流向的反轉

目前來看，感知的大腦的核心工作原理與智能相機觀點基本相反。大腦并非不斷耗費大量能量來處理傳入的感覺信號，其主要工作其實是學習和維系一種關于身體和世界的模型，這種模型無時無刻不被用于嘗試預測感覺信號。這些預測有助于構建我們看到、聽到、觸及和感受到的一切。當我早上聽到并不存在的鳥鳴聲時，它們正在工作。當我感受到不在我口袋里的手機振動幻覺時，它們也在工作。但我們將會發現，當我聽到真實的鳥鳴聲，感受到真實的手機振動，以及看到散落在我大學辦公室桌面上的各式物品時，它們也在發揮作用。

預測性大腦是對我們周圍世界的一種不斷運行的模擬——或者至少是對我們很重要的部分世界的模擬。傳入的感覺信息被用于保持模型的真實性——比較預測與感官證據，并在兩者不匹配時生成誤差信號。盡管這種連接方式帶來了高昂的成本，但我們很快將看到不斷的預測提高了效能。或許更重要的是，它還使我們能夠靈活地以反映當前任務和環境要求的方式調整我們的反應。與從一連串感官線索中穩定提取豐富的世界圖像不同，豐富且不斷演變的世界圖像只是起點，而感覺信息被用于測試、探測和微調該圖像。在接收新的感覺信號之前，預測性大腦已經在忙著描繪事物最可能呈現的樣子了。

這大體上解釋了所有下行連接的必要性。它們承載著來自大腦深處的預測，將預測推向感官外圍。這也解釋了僅用于維持大腦內在活動的巨大能耗，這些活動是為了維持即時預測的模型而必不可少的。當大腦接收新的感覺信息時，其任務就是確定該傳入信號中是否有任何內容看起來像是重要的“新異信息”，即對我們嘗試看到或做的任何事情都很重要，卻又未被預測的感覺信息。越來越多的學者已開始相信，這正是我們的大腦處理感覺信息的主要方式。為了檢驗這一假設，過去10到15年間，計算神經科學和認知神經科學領域涌現了大量研究，現有理論已經能詳細且可驗證地解釋這一過程，讓我們得以理解溫斯頓所說的“奇怪架構”了。[8]這些理論有各種稱謂，包括“預測處理”“分層預測編碼”“主動推理”。我將主要使用“預測處理”這個便捷的標簽來概括它們。

根據這種觀點，感知的智能相機模型其實大謬不然。盡管它直觀上很有吸引力，但對感知的正確解釋（在大多數情況下）不應是一個主要從眼睛和其他感官向內運行的過程，大腦也永遠不只是在那里耐心等待感覺信息的到來。[9]相反，它積極地預測感覺信息，運用它對世界中的圖案和物體的所有了解——鳥兒的嘰喳聲（以及我愛人設定的晨起鬧鈴）、太過頻繁的手機振動干擾以及我辦公桌上各式物品的擺放。它還不斷利用活動的身體，轉動頭部、眼球和肢體來獲得新的、更好的信息。這樣的大腦不是感覺信息的被動接收者和處理者，而是一個不知疲倦的預測者（而且我們稍后將看到，它還是一個熟練且主動的詢問者），它基于自身的感覺信號流進行預測。