Comments 3
Теория прогностического кодирования (Predictive Coding, PC), популяризированная Карлом Фристоном, долгое время считалась «единой теорией поля» для нейронауки. Однако к 2026 году накопился значительный массив критических данных, указывающих на её концептуальные и эмпирические изъяны.
1. Проблема «темной комнаты» (The Dark Room Problem)
Фундаментальный постулат теории гласит, что мозг стремится минимизировать ошибку предсказания (сюрприз). Критики указывают на логический тупик: если бы это было правдой, идеальным состоянием для любого организма была бы темная звуконепроницаемая комната, где стимулы отсутствуют и ошибка предсказания равна нулю. В реальности живые существа активно ищут новизну и сложность, что противоречит чистой минимизации энтропии.
2. Игнорирование биологического разнообразия
Теория PC часто рассматривает мозг как гомогенную иерархическую сеть. Однако современные исследования Института Аллена показывают, что разные области коры имеют принципиально разную цитоархитектонику. Далеко не во всех слоях коры обнаружены «нейроны ошибки», предсказанные моделью. Многие нейрональные ответы лучше объясняются классической передачей сигналов «снизу вверх» (feedforward), а не постоянным сравнением с ожиданиями.
3. Вычислительная избыточность
Математически PC требует колоссальных вычислительных ресурсов для поддержания и обновления моделей реальности на каждом уровне иерархии. Оппоненты теории утверждают, что эволюция вряд ли пошла бы по пути столь энергозатратного процесса, когда простые эвристики и прямая обработка сенсорных данных работают быстрее и эффективнее для выживания.
4. Фальсифицируемость
Главная философская претензия к прогностическому кодированию — его чрезмерная гибкость. Теорию часто критикуют за то, что любое поведение можно подогнать под «минимизацию ошибки», просто изменив параметры априорных ожиданий (priors). Если теорию невозможно опровергнуть экспериментом, она переходит из разряда научных в разряд метафизических.
5. Феномен внимания
В рамках PC внимание трактуется как «увеличение веса (точности) ошибки предсказания». Однако нейрофизиологические данные 2024–2025 годов указывают на то, что внимание может работать независимо от предсказаний, усиливая сигналы, которые вообще не были ожидаемы и не вписываются в иерархическую модель.
Резюме
К 2026 году научное сообщество склоняется что Прогностическое кодирование признает важным механизмом для коррекции ошибок, но не единственным принципом работы мозга.
На самом деле Predict Coding в FEP правильное, но вот интерпретация не верная. FEP это концепция.
Как раз на днях опубликовал статью об этом. (Только vpn включить чтоб картинки грузились)
https://telegra.ph/Simmetriya-v-rangovoj-teorii-12-18
https://telegra.ph/Simmetriya-v-rangovoj-teorii-chast-2-12-21
https://telegra.ph/Simmetriya-v-rangovoj-teorii-chast-3-12-24
Сначала доказал теоремы, где в итоге выводится формула predict coding. Так вот, ошибка Predict Coding в FEP в том, что там она интерпретирует как ошибка. Это в корне не верно. Сама формула правильная в FEP. Predict coding это контекст, он вызван тем, что системе приходиться балансировать и решать проблему неопределенности. Например, у нас есть текст: Маша мыла - предсказали "раму". Но на самом деле мы предсказали распределение, а не конкретно "раму".
Пусть входной сигнал это распределение X. Тогда H (Predict Coding) = X - Y это распределение. Так вот, на следующем шаге X = X*H. В данном случае H это множество других вероятностей, которые могут привести к альтернативным маршрутам, которые могут быть более устойчивыми чем предсказанный Y. Поэтому входной сигнал усиливается, и альтернативный H сильный, то это переключает систему на другой альтернативный маршрут.
В данном случае, если маршрут Y сильнее, то он продолжается. Если H оказывает сильнее влияние, то происходит переключение на альтернативный маршрут, подобие "критического мышление" , точно ли "раму" или там важнее что "мыла утром".
Если же Y и H равны, это значит нет устойчивого маршрута, это аналог "не знаю". Так как ни один из вариантов не является устойчивым предсказанием.
Ну а сам predict coding, это следствие неопределенности. Он связан с тем, что есть ситуации, когда мы пытаемся предсказать следующий шаг, а условная вероятность соответствует сразу нескольким равнозначным вариантам.
То есть predict coding, это не минимизация свободной энергии. А механизм системы выхода из неопределенности и нахождения наиболее устойчивых цепей Маркова, то есть самого вероятного маршрута. Так как предсказание следующего токена не гарантирует, что этот маршрут (цепь Маркова) в целом более устойчивая/сильная.
Тут более понятно (там выложены сами теоремы, правда они опираются на другие): https://t.me/greenruff/2562
Но я могу ручаться что они правильные, так проверял их на практике.
В случае же классической интерпретации FEP predict coding это ошибка. Но это лишено смысла. Так как:
1) Predict coding (acc зона и слои 6 неокортекса) не вычитается в таламус, куда они идут, а модулируют входной сигнал, то есть умножаются, делая его слабее/сильнее.
2) Если мы считаем predict coding ошибкой и все таки вычитаем ее из входного сигнала, то ничего не будет. Модель и так предсказала сигнал, какой нам смысл вычитать из входного сигнала остаток. Это просто приведет к тому же устойчивому сигналу. Мы просто лишаем систему выбора альтернативы, говоря ей усилить текущий предсказанный маршрут, который она и так ранее уже предсказала. Считая, что остальной просто шум. Это лишено всякого смысла и не стыкуется с нейробиологией, если мы посмотрим куда идёт сигнал predict coding и как он влияет на входной сигнал.
Я в свое время рисовал маршрут рекуррентной петли. Он не совсем полный, но отражает смысл. На нем видно:
1) predict coding идёт в ассоциативные ядра таламуса и формирует альтернативный сигнал
2) predict coding модулирует сенсорный сигнал, а не вычитает. В FEP же если читать ее, predict coding это err. И затем X-err. Но мы такого в реальности не наблюдаем. А вот модуляция несёт совсем другой смысл.
Так здесь суть не в том, что: "вот, мы создали модель, которая как мозг", а в том, что при симуляции части процессов, да еще и на нейросети, которая создавалась из академического виденья, был открыт реальный механизм работы нейронных связей в мозге, да еще и при том, что этот механизм буквально никто не рассматривал как реально возможный
Видеть и лес, и деревья. Новая модель мозга, созданная на основе искусственного интеллекта, раскрывает природу обучения