intellect.icu . Их статья продемонстрировала, что может существовать генеративная модель сцены (нисходящая обработка), которая получает обратную связь через сигналы ошибок. Это приводит к обновлению прогноза, что помогает мозгу более точно предсказывать сенсорный ввод.

В 2004 году Рик Груш предложил модель нейронной перцептивной обработки, согласно которой мозг постоянно генерирует предсказания на основе генеративной модели (которую Груш назвал "эмулятором") и сравнивает это предсказание с фактическим сенсорным вводом. Затем разница, или "сенсорный остаток", будет использована для обновления модели, чтобы получить более точную оценку воспринимаемой области. По мнению Груша, сигналы "сверху вниз" и "снизу вверх" будут объединены таким образом, чтобы учитывать ожидаемый шум (он же неопределенность) в восходящем сигнале, так что в ситуациях, когда известно, что сенсорный сигнал менее надежен, нисходящий прогноз будет иметь больший вес, и наоборот.

Прогностическое кодирование изначально разрабатывалось как модель сенсорной системы, в которой мозг решает проблему моделирования отдаленных причин сенсорного ввода с помощью байесовского вывода. Предполагается, что мозг поддерживает активную внутреннюю репрезентацию отдаленных причин, которые позволяют ему прогнозировать сенсорные сигналы. Сравнение прогнозов и сенсорных сигналов позволяет измерить разницу (например, ошибку прогнозирования), которая при значительном превышении ожидаемого статистического шума приводит к обновлению внутренней модели для лучшего предсказания в будущем.

Если модель точно предсказывает сенсорные сигналы, активность на более высоких уровнях нейтрализует активность на более низких уровнях, и внутренняя модель остается неизменной. Таким образом, прогностическое кодирование переворачивает традиционный взгляд на восприятие как на процесс, направленный снизу вверх, предполагая, что восприятие во многом ограничивается предыдущими предсказаниями.

Ошибки прогнозирования могут использоваться как для определения отдаленных причин, так и для их изучения посредством нейронной пластичности. Эта идея также присутствует в других теориях нейронного обучения, таких как разреженное кодирование.

Предиктивное кодирование первоначально было разработано как модель сенсорной системы , где мозг решает проблему моделирования дистальных причин сенсорного ввода с помощью варианта байесовского вывода . Оно предполагает, что мозг поддерживает активные внутренние представления дистальных причин, которые позволяют ему предсказывать сенсорные входы. Сравнение между предсказаниями и сенсорным вводом дает меру разницы (например, ошибка предсказания, свободная энергия или неожиданность), которая, если она достаточно велика, превышая уровни ожидаемого статистического шума, приведет к обновлению внутренней модели таким образом, чтобы она лучше предсказывала сенсорный ввод в будущем.

Концептуальная схема предиктивного кодирования с 2 уровнями.

Если же модель точно предсказывает управляющие сенсорные сигналы, активность на более высоких уровнях компенсирует активность на более низких уровнях, и внутренняя модель остается неизменной. Таким образом, предиктивное кодирование переворачивает традиционное представление о восприятии как о процессе, в основном идущем снизу вверх, предполагая, что оно в значительной степени ограничено априорными предсказаниями, где сигналы из внешнего мира формируют восприятие только в той степени, в которой они распространяются вверх по кортикальной иерархии в виде ошибки предсказания.

Ошибки прогнозирования могут использоваться не только для вывода дистальных причин, но и для их изучения посредством нейронной пластичности . Здесь идея заключается в том, что представления, усвоенные кортикальными нейронами, отражают статистические закономерности в сенсорных данных. Эта идея также присутствует во многих других теориях нейронного обучения, таких как разреженное кодирование , с центральным отличием в том, что в предиктивном кодировании изучаются не только связи с сенсорными входами (т.е. рецептивное поле ), но и нисходящие предиктивные связи от представлений более высокого уровня. Это делает предиктивное кодирование похожим на некоторые другие модели иерархического обучения, такие как машины Гельмгольца и глубокие сети доверия , которые, однако, используют разные алгоритмы обучения. Таким образом, двойное использование ошибок прогнозирования как для вывода, так и для обучения является одной из определяющих особенностей предиктивного кодирования.

Точность поступающего сенсорного ввода — это его предсказуемость на основе шума сигнала и других факторов. Оценки точности имеют решающее значение для эффективного минимизирования ошибки прогнозирования, поскольку позволяют взвешивать сенсорные входы и прогнозы в соответствии с их надежностью. Например, шум в визуальном сигнале меняется между рассветом и закатом, так что ошибкам сенсорного прогнозирования присваивается большая условная уверенность при ярком дневном свете, чем при наступлении темноты. Аналогичные подходы успешно используются в других алгоритмах, выполняющих байесовский вывод , например, для байесовской фильтрации в фильтре Калмана .

Также было высказано предположение, что такое взвешивание ошибок прогнозирования пропорционально их предполагаемой точности, по сути, является вниманием , и что процесс уделения внимания может быть нейробиологически осуществлен восходящими ретикулярными активирующими системами (АРС), оптимизирующими «усиление» единиц ошибки прогнозирования. Однако также утверждалось, что взвешивание точности может объяснить только «эндогенное пространственное внимание», но не другие формы внимания .

Тот же принцип минимизации ошибки прогнозирования был использован для объяснения поведения, в котором двигательные действия являются не командами, а нисходящими проприоцептивными прогнозами. В этой схеме активного вывода классические рефлекторные дуги координируются таким образом, чтобы избирательно получать сенсорный вход таким образом, чтобы лучше выполнять прогнозы, тем самым минимизируя ошибки проприоцептивного прогнозирования. Действительно, Адамс и др. (2013) рассматривают данные, свидетельствующие о том, что этот взгляд на иерархическое предиктивное кодирование в двигательной системе обеспечивает принципиальную и нейрологически правдоподобную основу для объяснения агранулярной организации двигательной коры. Этот взгляд предполагает, что «перцептивную и двигательную системы следует рассматривать не как отдельные, а как единую машину активного вывода, которая пытается предсказать свой сенсорный вход во всех областях: зрительной, слуховой, соматосенсорной, интероцептивной и, в случае двигательной системы, проприоцептивной».

Двойственная теория автоматических и сознательных когнитивных процессов закладывает основу для понимания работы человеческого разума в психологии . Идеи, связанные с двойной теорией, восходят к работе Уильяма Джеймса 1890 года, который различал привычные процессы, основанные на автоматических ассоциациях, сформированных на основе опыта, и произвольные процессы, включающие более трудоемкое, сознательное рассуждение. Это отражает более иерархическое и сознательное рассуждение, представляющее собой более волевой процесс. Эти первоначальные концепции автоматических и произвольных когнитивных процессов соотносятся с современной двойной теорией, разработанной многими психологами .

Некоторые исследователи проводят параллели между теориями двойного процесса и предиктивным кодированием. В этой точке зрения автоматическая обработка (часто называемая «системой 1») сравнивается с первоначальной обработкой сенсорной информации, тогда как целенаправленная обработка («система 2») сравнивается с активным поддержанием внутренних представлений и сравнением этих представлений с сенсорным входом. В частности, как отмечает Джонатан Эванс , система 2 теории двойного процесса, которая характеризуется рефлексивным процессом, позволяющим человеку преодолеть интуитивный процесс (т.е. первоначальное восприятие входных данных), тесно связана с вычислением ошибки прогнозирования (т.е. расхождения между ожидаемым значением и фактическим результатом). Хотя процесс активного поддержания внутреннего представления, постоянный мониторинг конфликта между новым опытом и внутренним представлением, а также смещение апостериорного значения (т.е. обновленное убеждение после объединения предыдущего убеждения и фактических данных) не выделяются однозначно в модели двойного процесса, общий механизм, требующий более целенаправленного и требующего усилий когнитивного процесса, описывается Системой 2.

В области когнитивной психологии и философии представление относится к ментальному кодированию внешних стимулов. В частности, оно определяется как гипотетический внутренний когнитивный символ, представляющий внешнюю реальность или ее абстракции (подробнее о представлении см. раздел « Ментальное представление »). В области философии ментальное представление рассматривается как посредник между реальным миром и наблюдателем (подробнее см. раздел «Философия сознания» ). В области когнитивной психологии предпринимались попытки проверить эту концепцию с помощью методов нейровизуализации, наиболее распространенным из которых является функциональная магнитно-резонансная томография (фМРТ). Этот метод включает в себя изучение активности мозга человека в ответ на внешние стимулы (например, показ картинки) .

В вычислительной нейробиологии модели активного предиктивного кодирования обычно включают представления визуальных стимулов, а также представления целенаправленного поведения. Эти представления взаимодействуют, чтобы адаптироваться к новым концепциям и усвоить их . В некоторых работах предпринимались попытки связать результаты исследований в нейробиологии и когнитивной психологии, изучая, как ошибки прогнозирования изменяются со временем. Изменения в ошибке прогнозирования интерпретировались как свидетельство того, что внутренние представления постоянно корректируются в ответ на новый сенсорный ввод, чтобы лучше соответствовать событиям во внешнем мире.

Точность сенсорных сигналов определяется их предсказуемостью, основанной на шуме сигнала и других факторах. Оценка точности позволяет эффективно минимизировать ошибки прогнозирования, взвешивая сенсорные сигналы и прогнозы в соответствии с их надежностью. Например, уровень шума в визуальном сигнале меняется между рассветом и сумерками, поэтому сенсорным ошибкам при дневном свете придается большее значение, чем в темноте.

Принцип минимизации ошибок прогнозирования также применяется к поведению. В этой схеме активного вывода двигательные действия представляют собой нисходящие проприоцептивные предсказания. Действия корректируются таким образом, чтобы сенсорная информация соответствовала этим предсказаниям, минимизируя ошибки проприоцептивного прогнозирования.

Гипотеза предсказательного кодирования привлекает внимание своей высокой объяснительной силой. Она объединяет восприятие и моторный контроль как части единого вычислительного процесса. В обоих случаях мозг минимизирует ошибки прогнозирования, но делает это разными способами. В восприятии корректируется внутренняя модель, а в моторном контроле — реальная среда.

Эксперименты в области управления восприятием и моторикой дают убедительные доказательства гипотезы предсказательного кодирования. Например, в исследовании, опубликованном в журнале Neuroscience , испытуемые прочитали слово «kick» («удар») на экране, а затем услышали искаженную запись слова «pick» («выбери»), звучащую как громкий шепот. Многие участники все равно слышали «kick», а МРТ-сканирование показало, что мозг наибольшее внимание уделял начальным звукам «k» и «p», что было связано с ошибкой прогнозирования. Если бы мозг просто воспринимал слова, то наибольший сигнал должен был бы быть связан с «pick», так как это слово было представлено как на экране, так и в аудио.

Исследования продолжают развивать теорию предсказательного кодирования за пределы восприятия и движения. Например, Карл Фристон утверждает, что эта гипотеза может объяснить высшие когнитивные процессы, включая внимание и принятие решений. Недавние вычислительные работы над префронтальной корой головного мозга включают предсказательное кодирование в такие процессы, как рабочая память и целенаправленное поведение. Также недавнее исследование показало, что перегрузка рабочей памяти может нарушить синхронизацию работы мозга, что подтверждает важность прогностического кодирования в поддержании когнитивных функций .

Некоторые ученые предполагают, что эмоции и настроения могут быть объяснены через предсказательное кодирование: эмоции могут быть состояниями, которые мозг генерирует для минимизации ошибки прогнозирования внутренних сигналов, таких как температура тела, частота сердечных сокращений или кровяное давление. Например, если мозг распознает возбуждение, он понимает, что все эти факторы начинают увеличиваться, что может привести к повышению давления.

Большая часть исследований в этой области сосредоточена на том, как предсказательное кодирование может объяснить психоневрологические расстройства и нарушения развития. Как отметил Карл Фристон: «Если мозг — это машина для вывода, орган статистики, то, когда что-то идет не так, он совершит те же ошибки, что и статистик: будет делать неправильные выводы, уделяя слишком много или слишком мало внимания либо прогнозам, либо ошибкам в прогнозах».

Аутизм, например, может быть связан с неспособностью игнорировать ошибки прогнозирования, возникающие на самых низких уровнях обработки сенсорных сигналов. Это может привести к проблемам с восприятием ощущений, потребности в повторении и предсказуемости, а также чувствительности к определенным иллюзиям и эффектам. В противоположность этому, в случаях, связанных с галлюцинациями, таких как шизофрения, мозг может уделять слишком много внимания собственным прогнозам о происходящем и игнорировать сенсорную информацию, которая им противоречит. Однако ученые предупреждают, что аутизм и шизофрения слишком сложны, чтобы их можно было объяснить одной теорией. Недавние исследования, опубликованные в *Nature*, подтверждают, что предсказательное кодирование также может быть использовано для объяснения нейробиологических основ психоневрологических расстройств, таких как шизофрения .

В лабораторных экспериментах, проведенных Корлеттом, было показано, что можно создать новые «убеждения» у здоровых испытуемых, которые побуждают их «галлюцинировать» стимулы, которые они ранее воспринимали. Например, в одном из экспериментов участники ассоциировали тон с визуальным рисунком, и они продолжали слышать этот тон, даже когда звука не было.

Ученые продолжают исследовать, как эти убеждения могут влиять на восприятие, что дает новые доказательства того, что восприятие и познание не так сильно разделены, как предполагалось ранее. Новые убеждения могут изменить то, как вы воспринимаете мир, но эти доказательства пока еще не достаточно убедительны.

Электроэнцефалография (ЭЭГ) и исследования вызванных потенциалов (ВП) широко используются для изучения предиктивного кодирования у людей. В рамках этой концепции компоненты ВП часто интерпретируются как нейронные маркеры сигналов об ошибке прогнозирования, генерируемые, когда сенсорный вход отличается от ожидаемого. Например, негативность несоответствия (MMN) , вызываемая неожиданными звуками, отражает автоматическое обнаружение нарушений прогнозирования и адаптируется с обучением и вниманием. Компоненты, связанные с мониторингом производительности, такие как негативность, связанная с ошибкой (ERN/Ne), и позитивность ошибки, были связаны с несоответствием между внутренним представлением правильного ответа и фактическим ответом . Более поздние компоненты, такие как P300 и негативность, связанная с обратной связью (FRN), были связаны с обновлением когнитивных моделей или моделей вознаграждения более высокого порядка. Полученные результаты интерпретируются как соответствующие моделям предиктивного кодирования, в которых обработка информации организована иерархически, от ранних перцептивных несоответствий до более абстрактных корректировок убеждений.

Несмотря на эти данные, установление уникальной связи между компонентами ЭВП и ошибками прогнозирования остается сложной задачей. ЭВП представляют собой совокупную нейронную активность из перекрывающихся источников, и на их амплитуду влияют многочисленные когнитивные процессы, такие как внимание, новизна и значимость стимулов, эффекты обучения и привыкание к стимулам. Например, амплитуда P300 часто отражает общее обновление или возбуждение. Парадигмы ЭЭГ и ЭВП предоставили важные доказательства предсказательной обработки, хотя альтернативные объяснения остаются. Тем не менее, для различения подлинных сигналов ошибок прогнозирования от более широких когнитивных или перцептивных влияний необходимы тщательный экспериментальный дизайн и анализ на основе моделей.

Одной из главных проблем при тестировании прогнозирующего кодирования является неточность в понимании процесса минимизации ошибок прогнозирования. Важно определить, что именно представляет собой сигнал ошибки и как он вычисляется на каждом уровне обработки информации.

Будущие исследования могут сосредоточиться на выявлении нейрофизиологических механизмов прогнозирующего кодирования и создании более точных вычислительных моделей.

Несмотря на широкую популярность, теория прогнозирующего кодирования сталкивается с рядом критических замечаний. Одной из основных проблем является то, что экспериментальные результаты часто подтверждают прогнозирующую обработку, но не всегда являются ее уникальным объяснением. Некоторые ученые утверждают, что другие теории также могут интерпретировать эти результаты.

Как отмечает нейробиолог Георг Келлер из Института биомедицинских исследований имени Фридриха Мишера в Швейцарии:

«Теория широко признана в научных кругах, но в области системной нейробиологии она все еще немного не признана».

Георг Келлер и его коллеги провели исследование, опубликованное в журнале Neuron , в котором наблюдали за поведением нейронов у мышей в необычных условиях. Исследователи случайно перевернули направления виртуального мира при обучении мышей видеоигре. В результате они обнаружили, что по мере адаптации мышей к измененным правилам сигналы в мозге менялись медленно. Если бы нейронные сигналы были простыми сенсорными представлениями, они бы немедленно подстроились под новую виртуальную среду. Это открытие говорит о том, что нейроны участвуют в предсказании визуального потока на основе движений:

«Речь идет о предсказании визуального потока при заданном движении», — заявил Энди Кларк.

Исследования, проведенные на макаках, также предоставляют доказательства в пользу прогнозирующего кодирования. Нейроны в более низких отделах обработки лиц кодируют детали, связанные с ориентацией лица, тогда как нейроны в более высоких уровнях представляют абстрактные особенности, такие как личность. В эксперименте, когда ожидания макак о последовательности лиц были нарушены, ошибки прогнозирования проявились на низших уровнях обработки:

«Было интересно находить ошибки в предсказаниях и конкретное содержание предсказаний в этой системе», — сказал ведущий автор исследования Каспар Швидрзик из Европейского института нейробиологии в Геттингене, Германия.

Однако критики утверждают, что эти результаты подтверждают лишь совместимость прогнозирующего кодирования с наблюдаемыми данными, но не обязательно доказывают его исключительность. Альтернативные механизмы обработки информации также могут объяснять некоторые из этих эффектов.

Исследователь Лючия Меллони из Института эмпирической эстетики Макса Планка во Франкфурте отмечает, что ее группа обнаруживает данные у людей, которые также могут быть интерпретированы как ошибки прогнозирования:

«Мы начинаем видеть результаты, совместимые с объяснением ошибки прогнозирования в нейронных данных».

Таким образом, хотя прогнозирующее кодирование остается одной из ведущих теорий нейробиологии восприятия, оно продолжает требовать дальнейших экспериментальных доказательств и сравнений с альтернативными подходами.