Нашел неплохой текст о будоражащей умы многих учёных и философов идее, что мозг – это такая сложная статистическая машина, беспрерывно создающая предсказания и гипотезы, что дальше будет и через эти же гипотезы, воспринимающая мир. Кто-то ёмко сформулировал этот принцип в отношении перцептивного опыта: "всё, что мы видим, слышим, чувствуем – что-то вроде очень сложной и управляемой галлюцинации".
Собственно, полезность предиктив кодинга (так это называется) в объяснении механизмов работы человеческого и не только восприятия, а также в понимании так называемой системы вознаграждения уже очевидна. Но многие учёные утверждают, что предиктив кодинг – священный грааль, единая теория всего, что делает мозг и чем он является. Через эта гипотезу пытаются, нередко неплохо, смоделировать работу памяти, когнитивных функций, эмоций, сознания, самосознания и так далее. Но всё это пока спорно, хоть и очень интересно.
Если сильно обобщать, то мозг выстраивает внутреннюю модель мира, на основе которой предсказывает, что произойдет в будущем. Это касается, как элементарных событий, вроде движения руки, так и более масштабных. Интернальная модель определяет, как сенсорный опыт и не только будет закодирован и достроен. То есть что и как мы сможем разобрать в хаотичных и наполненных помехами сигналах из реальности, а также что будет там, где есть белые пятна. Но это только половина. Интернальная модель постоянно меняет себя под влиянием низкоуровневой информации – когда, к примеру, произошла ошибка в ожиданиях. В результате весь процесс – это множество петель обратной связи, что упрощенно показано на картинке внизу.
Интересно, что часть специалистов по разработке искусственного интеллекта применяют предиктив кодинг для создания самообучающийся алгоритмов. Некоторые из них при этом говорят, что их вдохновили теории из нейронауки. Пример из статьи: компания DeepMind недавно создала GQN – это искусственная нейросеть, которая по двухмерному изображению может построить верную трехмерную модель. То есть она как бы домысливает пространство, полагаясь на свою интернальную модель, которая говорит, как должно быть. Ну и по пути учится, как минимизировать расхождения в ожиданиях и реальности.