Как мозг опережает реальность

Как мозг опережает реальность: Нейро-прогнозировнаие как средство выживания

К тому моменту, как вы прочитаете это предложение, оно уже станет прошлым.
Ваш мозг лжет вам — и эта ложь поддерживает вашу жизнь. Каждое ваше восприятие, каждое ваше движение, каждая интуиция, направляющая ваши решения, — это не реакция на реальность, а ее предсказание. Вы видите не настоящее. Вы видите лучшее предположение вашего мозга о том, каким должно быть настоящее.
Это не философия. Это физика.
Нейронные сигналы распространяются с конечной скоростью. К тому моменту, когда сенсорная информация достигает вашего сознания, мир уже изменился. Лягушка, ловящая муху, сокол, пикирующий со скоростью 300 километров в час, теннисист, отбивающий подачу — ни одно из этих действий не было бы возможно, если бы мозг просто реагировал на то, что он чувствует. Он должен предсказывать. Альтернативы нет.
Книга «Предсказание как выживание» раскрывает, почему предсказание — это не одна из многих когнитивных стратегий, а единственная архитектура, способная выдержать физические ограничения нашей Вселенной. Опираясь на нейробиологию, эволюционную биологию, физику и искусственный интеллект, Борис Кригер показывает, что от мельчайшего организма до самой большой языковой модели предсказание неизбежно — не потому, что его выбрали инженеры или эволюция, а потому, что ничто другое не работает.
Вы узнаете, почему ваш мозг создает галлюцинации, порождающие реальность, почему системы искусственного интеллекта «галлюцинируют» по той же фундаментальной причине, почему интуиция — это сжатое предсказание, и почему будущее — единственное место, где мы когда-либо жили.
Книга, которая изменит ваше понимание собственного разума.
Перевод с английского. Книга основывается на научной статье автора   The evolutionary inevitability of predictive processing: A physical constraint argument. Опубликованной на сайте репозитория Церн Zenodo.  https://doi.org/10.5281/zenodo.18444910
СОДЕРЖАНИЕ
ПРЕДИСЛОВИЕ: МОЗГ, ЗНАЮЩИЙ ЗАВТРАШНИЙ ДЕНЬ 5
ГЛАВА ПЕРВАЯ: ЖИЗНЬ В ПРОШЛОМ 19
ГЛАВА ВТОРАЯ: ВАЛЮТА ВЫЖИВАНИЯ 33
ГЛАВА ТРЕТЬЯ: ПРОБЛЕМА МАСШТАБА 45
ГЛАВА ЧЕТВЁРТАЯ: МАТЕМАТИКА ВЫЖИВАНИЯ 61
ГЛАВА ПЯТАЯ: ЧУВСТВА, ВЫХОДЯЩИЕ ЗА ПРЕДЕЛЫ ЗРЕНИЯ 86
ГЛАВА ШЕСТАЯ: НЕВОЗМОЖНОСТЬ ПАССИВНОГО ВОСПРИЯТИЯ 96
ГЛАВА СЕДЬМАЯ: МУДРОСТЬ КИШЕЧНИКА 107
ГЛАВА ВОСЬМАЯ: КОГДА МАШИНЫ УЧАТСЯ ПРЕДСКАЗЫВАТЬ 118
ГЛАВА ДЕВЯТЬ: КРИТИКИ И АЛЬТЕРНАТИВЫ 127
ГЛАВА ДЕСЯТАЯ: УНИВЕРСАЛЬНЫЙ ПРИНЦИП 137
ПОСЛЕСЛОВИЕ: КУДА НАС ПРИВЕДЕТ ПРЕДСКАЗАНИЕ 148
ГЛОССАРИЙ 172
ПРИЛОЖЕНИЕ: О СТАТЬЕ 205
ЭВОЛЮЦИОННАЯ НЕИЗБЕЖНОСТЬ ПРЕДИКТИВНОЙ ОБРАБОТКИ: АРГУМЕНТ ФИЗИЧЕСКОГО ОГРАНИЧЕНИЯ 221
ССЫЛКИ 278

ПРЕДИСЛОВИЕ: МОЗГ, ЗНАЮЩИЙ ЗАВТРАШНИЙ ДЕНЬ

В открытиях нейронауки последних десятилетий есть что-то почти сверхъестественное. Ваш мозг знает вещи еще до того, как они произойдут. Не в мистическом смысле ясновидения или предвидения, а в измеримом, воспроизводимом, научно подтвержденном смысле, который по-своему еще более удивителен.
Рассмотрим эксперименты. В лабораториях по всему миру исследователи задокументировали явления, которые, кажется, противоречат здравому смыслу. Когда вы тянетесь за чашкой, ваш мозг уже подготовился к весу и текстуре этой чашки еще до того, как ваши пальцы коснутся ее. Когда вы наблюдаете за мячом, летящим по воздуху, ваша зрительная система уже определила его местоположение раньше, чем это показывает свет, попадающий на сетчатку . Когда бейсболист бьет по быстрой подаче, двигательные команды покидают его мозг еще до того, как мяч пролетит половину пути до домашней базы.
Эффект задержки вспышки наглядно это демонстрирует. Если вы вспыхнете светом в тот самый момент, когда движущийся объект проходит фиксированную точку, вам покажется, что вспышка произошла позади движущегося объекта. Но это не так. Физически они были выровнены. Ваш мозг переместил объект вперед во времени, компенсируя задержки, которые вы никогда не испытываете сознательно. Вы воспринимаете движущийся объект там, где он будет , а не там, где он был .
Исследования в области управления двигательными функциями показывают, что мозг генерирует прогнозы сенсорной обратной связи еще до завершения движений. Дотроньтесь до носа с закрытыми глазами. Ваш мозг знал, где окажется ваш палец, еще до того, как он туда доберется. Он должен был это знать , потому что ожидание фактического сенсорного подтверждения сделало бы скоординированное движение невозможным.
Исследования восприятия речи показывают, что слушатели предсказывают следующие слова еще до того, как говорящий их произнесет. Мозговая активность, связанная с конкретными словами, появляется за сотни миллисекунд до того, как эти слова будут произнесены. Мы не просто слышим речь . Мы ее предвосхищаем.
Эксперты во всех областях, от шахматных гроссмейстеров до врачей скорой помощи, утверждают, что знают, что произойдет, еще до того, как это случится. Они не всегда могут объяснить, как это происходит. Знание приходит само собой, в полном объеме, зачастую еще до начала сознательного мышления. На протяжении веков это считалось интуицией, распознаванием образов или экспертными знаниями. Теперь мы понимаем это как предсказание, тот же вычислительный процесс, который позволяет поймать мяч, только в увеличенном масштабе и примененный к абстрактным областям.
Эти открытия указывают на радикальное переосмысление того, что делает мозг. Он не является пассивным регистратором реальности. Он — механизм прогнозирования, постоянно генерирующий ожидания относительно будущего и сравнивающий эти ожидания с поступающими данными. То, что мы воспринимаем как настоящий момент, на самом деле является прогнозом, наилучшей оценкой того, что происходит сейчас, основанной на информации о том, что произошло доли секунды назад.
Эта идея получила название: предиктивная обработка. И она стала одной из самых влиятельных концепций в когнитивной науке, нейробиологии и философии сознания. Но она также стала одной из самых противоречивых.

Расцвет предиктивной обработки данных

Истоки теории предиктивной обработки информации восходят к XIX веку, к Герману фон Гельмгольцу и его концепции бессознательного вывода. Гельмгольц осознал, что восприятие не может быть простой записью сенсорных данных. Информация, поступающая к нашим органам чувств, слишком неоднозначна, слишком неполна, слишком зашумлена. Восприятие должно включать в себя вывод, при котором мозг использует имеющиеся знания для интерпретации неопределенных данных.
Это открытие оставалось относительно в тени более века, сохраняясь в отдельных областях исследований, но так и не получив широкого признания. Доминирующая точка зрения в нейробиологии XX века основывалась на принципе опережающей обратной связи: информация поступает от органов чувств в мозг, обрабатывается на последовательных этапах и в конечном итоге приводит к восприятию и поведению. Мозг представлялся сложным устройством ввода-вывода, комплексным, но по своей сути реактивным.
Современное возрождение теории предиктивной обработки информации началось в 1990-х годах, когда такие исследователи, как Раджеш Рао и Дана Баллард, показали, что иерархическое предиктивное кодирование может объяснить загадочные особенности нейронных ответов в зрительной коре. Нейроны, которые, казалось, реагировали на визуальные признаки, на самом деле реагировали на ошибки предсказания, на разницу между тем, что мозг ожидал, и тем, что он получал.
В 2000-х и 2010-х годах эта концепция получила развитие благодаря теоретическим работам Карла Фристона о принципе свободной энергии, а также философам и когнитивным ученым, таким как Энди Кларк и Якоб Хоуи, которые разработали ее значение для понимания восприятия, действия и сознания. К середине 2010-х годов предиктивная обработка информации стала, пожалуй, доминирующей теоретической концепцией в когнитивной нейронауке.
Суть этой концепции обманчиво проста. Мозг, по сути, занимается предсказанием. Он поддерживает модель мира и использует эту модель для генерации предсказаний относительно поступающих сенсорных данных. Когда предсказания совпадают с реальностью, обработка информации происходит эффективно, а восприятие остается стабильным. Когда предсказания не сбиваются, возникают ошибки предсказания, и эти ошибки стимулируют обучение и адаптацию.
Эта простая идея обладает необычайной объяснительной силой. Она объясняет, почему знакомые стимулы обрабатываются быстрее, чем новые. Она объясняет, почему внимание в одних отношениях обостряет восприятие, а в других создает «слепые пятна». Она дает единое объяснение восприятия, действий, обучения и даже таких психических расстройств, как шизофрения и аутизм. Она органично связана с байесовскими теориями познания и с математикой теории информации.
Но вместе с влиянием пришла и критика, и со временем эта критика стала еще острее.

Критики наносят ответный удар

Наиболее существенная критика теории предиктивной обработки заключается в её неопровержимости. Критики утверждают, что эта модель настолько гибкая, что может вместить любое наблюдение. Когда ошибки прогнозирования велики, защитники могут заявить, что весовой коэффициент точности был низким. Когда ошибки малы, точность была высокой. Когда организмы активно ищут неожиданные события, как в случае любопытства и исследования, эта модель задействует эпистемические действия, которые уменьшают долгосрочную неопределенность. Критики утверждают, что любое явление можно вписать в модель предиктивной обработки.
Это серьёзное возражение. Теория, способная объяснить всё, не объясняет ничего. Если предиктивная обработка информации не может заранее определить, какие наблюдения её опровергнут, она рискует превратиться в систему без эмпирического содержания, в способ переописания результатов, а не их предсказания.
В связанных с этим критических замечаниях широта объяснительной способности этой концепции рассматривается скорее как недостаток, чем как преимущество. Предиктивная обработка данных применялась к восприятию, управлению моторикой, эмоциям, вниманию, сознанию, языку, социальному познанию, психическим расстройствам и многому другому. Некоторые критики утверждают, что эта универсальность вызывает подозрения. Как один механизм может делать так много? Возможно, эта концепция на самом деле представляет собой лишь расплывчатое утверждение о байесовском характере работы мозга, растянутое на слишком много областей.
Другие ставят под сомнение, действительно ли предиктивная обработка предлагает новые объяснения или же просто переименовывает существующие результаты. Утверждение о том, что мозг предсказывает сенсорную информацию, может звучать глубокомысленно, но действительно ли это отличается от утверждения о том, что мозг обрабатывает сенсорную информацию? Математика предиктивного кодирования хорошо определена, но концептуальная основа предсказания будущего может показаться почти тавтологической. Конечно, мозг предвидит будущее. Что еще он мог бы сделать?
Альтернативные концептуальные модели предлагают разные точки зрения. Экологическая психология, следуя за Джеймсом Гибсоном, утверждает, что восприятие является прямым, а не умозаключительным. Организмы улавливают информацию, уже структурированную окружающей средой, без необходимости во внутренних моделях. Энактивистские подходы подчеркивают роль действия и воплощения, утверждая, что познание нельзя свести к внутренней обработке. Модели восприятия с опережающей обратной связью показывают, что многое можно объяснить, вообще не прибегая к прогнозированию.
Дискуссия временами накалялась. Защитники предиктивной обработки информации обвиняют критиков в непонимании самой концепции. Критики же обвиняют защитников в изменении правил игры всякий раз, когда возникают возражения. В некоторых областях казалось, что все зашло в тупик, циркулируя по одним и тем же аргументам без разрешения.
До сих пор отсутствовал принципиальный ответ на фундаментальный вопрос: зачем нужно предсказание? Почему мозг должен работать именно так, а не как-то иначе? Что делает предсказание не просто возможной архитектурой, а необходимой?

Аргумент физического ограничения

Эта книга основана на статье, которая может изменить условия дискуссии. В начале 2026 года Борис Кригер опубликовал работу под названием «Эволюционная неизбежность предиктивной обработки: аргумент физических ограничений» (Kriger, B. (2026). The Evolutionary Inevitability of Predictive Processing: A Physical Constraint Argument. Zenodo . https://doi.org/10.5281/zenodo.18324374). В статье выдвигается поразительно простой аргумент: предиктивная обработка — это не просто одна из многих вычислительных стратегий. Это единственная масштабируемая и эволюционно стабильная архитектура для систем, работающих в условиях реалистичных физических ограничений.
Аргумент основан на физических фактах, которые никто не оспаривает. Нейронные сигналы распространяются с конечной скоростью, примерно сто метров в секунду максимум. Тела масштабируются геометрически, а это значит, что более крупные организмы сталкиваются с более длинными проводящими путями. Окружающая среда конкурентна и требует значительных временных затрат, что наказывает организмы, которые реагируют слишком медленно. Исчерпывающий анализ вычислительно невыполним, независимо от субстрата.
Исходя из этих предпосылок, Кригер делает поразительный вывод: любая система с конечной задержкой, работающая в неблагоприятных условиях, должна поддерживать внутренние состояния, кодирующие информацию о будущих состояниях окружающей среды. Системы, не обладающие этой способностью, сталкиваются с экспоненциально убывающей вероятностью выживания. В течение эволюционного времени вымирание для непредсказуемых архитектур неизбежно. Предсказание не является необязательным. Это единственное решение, которое выживает.
Это не спор о том, как мозг работает на практике. Это спор о том, как мозг должен работать, учитывая физику нейронной передачи и математику выживания. Он превращает предсказательную обработку информации из эмпирической основы в нечто, более близкое к теоретической необходимости.
В статье прямо рассматриваются критические замечания. Является ли предиктивная обработка неопровержимой? Аргумент о физических ограничениях в принципе фальсифицируем: продемонстрируйте систему, которая бесконечно долго существует в динамичной, суровой среде с нулевой предсказательной способностью. Опровергают ли альтернативные подходы, такие как экологическая психология, эту концепцию? Не совсем, потому что даже прямое восприятие сталкивается с проблемой задержки. Информация, которая доступна напрямую, все равно требует времени для распространения по нервной системе.
Возможно, самое важное в этом аргументе — это объяснение конвергенции, которая так долго озадачивала исследователей. Почему такие разные системы, от зрительной коры млекопитающих до систем эхолокации летучих мышей и больших языковых моделей искусственного интеллекта, используют предсказательные архитектуры? Потому что все они сталкиваются с одним и тем же фундаментальным ограничением. Физике всё равно, состоите ли вы из нейронов или кремния. Конечная задержка плюс конкурентное давление равны предсказанию.
Признавая потенциальную значимость статьи, она была направлена ведущим специалистам в данной области для получения отзывов и предложений о сотрудничестве. Исследователям, работающим в области предиктивного кодирования, экологической психологии, энактивизма и искусственного интеллекта, было предложено принять участие в обсуждении аргументации, проверить её предсказания и изучить её последствия. Наука развивается посредством диалога, и эта аргументация призывает к диалогу на самом фундаментальном уровне: не о том, предсказывают ли мозг, а о том, почему они должны это делать.

Что предлагает эта книга

Эта книга переводит техническую аргументацию Кригера в доступную форму. Она написана для читателей, которым любопытно, как работает их собственный разум, которые, возможно, сталкивались с популярными описаниями предиктивной обработки информации и задавались вопросом, что скрывается под поверхностью, которые хотят понять не только то, что открыла наука, но и почему эти открытия важны.
Наше путешествие проведет нас от фундаментальной физики нейронной передачи к архитектуре искусственного интеллекта. Мы исследуем, как проблема задержки проявляется по-разному для разных размеров тела, разных физических сред и разных сенсорных модальностей. Мы рассмотрим, как предсказание лежит в основе не только восприятия, но и интуиции, проницательности и, возможно, самого сознания. Мы столкнемся с философскими последствиями жизни в мозге, который воспринимает только собственные предсказания, никогда не воспринимая реальность напрямую.
Попутно мы будем честно взаимодействовать с критиками и альтернативными точками зрения. Наука — это не набор неоспоримых истин, а непрерывный спор. Аргумент о физических ограничениях не прекращает дискуссию; он переосмысливает её. Он смещает вопрос с того, предсказывает ли мозг, на то, почему предсказание неизбежно, с описания механизмов на понимание необходимости.
Мозг, знающий завтрашний день, не обладает сверхъестественными способностями. Он делает единственное, что ему позволяют делать законы физики. Понимание этого меняет всё в нашем представлении о восприятии, знаниях, интеллекте и о том, что значит быть разумом, ориентирующимся в неопределённом мире.
Как оказалось, будущее — это единственное место, где мы когда-либо жили.

ГЛАВА ПЕРВАЯ: ЖИЗНЬ В ПРОШЛОМ

Прямо сейчас, когда вы читаете эти слова, вы живёте в прошлом. Не в метафорическом, не в философском смысле, а в буквальном. Реальность, которую вы воспринимаете, мир, который, как вам кажется, вы видите вокруг себя, уже исчез к тому моменту, когда вы это осознаёте. Это не мистическое прозрение и не языковой трюк. Это физика.
Когда свет попадает на сетчатку, он запускает каскад электрохимических сигналов, которые должны пройти через зрительный нерв, достичь релейной станции глубоко в головном мозге, называемой латеральным коленчатым ядром, затем пройти через первичную зрительную кору в затылке и далее распространиться через множество областей обработки визуальной информации, прежде чем возникнет какое-либо сознательное восприятие. Этот путь занимает время. От пятидесяти до ста пятидесяти миллисекунд, в зависимости от того, на что вы смотрите и насколько сложна сцена . Добавьте время, необходимое вашему мозгу для принятия решения и отправки сигналов мышцам, и вы получите задержку в сотни миллисекунд.
Десятая доля секунды звучит незначительно. Но подумайте, что это значит. За эту долю секунды бейсбольный мяч, летящий со скоростью девяносто миль в час, преодолевает тринадцать футов. Змея, совершающая резкий рывок головой, поворачивает голову на несколько дюймов. Сокол, пикирующий со скоростью двести миль в час, пролетает почти тридцать футов. Взаимодействие хищника и жертвы, сформировавшее эволюцию каждой нервной системы на Земле, происходит в этом временном масштабе, где миллисекунды отделяют жизнь от смерти.
Проблема фундаментальна и неизбежна. Нервные сигналы распространяются не со скоростью света. Они распространяются со скоростью электрохимических процессов, по кабелям из белка и жира, питаемым потоком ионов натрия и калия через молекулярные каналы. Самые быстрые нейроны в вашем теле, те, которые заключены в жировую изолирующую оболочку, называемую миелином, проводят сигналы со скоростью примерно сто метров в секунду. Это звучит быстро, пока вы не поймете, что свет распространяется в три миллиона раз быстрее. Ваша нервная система работает в замедленном темпе по сравнению с физическим миром, в котором ей приходится ориентироваться.
Это создает то, что исследователи называют тиранией задержки. Каждая порция информации, которую получает ваш мозг, уже устаревает к моменту своего поступления. Каждое ощущение, которое вы испытываете, описывает мир, которого больше не существует. Вы постоянно отстаёте, постоянно реагируете на призраков.
Как же тогда поймать мяч? Увернуться от удара? Передвигаться по переполненному тротуару, не столкнувшись с другими пешеходами? Как вообще животное выживает в мире, где информация поступает слишком поздно, чтобы быть полезной?
Ответ кроется в предсказании. Ваш мозг не ждет, пока реальность наступит. Он опережает реальность, постоянно формируя ожидания относительно того, что произойдет дальше, сравнивая эти ожидания с поступающими сенсорными данными и обновляя свою модель мира на основе несоответствий. То, что вы воспринимаете как настоящий момент, на самом деле является предсказанием, наилучшей оценкой того, как выглядит мир прямо сейчас, основанной на информации, описывающей, как мир выглядел доли секунды назад.
Это не выбор. Это не когнитивный трюк и не удобный обходной путь. Это единственное возможное решение проблемы задержки. Любой мозг, который просто ждал бы поступления сенсорных данных, прежде чем принимать решение, был бы вытеснен мозгами, которые предвидели будущее. Эволюция не терпит задержек в условиях, где задержка означает смерть.
Чтобы понять, почему предсказание необходимо, нам нужно понять физические ограничения, которые делают его возможным. Нам нужно изучить, почему нейронные сигналы не могут распространяться быстрее, почему более крупные тела создают более крупные проблемы и почему решения, найденные эволюцией, говорят нам нечто глубокое о природе самого разума. Эта книга — исследование этой области, путешествие от физики нервных клеток к архитектуре сознания, от стратегий охоты доисторических хищников до внутренних механизмов искусственного интеллекта.
Основной тезис прост, но радикален: предсказательная обработка — это не просто один из способов работы мозга. Это единственный способ, которым мозг может работать, учитывая физические ограничения, в которых он функционирует. Любая система, сталкивающаяся с временными задержками в конкурентной среде, должна либо предсказывать, либо погибнуть. Это не биологическая случайность или эволюционная причуда. Это математическая необходимость.
Последствия распространяются во всех направлениях. Если восприятие — это предсказание, то то, что мы называем реальностью, на самом деле является контролируемой галлюцинацией, историей, которую наш мозг рассказывает нам о мире, к которому мы никогда не имеем прямого доступа. Если интуиция — это предсказание, то предчувствия и мгновенные суждения, которые направляют нашу жизнь, — это не таинственные шестые чувства, а продукт бессознательного статистического обучения. Если системы искусственного интеллекта сходятся к предсказательным архитектурам, возможно, они открывают одно и то же универсальное решение одной и той же универсальной проблемы.
Эта книга познакомит вас с доказательствами этих утверждений. Мы рассмотрим гонки вооружений в масштабе миллисекунд, которые формировали нервные системы на протяжении сотен миллионов лет. Мы изучим, как соотношение между размером тела и задержкой нейронной активности создает различные требования для разных существ. Мы рассмотрим, как различные среды обитания, от глубин океана до открытого неба, предъявляют разные требования к прогнозированию. Мы столкнемся с философскими загадками, которые возникают, когда мы серьезно относимся к прогнозированию: что значит воспринимать реальность, если все восприятие — это прогнозирование? Как мы можем доверять своему опыту, если наш мозг постоянно что-то выдумывает?
Мы также ответим скептикам. Предиктивная обработка информации подвергалась критике как неопровержимая и слишком гибкая, чтобы быть настоящей научной теорией. Альтернативные концепции, от экологической психологии до моделей реактивного управления, предлагают разные взгляды на то, как может работать разум. Мы честно обсудим эти критические замечания и покажем, как аргумент о физических ограничениях выдерживает их проверку.
Но сначала нам нужно понять врага. Нам нужно понять задержку, фундаментальное препятствие, которое эволюционировала система прогнозирования. И нам нужно понять, почему это препятствие нельзя просто устранить, создав более быстрые нейроны.
Скорость передачи нервных импульсов не случайна. Она вытекает из физических принципов работы нейронов. Потенциал действия, электрический импульс, передающий информацию по нервному волокну, не похож на ток, протекающий по медному проводу. Это волна молекулярной активности, цепная реакция, распространяющаяся вдоль аксона по мере последовательного открытия натриевых каналов, позволяющих заряженным частицам перемещаться через клеточную мембрану. Скорость этой волны зависит от нескольких факторов: диаметра аксона, наличия миелиновой оболочки, плотности и кинетики ионных каналов, а также температуры.
Эволюция довела все эти параметры до предела. Миелинизация, обволакивание аксонов жировой изоляцией, увеличивает скорость проведения примерно в сто раз. Она позволяет сигналам перескакивать от одного промежутка к другому вдоль волокна, а не распространяться непрерывно. Но для миелинизации необходимы специализированные клетки — олигодендроциты в головном мозге и клетки Шванна в периферической нервной системе, — которые должны формироваться и поддерживаться с метаболическими затратами. Не каждый аксон может позволить себе быть миелинизированным.
Увеличение диаметра аксона также увеличивает скорость, но эта зависимость является сублинейной. Удвоение диаметра не удваивает скорость; оно увеличивает скорость лишь примерно на сорок процентов. Чтобы удвоить скорость только за счет диаметра, необходимо увеличить площадь поперечного сечения аксона в четыре раза. Гигантские аксоны кальмаров, которые контролируют быструю реакцию избегания, позволяющую животному убегать от хищников, имеют диаметр почти миллиметр, что примерно в тысячу раз толще, чем у типичных аксонов млекопитающих. Даже эти биологические чудеса проводят сигналы со скоростью всего около двадцати пяти метров в секунду.
Кинетика ионных каналов накладывает еще одно ограничение. Белки, образующие затворы для ионов натрия и калия, должны изменять свою форму, чтобы открываться и закрываться. Эти конформационные изменения происходят со скоростью, определяемой биофизикой сворачивания белков, и эту скорость нельзя произвольно ускорить без ущерба для надежности канала. Нельзя просто создать более быстрый нейрон, ускорив движение молекул. Физические законы этого не позволяют.
Это означает, что скорость нервной проводимости имеет предел. Позвоночные достигли этого предела сотни миллионов лет назад. Миелинизированные аксоны млекопитающих развивают скорость, близкую к максимально возможной без фундаментальных изменений в химическом составе. И все же селективное давление, направленное на более быструю реакцию, никуда не исчезло. Хищники и жертвы продолжали свою гонку вооружений. Потребность в скорости оставалась.
Если невозможно ускорить аппаратное обеспечение, необходимо сделать программное обеспечение умнее. Если невозможно уменьшить задержку, необходимо предвидеть, что произойдет во время задержки. Если невозможно вовремя отреагировать, необходимо прогнозировать.
В этом и заключается ключевое понимание. Селективное давление, направленное на скорость, не исчезло, когда скорость нейронной проводимости достигла своего предела. Оно перенаправилось. Эволюция нашла другое решение, не аппаратное улучшение, а алгоритмическую инновацию. Вместо того чтобы обрабатывать информацию быстрее, мозг научился обрабатывать информацию раньше, начинать реагировать на события до того, как эти события полностью развернутся.
Подумайте, что для этого требуется. Чтобы предсказать будущее состояние мира, вам нужна информация о закономерностях, связывающих настоящее с будущим. Вам нужно каким-то образом понять, что определенные конфигурации сенсорного ввода надежно предшествуют определенным результатам. Вам нужны внутренние представления, которые кодируют не только то, что происходит сейчас , но и то, что, вероятно, произойдет дальше.
Вот что означает предсказание в техническом смысле. Система занимается предсказанием, если она поддерживает внутренние состояния, несущие информацию о состояниях мира, недоступных непосредственному наблюдению, и если эти внутренние состояния влияют на поведение системы. Предсказания не обязательно должны быть сознательными. Они не обязательно должны включать явное рассуждение или преднамеренное предвидение. Они должны лишь кодировать статистические закономерности, позволяющие системе адекватно реагировать на ситуации, которые еще не полностью проявились.
Согласно этому определению, предсказание присутствует повсюду в нервной системе. Зрительная кора предсказывает, где будут находиться движущиеся объекты. Мозжечок предсказывает, где будут находиться ваши конечности. Моторная система предсказывает сенсорные последствия ваших действий. Слуховая система предсказывает следующие ноты в мелодии. На каждом уровне, от самых низших сенсорных процессов до самых высших когнитивных функций, мозг — это машина предсказаний.
Это меняет все наши представления о восприятии. Классическая точка зрения, унаследованная от философов и подкрепленная ранней нейробиологией, утверждала, что восприятие по сути пассивно. Мир воздействует на наши органы чувств, а наш мозг создает представления о том, что нас окружает. Восприятие — это рецепция, точная запись внешней реальности.
Но пассивное восприятие не может существовать под тиранией задержки. Мозг, который просто ждет данных, всегда будет отставать. Мозг, который просто записывает поступившие данные, будет записывать только прошлое. Чтобы воспринимать настоящее, нужно его предсказывать.
То, что вы воспринимаете как своё видение мира, на самом деле является наилучшим предположением вашего мозга о том, как мир выглядит прямо сейчас, основанным на прогнозах, сформированных на основе прошлого опыта и обновляемых поступающими сенсорными данными. Восприятие — это не восприятие. Восприятие — это контролируемая галлюцинация.
;
ГЛАВА ВТОРАЯ: ВАЛЮТА ВЫЖИВАНИЯ

На протяжении миллиардов лет жизнь на Земле ведёт неустанную гонку вооружений. Хищники эволюционируют, чтобы ловить добычу. Добыча эволюционирует , чтобы спасаться от хищников. Эта древняя борьба сформировала тела и мозг каждого животного, когда-либо жившего на Земле, и главной валютой этой конкуренции является время.
Миллисекунды имеют значение. Хищник, нанесший удар на долю секунды быстрее, поймает свою добычу. Добыча, убежавшая на долю секунды раньше, выживет и сможет размножаться. За миллионы поколений это давление оптимизировало нервные системы для скорости с такой интенсивностью, которая не поддается простому пониманию.
Представьте себе скромную лягушку, неподвижно сидящую на кувшинке и ожидающую, пока муха пролетит в пределах досягаемости. Когда муха появляется, лягушка должна совершить точно рассчитанный по времени удар, выпустив язык именно в то место, где окажется муха в момент его появления. Муха же, тем временем, выработала невероятно быструю реакцию спасения. С момента обнаружения движения муха может начать полет за тридцать миллисекунд. Тридцать тысячных секунды. Время, которое требуется вам, чтобы моргнуть, по сравнению с этим кажется вечностью.
Удар языком лягушки — это то, что инженеры называют баллистическим ударом. После запуска его невозможно скорректировать. Лягушка выбирает траекторию, основываясь на своем прогнозе местоположения мухи, и если этот прогноз неверен, лягушка останется голодной. Вся система настроена с точностью до миллисекунды, потому что именно этого требуют соревнования.
Эта закономерность повторяется во всем животном мире в бесчисленных вариациях, но с той же самой основополагающей логикой. Гепард, ускоряющийся к газели, должен предсказать маневры уклонения газели. Сова, пикирующая на мышь в полной темноте, должна предсказать, где возникают звуковые волны. Стрекоза, перехватывающая комара, должна вычислить точку пересечения двух независимых траекторий в трехмерном пространстве.
Это непростые задачи. Они требуют извлечения информации из зашумленных сенсорных сигналов, построения моделей движения целей, прогнозирования реакции на действия хищника и координации сложных двигательных последовательностей с точностью до долей миллисекунды . Короче говоря, они требуют именно того типа предиктивной обработки, о котором мы говорили.
Селективное давление беспощадно. В любой популяции особи с несколько лучшими способностями к прогнозированию в среднем будут выживать и размножаться с большей скоростью, чем особи с худшими способностями. С течением поколений эта разница в воспроизводстве усиливается. Нейронные цепи, поддерживающие прогнозирование, становятся более сложными, более совершенными, более точными. Механизм прогнозирования нарастает, движимый неумолимой логикой естественного отбора.
Мы можем наблюдать это избирательное давление в действии на примере эффекта запаздывания вспышки — оптической иллюзии, демонстрирующей предсказание в действии. Если вы вспыхнете светом в тот самый момент, когда движущийся объект проходит фиксированную точку, вы воспримете вспышку как отстающую от движущегося объекта. Движущийся объект будет казаться опережающим место вспышки, даже несмотря на то, что физически они были выровнены.
Почему это происходит? Потому что ваша зрительная система экстраполирует положение движущихся объектов вперед во времени, чтобы компенсировать нейронные задержки. Когда вы смотрите на что-то в движении, ваш мозг предсказывает, где это будет к тому моменту, когда ваше восприятие догонит реальность. Вспышка, будучи непредсказуемой, не может получить эту компенсацию. Она воспринимается там, где это произошло на самом деле , из-за чего кажется, что она отстает от движущегося объекта, который ваш мозг продвинул вперед.
Это не недостаток зрительной системы. Это её особенность. Экстраполяция существует потому, что она полезна, поскольку помогает согласовать восприятие с фактическим положением движущихся объектов в окружающем мире. Без этой компенсации вы бы систематически воспринимали движущиеся объекты позади того места, где они находятся на самом деле , и поймать что-либо, увернуться от чего-либо или перемещаться в динамичной среде было бы значительно сложнее.
Были предложены альтернативные объяснения эффекта задержки вспышки. Некоторые исследователи предположили, что он отражает скорее постпрогнозирование , чем предсказание, что визуальное восприятие определяет положение на основе информации, собранной после вспышки, а не путем экстраполяции вперед. Но двадцать пять лет исследований сошлись на объяснении экстраполяции движения, особенно потому, что исследования показали, что объекты могут восприниматься в местах, где никогда не было физической энергии стимула. Вы можете видеть что-то там, где ничего не было, а это значит, что ваш мозг генерирует положения, а не просто записывает их.
Еще один яркий пример — бейсбольный аутфилдер. Когда мяч летит высоко в воздух, аутфилдер почти сразу же начинает бежать, задолго до того, как траектория мяча может быть полностью определена. Как это возможно? Аутфилдер предсказывает точку приземления, исходя из начальной траектории, и начинает двигаться к ней, постоянно корректируя свои действия по мере поступления новой информации.
Если бы полевой игрок ждал, куда приземлится мяч, прежде чем двигаться, он бы ничего не поймал. Мяч коснулся бы земли за сотни миллисекунд до того, как он успел бы добежать. Единственный способ поймать летящий мяч — это предсказать, куда он приземлится, и находиться там в ожидании.
Стратегия прогнозирования не ограничивается только полевыми игроками. Каждый раз, когда вы ловите брошенный вам предмет , тянетесь к движущейся цели или пробираетесь сквозь толпу движущихся людей, вы занимаетесь прогнозированием. Ваш мозг моделирует развитие событий в мире и соответствующим образом позиционирует ваше тело.
Сложность этого механизма поразительна. Исследования движений рук показывают, что ваша двигательная система учитывает ожидаемые сенсорные последствия ваших действий еще до того, как эти последствия произойдут. Когда вы тянетесь за чашкой, ваш мозг предсказывает, как чашка будет ощущаться в вашей руке, и соответствующим образом подготавливает захват. Если чашка оказывается тяжелее или легче, чем ожидалось, вы испытываете ошибку предсказания, несоответствие между тем, что вы ожидали, и тем, что вы воспринимали.
Эти ошибки прогнозирования не являются случайными. Они представляют собой основной сигнал, который управляет обучением и адаптацией. Когда ваши прогнозы точны, сигнал ошибки невелик, и вы продолжаете действовать без особых корректировок. Когда ваши прогнозы неверны, сигнал ошибки велик, и ваш мозг обновляет свои внутренние модели, чтобы в будущем делать более точные прогнозы.
Это и есть суть предиктивной обработки как вычислительной модели. Мозг генерирует прогнозы относительно поступающих сенсорных данных. Он сравнивает эти прогнозы с тем, что поступает на самом деле . Несоответствия, называемые ошибками прогнозирования, распространяются по системе и приводят к обновлению предиктивных моделей. Со временем модели улучшаются, ошибки уменьшаются, и мозг становится лучше предугадывать происходящее в мире.
Данная концепция объясняет широкий спектр явлений. Она объясняет, почему знакомые стимулы обрабатываются быстрее и требуют меньшей нейронной активности, чем новые стимулы. Она объясняет, почему неожиданные события привлекают внимание, в то время как ожидаемые события отходят на второй план. Она объясняет, почему обучение связано с неожиданностью, почему любопытство стимулирует исследование и почему освоение материала приносит ощущение непринужденного потока.
Это также объясняет, почему восприятие может давать сбои. Если ваши прогностические модели откалиброваны неправильно , вы будете воспринимать то, чего нет, или не сможете воспринять то, что есть. Галлюцинации, иллюзии и искажения восприятия естественным образом возникают в системе, которая генерирует прогнозы на основе предыдущего опыта и обновляет эти прогнозы несовершенно.
Эволюционный императив, движущий всем этим, прост: предсказывать или погибнуть. Любая нейронная архитектура, неспособная предвидеть будущее, будет систематически вытеснена архитектурами, которые преуспеют. За время эволюции это селективное давление привело к появлению мозга, который по своей сути, неприводимо способен к предсказанию.
В результате чисто реактивное управление, стратегия простого ожидания стимулов и реагирования на них, не может быть доминирующим режимом работы нейронов. Оно может работать для очень простых организмов в очень стабильной среде, но для всего, что сталкивается с временными требованиями и конкурентным давлением, прогнозирование не является необязательным.
Это смелое утверждение, но оно сопряжено с важными оговорками. Не каждая среда одинаково требовательна. Не каждый организм сталкивается с одинаковым конкурентным давлением. Существо, живущее в стабильной среде с небольшим количеством хищников, может вполне успешно справляться с задачами, требующими относительно простых реакций. Но там, где важна задержка и ошибки обходятся дорого, прогнозирование будет играть доминирующую роль.
Математическая формулировка делает это точным. Рассмотрим систему, обладающую некоторой способностью к прогнозированию, измеряемой объемом информации, которую несут ее внутренние состояния о будущих состояниях окружающей среды. Если эта способность равна нулю, если внутренние состояния системы ничего не говорят о том, что произойдет дальше, то действия системы откалиброваны только для настоящего момента. В изменяющейся среде это означает систематическую ошибку калибровки. А в среде, которая наказывает за ошибки, систематическая ошибка калибровки означает снижение вероятности выживания с течением времени.
Аргумент можно формализовать. Пусть вероятность выживания на каждом временном шаге будет иметь некоторое значение меньше единицы для системы, не способной к прогнозированию. За n временных шагов вероятность остаться в живых равна этому значению, возведенному в n-ю степень. По мере увеличения n эта вероятность приближается к нулю. Без прогнозирования вымирание неизбежно; это лишь вопрос времени.
Системы прогнозирования могут избежать этой участи. Кодируя информацию о будущих состояниях окружающей среды, они могут корректировать свои действия в соответствии с условиями, с которыми им предстоит столкнуться, а не с теми, с которыми они уже столкнулись. Это позволяет им поддерживать более высокую вероятность выживания с течением времени, потенциально достаточно высокую, чтобы существовать неограниченно долго.
Вывод очевиден: в любой среде, где ошибки и изменения с течением времени караются, системы с нулевой прогностической способностью сталкиваются с экспоненциально убывающей вероятностью выживания. Прогнозирование — это не роскошь, а необходимость для выживания.
;
ГЛАВА ТРЕТЬЯ: ПРОБЛЕМА МАСШТАБА

Существует второй, независимый путь к тому же выводу о необходимости прогнозирования, и этот путь проходит через взаимосвязь между размером тела и задержкой нейронной активности. Он обеспечивает геометрическое выведение, которое делает этот аргумент еще более убедительным .
По мере роста организмов проводящие пути удлиняются. Сигнал, который должен пройти от копыта жирафа до его мозга и обратно, преодолевает гораздо большее расстояние, чем аналогичный сигнал у мыши. Но скорость нервной проводимости не увеличивается с размером тела. Она остается ограниченной теми же биофизическими пределами, которые мы обсуждали ранее. Следовательно, общая задержка нервной проводимости возрастает с размером тела, в то время как скорость распространения сигнала остается практически постоянной.
Для мелких организмов это не представляет большой проблемы. Нервная система мухи простирается всего на несколько миллиметров. Сигнал может пройти через всю систему за микросекунды. Чисто реактивная архитектура, которая ожидает поступления сенсорных данных, прежде чем инициировать ответные действия, остается жизнеспособной, поскольку задержки незначительны по сравнению с временным масштабом соответствующих событий.
Но по мере увеличения размеров тела эта стратегия ослабевает. Нервная система человека простирается на метры. Сигнал от пальца ноги до мозга и обратно проходит десятки миллисекунд, прежде чем произойдет какая-либо обработка. У слона задержки еще больше. Крупный зауропод, длина тела которого составляла тридцать метров и более, сталкивался бы с задержками в сотни миллисекунд, необходимыми для того, чтобы сигналы от его хвоста достигли мозга.
Это можно сформулировать как закон масштабирования: малые организмы могут позволить себе реагировать; крупные организмы должны предвидеть. Порог зависит от специфических требований экологической ниши организма, но общий принцип универсален. По мере увеличения размера тела чисто реактивное управление становится все менее эффективным, и механизмы прогнозирования становятся все более необходимыми.
Рассмотрим случай тираннозавра рекса как проверку этого принципа. Это был организм огромных размеров, состоящий из нескольких тонн костей и мышц, действующий как активный хищник. В масштабах тираннозавра чисто реактивное управление физически нецелесообразно.
Представьте, что потребовалось бы для успешной охоты. Тираннозавру нужно было бы отслеживать траекторию движения добычи, предвидеть её маневры уклонения, координировать движение своей массивной головы и челюстей с инерцией тела, рассчитывать время удара, чтобы перехватить добычу в будущем, и управлять огромной инерцией во время поворотов и ускорений. Ничего из этого нельзя сделать реактивно. К тому моменту, когда сенсорная информация о текущем положении добычи достигнет мозга тираннозавра и двигательные команды вернутся к его мышцам, добыча уже значительно переместится.
Если тираннозавр рекс был активным хищником, а палеонтологические данные это подтверждают, у него не было иного выбора, кроме как действовать на основе прогностических моделей. Это не подразумевает когнитивной сложности в каком-либо человеческом смысле. Прогностический мозг не обязательно является интеллектуальным мозгом, по крайней мере, не в том смысле, в котором мы обычно используем это слово. Предсказания могли быть узконаправленными и жестко запрограммированными, специализированными схемами, настроенными миллионами лет эволюции на конкретные задачи. Но в рамках этих областей предсказания были бы идеально откалиброваны.
Аргумент, основанный на масштабировании, предполагает наличие двух критических переходов во взаимосвязи между размером тела и требованиями к прогнозированию.
Первый переход происходит от малых к средним размерам тела. По мере того, как организмы пересекают этот порог, задержки проведения становятся значительными по сравнению с требованиями задачи. Реактивные стратегии, работавшие в меньших масштабах, начинают давать сбой. Прогностические архитектуры обеспечивают максимальную выгоду, поскольку они могут компенсировать задержки, которые стали достаточно большими, чтобы иметь значение, но все еще управляемыми по масштабу.
Организмы среднего размера, обитающие в динамичных экологических нишах, организмы, которые должны быстро реагировать на хищников, добычу, партнеров или соперников, подвергаются наиболее сильному селективному давлению, направленному на точное сенсомоторное прогнозирование. Это тот режим, где предвидение на уровне миллисекунд определяет разницу между поимкой добычи и голодом, между спасением от хищника и превращением в него.
Второй переход происходит при очень больших размерах тела. Крупному травоядному животному может не потребоваться реакция с точностью до миллисекунды. В некоторых аспектах оно может позволить себе быть медленнее, полагаясь на свою массу для защиты или на групповой образ жизни для бдительности. Но предсказание на этом масштабе не исчезает. Оно становится макроскопическим, учитывающим рельеф местности, долгосрочные траектории, динамику тела в больших временных масштабах.
Слон, перемещающийся по своей среде обитания, должен предсказывать, как рельеф местности выдержит его вес, где он найдет воду и пищу, и как его массивное тело будет реагировать на препятствия. Эти предсказания отличаются от предсказаний охотящегося гепарда, но тем не менее это предсказания .
Физическая среда, в которой функционирует организм, добавляет еще один аспект к этому анализу. Вода, воздух и земля накладывают совершенно разные ограничения на движение, восприятие и необходимость прогнозирования.
Вода усугубляет проблему прогнозирования сразу несколькими способами. Движение затратно и медленно, поскольку вода примерно в восемьсот раз плотнее воздуха. Каждое движение требует преодоления значительного сопротивления. Ускорение и замедление энергетически затратны и занимают много времени. Водный хищник не может быстро корректировать курс, как это делает наземный. Импульс заставляет его двигаться по траекториям, которые необходимо предвидеть, а не просто реагировать на них.
Крупные размеры тела распространены в воде, поскольку плавучесть поддерживает массу, которая была бы недопустима на суше. Акулы, косатки, дельфины и киты функционируют в масштабах, где задержки нервной проводимости значительны. Большая белая акула на расстоянии шести метров или косатка на расстоянии восьми метров сталкиваются с задержками сигнала в обоих направлениях, измеряемыми десятками миллисекунд, прежде чем начнется какая-либо обработка.
Сенсорные ограничения еще больше усугубляют проблему. Зрение ограничено мутностью воды и ослаблением света. Многие водные хищники в значительной степени полагаются на механорецепцию через систему боковой линии, электрорецепцию или эхолокацию. Эти методы предоставляют информацию о положении добычи с неизбежными задержками. Звук распространяется в воде быстрее, чем в воздухе, примерно полторы тысячи метров в секунду по сравнению с тремястами сорока, но это преимущество нивелируется необходимостью обработки сложных эхосигналов и расстояниями.
Уклонение добычи от преследования в воде происходит в трех измерениях. В отличие от наземного преследования, которое в основном ограничено двухмерной поверхностью, водное хищничество происходит в полном трехмерном объеме. Добыча может ускользнуть в любом направлении. Для прогнозирования траектории движения рыбы, уклоняющейся от преследования в трех измерениях, требуются более сложные модели, чем отслеживание добычи, ограниченное дном.
Из этого следует, что водная среда создает идеальные условия для необходимости прогнозирования. Крупные тела, медленное и затратное движение, задержки в восприятии информации и трехмерное преследование приводят к чрезвычайно высокому селективному давлению в пользу упреждающего управления.
Вероятно, не случайно дельфины и косатки относятся к числу наиболее нейрологически развитых животных, не являющихся людьми. Их когнитивная сложность, возможно, является не столько результатом социальных факторов, хотя они, безусловно, имеют значение, сколько следствием физических процессов охоты в воде в больших масштабах.
Рассмотрим дельфинов как конкретный пример. Дельфины используют эхолокацию для охоты на рыбу в мутной воде, где зрение бесполезно. Они издают щелчки и прислушиваются к возвращающемуся эху, чтобы определить местоположение своей добычи. Время между изданием щелчка и приемом эха создает неизбежную задержку восприятия. Тем временем дельфин движется, и добыча тоже движется.
Для успешного перехвата необходимо предсказать, где будет находиться рыба, когда дельфин прибудет, а не где она была в момент возвращения эха. Мозг дельфина должен запустить модель прогнозирования, которая интегрирует его собственную траекторию, вероятные маневры уклонения добычи и гидродинамику обоих тел. Это не дополнительная сложность, а минимально необходимая архитектура для решения задачи. Дельфин, который просто плывет туда, где, по данным эха, находится рыба, систематически будет промахиваться.
Если вода усиливает требования к прогнозированию, то воздух доводит их до крайности, особенно для быстро летающих существ. Скорость увеличивает задержки. Сапсан, пикирующий со скоростью более трехсот километров в час, преодолевает почти метр за время, необходимое для прохождения визуального сигнала от сетчатки до моторной коры головного мозга. На таких скоростях чисто реактивное управление математически невозможно. Сокол должен предсказывать положение добычи, воздействие ветра и свою собственную аэродинамическую траекторию на несколько временных шагов вперед.
Хищники, летающие в воздухе, действуют в трехмерной среде без трения, которое могло бы их замедлить. Стрекоза, ловящая комара в полете, выполняет вычисления, которые стали бы сложной задачей для инженера-аэрокосмиста. Она должна предсказать точку пересечения двух независимо движущихся объектов в трех измерениях, находясь при этом под воздействием турбулентности.
Интересно, что летающие насекомые, такие как стрекозы, достигают поразительной точности перехвата благодаря крошечной нервной системе. Как это возможно, учитывая сложность задачи? Ответ кроется в масштабе. Их малый размер означает минимальные задержки проведения импульсов. Их сенсомоторные петли чрезвычайно тесны. Все происходит в микросекундах, а не в миллисекундах. Это подтверждает аргумент о масштабируемости: прогнозирование становится необходимым, когда задержки становятся значительными по сравнению с требованиями задачи. Стрекозы могут позволить себе более реактивные стратегии, потому что вся их нервная система работает очень быстро.
Птицы находятся в критической зоне. Они достаточно крупные, чтобы задержки проведения нервных импульсов имели значение, но при этом работают на таких скоростях, при которых эти задержки оказывают максимальное негативное воздействие. Это предсказывает, что мозг птиц должен обладать сложными механизмами прогнозирования, и это действительно так. Птичий паллиум, функционально аналогичный коре головного мозга млекопитающих, высоко развит у хищных птиц и других воздушных хищников.
Этот анализ позволяет получить проверяемые предсказания. Водные хищники определенного размера тела должны демонстрировать более развитые нейронные цепи прогнозирования, чем наземные хищники аналогичного размера, поскольку затраты на реактивные ошибки в воде выше. Быстрые воздушные хищники, такие как соколы и стрижи, должны демонстрировать нейронные специализации для прогнозирования траектории, превосходящие таковые у наземных животных аналогичного размера. Организмы, переходящие между средами, такие как ныряющие птицы или летучие рыбы, должны демонстрировать гибридные стратегии прогнозирования, адаптированные к различным физическим свойствам каждой среды.
Эволюция эхолокации как у водных млекопитающих, таких как дельфины, так и у воздушных млекопитающих, таких как летучие мыши, представляет собой конвергентные решения одной и той же проблемы: поддержание прогнозируемой информации в средах, где визуальное прогнозирование ограничено. Эти две группы, разделенные примерно девяносто пятью миллионами лет эволюции, независимо друг от друга разработали сложные системы для проецирования звука в окружающую среду и интерпретации возвращающихся эхо-сигналов. Конвергенция предполагает, что эхолокация — это не просто сенсорный трюк, а технология, позволяющая прогнозировать, способ сбора информации, необходимой для предсказания будущих состояний, когда зрение не справляется с этой задачей.
Таким образом, среда — это не просто фон для аргумента о задержке. Это множитель. Вода и воздух накладывают свои собственные физические условия на проблему прогнозирования, создавая различные факторы отбора, которые формируют нейронную архитектуру предсказуемым образом.
Аргумент масштабирования и аргумент средней величины взаимно усиливают друг друга. Крупные тела в воде сталкиваются с наиболее экстремальными требованиями к прогнозированию. Быстро движущиеся тела в воздухе сталкиваются с почти сопоставимыми требованиями. Малые тела в стабильной наземной среде сталкиваются с наименьшими требованиями и могут обойтись более простыми конструкциями.
В результате этого анализа вырисовывается градиент, а не бинарная модель. Предсказание не просто присутствует или отсутствует, а варьируется по сложности в зависимости от физических требований ситуации, в которой находится организм. Однако лежащий в основе принцип универсален. Там, где задержки имеют значение и ошибки наказываются, предсказание будет предпочтительнее. Конкретная форма механизма предсказания будет зависеть от деталей, но его наличие определяется законами физики.
Этот аргумент, основанный на физических ограничениях, превращает предсказательную обработку информации из эмпирического утверждения о том, как работает мозг, в нечто, более близкое к теоретической необходимости. Он предполагает, что предсказательная архитектура — это не один из многих вариантов, а единственный вариант, остающийся жизнеспособным в масштабе динамичных, требующих больших временных затрат ниш. Эволюция не наткнулась на предсказание случайно. Эволюция была вынуждена к предсказанию законами физики.








ГЛАВА ЧЕТВЁРТАЯ: МАТЕМАТИКА ВЫЖИВАНИЯ

Существует уравнение , которое, по мнению некоторых ученых, управляет всем, что вы делаете. Каждое ваше восприятие, каждое ваше действие, каждая мысль, промелькнувшая в вашем сознании. Оно называется принципом свободной энергии, и если его сторонники правы, то оно представляет собой не что иное, как математический закон самой жизни.
Это утверждение звучит грандиозно, возможно, даже подозрительно. Единое уравнение, объясняющее всё познание? Всю биологию? История науки полна чрезмерно радикальных теорий, которые обещали объяснить всё, но дали гораздо меньше. Тем не менее, принцип свободной энергии привлёк серьёзное внимание нейробиологов, физиков, философов и исследователей искусственного интеллекта. Его называли важнейшей теорией в нейробиологии. Его также называли неопровержимым, запутанным и, возможно, бессмысленным.
Чтобы понять, почему эта математическая модель важна для нашего понимания предсказаний, нам необходимо разобраться, что она на самом деле означает и как связана с аргументом о физических ограничениях, который мы разрабатывали. Эта связь оказывается глубокой и поучительной. Принцип свободной энергии предоставляет формальный язык для выражения того, почему предсказание не только полезно, но и математически неизбежно для любой системы, которая существует в меняющемся мире.
Проблема существования

Начните с обманчиво простого вопроса: Зачем вы существуете?
Не в космическом смысле, не в смысле философии или религии, а в обыденном физическом смысле. Почему конкретное расположение материи, составляющее ваше тело, не рассеялось в окружающей среде? Почему ваши клетки не растворились, ваши органы не отказали, ваши границы не размылись, не слились с окружающим миром?
Второй закон термодинамики гласит, что энтропия стремится к увеличению. Порядок стремится к растворению в беспорядке. Капля чернил в воде растекается, пока не распределится равномерно. Горячая чашка кофе остывает до комнатной температуры. Предоставленные сами себе, системы движутся к равновесию, к состояниям максимального беспорядка.
И всё же вы здесь, в удивительно упорядоченном виде. Триллионы клеток, скоординированных в ткани, органы и системы, поддерживающие точную температуру и химический баланс, противостоящие термодинамическому потоку, который по праву должен был бы давно вас развеять. Как?
Ответ, на самом общем уровне, заключается в том, что вы не являетесь замкнутой системой. Вы поглощаете энергию и материю из окружающей среды, пищу, кислород и воду, и используете этот приток для поддержания своей организации. Вы экспортируете энтропию в виде тепла и отходов быстрее, чем она накапливается внутри. Вы используете термодинамический градиент, опережая равновесие за счет постоянного совершения работы.
Но этот ответ, хотя и верный, неполный. Он говорит нам о том, что живые системы должны обмениваться энергией и материей со своей окружающей средой. Он не объясняет, как им удаётся делать это таким образом, чтобы сохранять свою организацию, а не разрушать её. Он не объясняет, как бактерия понимает , что нужно плыть к питательным веществам, а не от них, или как ваша иммунная система отличает захватчиков от своих собственных, или как ваш мозг координирует миллионы действий, необходимых для поддержания вашей жизни.
Принцип свободной энергии пытается ответить на этот более глубокий вопрос. Он предполагает, что все живые системы, от простейшей клетки до самого сложного мозга, имеют общую математическую структуру. Все они минимизируют нечто, называемое вариационной свободной энергией. И, минимизируя свободную энергию, они неизбежно участвуют в процессе, который удивительно похож на предсказание.
Что такое свободная энергия?

Термин «свободная энергия» имеет долгую историю в физике, где он обозначает количество энергии в системе, доступное для совершения работы. Но свободная энергия в принципе свободной энергии — это нечто иное. Это информационно-теоретическая величина, мера несоответствия между моделью окружающей среды, созданной системой, и фактическими сенсорными сигналами, которые она получает.
Представьте себе это так. У вас есть мозг, который поддерживает модель мира. Эта модель генерирует предсказания о том, какие сенсорные сигналы вы должны получать прямо сейчас. Между тем, фактические сенсорные сигналы поступают от ваших глаз, ушей, кожи и других органов чувств. Свободная энергия измеряет расхождение между этими двумя показателями, между тем, что предсказывает ваша модель, и тем, что вы фактически наблюдаете .
Когда ваши предсказания точны, свободная энергия низка. Когда ваши предсказания неверны, свободная энергия высока. Принцип свободной энергии гласит, что все биологические системы стремятся минимизировать эту величину. Они пытаются привести свои предсказания в соответствие с реальностью.
Существует два способа минимизировать свободную энергию. Вы можете обновить свою модель, чтобы делать более точные прогнозы, приводя свои ожидания в соответствие с тем, что вы наблюдаете. Это восприятие, обучение, более точное понимание мира. Или вы можете изменить мир в соответствии со своими прогнозами, предпринимая действия, которые приводят к тому, что ваши ожидаемые наблюдения становятся фактическими. Это действие, поведение, совершение действий.
Элегантная идея заключается в том, что восприятие и действие — это не отдельные процессы, служащие разным целям. Это две стороны одной медали, две стратегии для минимизации одной и той же величины. Когда вы осматриваете комнату, ваш мозг минимизирует свободную энергию, обновляя свою модель. Когда вы тянетесь за чашкой кофе, ваш мозг минимизирует свободную энергию, изменяя окружающий мир. И то, и другое — это предсказание в действии.
Одеяло Маркова: Где заканчивается ты и начинается мир

Ключевым понятием в рамках теории свободной энергии является марковское покрывало — статистическая граница, отделяющая систему от окружающей среды. Покрывало состоит из двух частей: сенсорных состояний, посредством которых окружающая среда влияет на систему, и активных состояний, посредством которых система влияет на окружающую среду.
Для клетки марковское покрывало — это, приблизительно, клеточная мембрана. Рецепторы на поверхности мембраны — это сенсорные состояния, обнаруживающие химические вещества в окружающей жидкости. Молекулярные насосы и секреты — это активные состояния, изменяющие взаимоотношения клетки с окружающей средой. Внутренняя часть клетки скрыта от внешнего мира и доступна только через этот интерфейс.
В контексте марковского поля мозга, к нему относятся органы чувств и двигательные системы. Ваши глаза, уши и кожа — это сенсорные состояния, передающие информацию. Ваши мышцы и железы — это активные состояния, обеспечивающие действия. Нейронная активность внутри черепа скрыта от внешнего мира, влияя на него и подвергаясь влиянию только через эти интерфейсы.
Для целого организма марковское покрывало — это поверхность тела, кожа и органы чувств, образующие границу между личностью и окружающим миром.
Марковское покрывало — это не просто физическая, а статистическая граница. Оно отражает идею условной независимости внутренних и внешних состояний при условии существования состояний покрывала. Единственный способ, которым внутреннее пространство может узнать о внешнем, — это через сенсорную часть покрывала. Единственный способ, которым внутреннее пространство может повлиять на внешнее, — это через активную часть. Именно эта условная независимость делает систему уникальной, ограниченной сущностью, которую можно анализировать отдельно от окружающей среды.
Принцип свободной энергии гласит, что любая система с марковским одеялом, если она существует, будет выглядеть так, как будто она минимизирует свободную энергию. Ее внутренние состояния начнут кодировать информацию о внешних состояниях. Она начнет моделировать окружающую среду просто в силу того, что с течением времени будет оставаться самостоятельной сущностью.
Неожиданность и выживание

Существует еще один способ понять свободную энергию, который более непосредственно связан с выживанием. Свободная энергия — это верхняя граница чего-то, называемого неожиданностью, или, если говорить более техническим языком, сюрпризом, который представляет собой отрицательный логарифм вероятности наблюдения.
Когда вы наблюдаете что-то весьма вероятное, удивление невелико. Когда вы наблюдаете что-то невероятное, удивление велико. Среднее значение удивления во времени равно энтропии. Системы, которые минимизируют свободную энергию, следовательно, минимизируют энтропию своих сенсорных состояний. Они поддерживают себя в предсказуемых, ожидаемых условиях.
Это напрямую связано с выживанием. Рыба, оказавшаяся на воздухе, испытывает сильное удивление : это наблюдение крайне маловероятно, учитывая то, что должна наблюдать здоровая рыба. Человек, у которого падает уровень кислорода в крови, испытывает сильное удивление: это наблюдение маловероятно для живого человека. Удивительные состояния, в этом техническом смысле, часто являются состояниями, несовместимыми с дальнейшим существованием.
Минимизировать неожиданности — значит поддерживать себя в состоянии, совместимом с тем, чем ты являешься. Для рыбы это состояние, включающее воду, подходящую температуру и пищу. Для человека это состояние, включающее кислород, убежище и питание. Организмы, которые не могут минимизировать неожиданности, сталкиваются с состояниями, несовместимыми с их существованием, и прекращают свое существование. Организмы, которым это удается, продолжают существовать. Естественный отбор гарантирует, что наблюдаемые нами организмы — это те, которые минимизируют неожиданности, потому что другие вымирают.
Это обеспечивает формальную связь между прогнозированием и выживанием. Минимизировать неожиданности означает хорошо прогнозировать, иметь точные модели закономерностей в окружающей среде. Прогнозирование — это не когнитивная роскошь, а требование выживания, математически заложенное в императиве минимизации свободной энергии.
Активный вывод: прогнозирование в действии

Принцип свободной энергии становится наиболее интересным, когда мы рассматриваем действие. Если организмы минимизируют свободную энергию, и если один из способов минимизировать свободную энергию — это изменить мир в соответствии с предсказаниями, то организмы должны действовать, чтобы их предсказания сбылись.
Это основная идея активного вывода. Организмы не просто пассивно обновляют свои модели на основе сенсорной информации. Они активно ищут наблюдения, подтверждающие их предсказания. У них есть то, что можно назвать упрямыми предсказаниями, ожиданиями относительно состояний, в которых они должны находиться, и они действуют, чтобы эти ожидания сбылись.
Рассмотрим голод. У вас есть модель организма, который регулярно питается. Когда проходит время без еды, ваша модель предсказывает, что еда должна произойти. Но еды не происходит. Это порождает ошибку предсказания, высокую свободную энергию. Вы можете уменьшить эту свободную энергию, действуя, ища пищу и потребляя её. Действие выполняет предсказание.
Рассмотрим движение. У вас есть предположение, возможно, подсознательное, о том, где должна находиться ваша рука. Ваша двигательная система действует, чтобы это предположение сбылось, посылая команды мышцам, которые перемещают вашу руку в предсказанное место. Движение — это не столько выполнение команд, сколько исполнение предположений.
Это переворачивает наше привычное представление о действии. Обычно мы считаем, что восприятие рассказывает нам о мире, а затем мы решаем, что делать. Активный вывод, напротив, предполагает, что у нас есть предположения о том, что должно быть, и как восприятие, так и действие работают над минимизацией расхождения между предсказанием и реальностью. Восприятие обновляет модель. Действие обновляет мир. Оба служат предсказанию.
Проблема темной комнаты

Критики выдвинули резкое возражение против принципа свободной энергии , известное как проблема темной комнаты. Если организмы минимизируют неожиданности, почему бы им просто не найти темную, тихую комнату и не остаться там? Полностью предсказуемая среда идеально бы минимизировала неожиданности. Однако организмы активно исследуют, ищут новизну, рискуют. Это, кажется, противоречит принципу.
Ответ включает в себя концепцию ожидаемой свободной энергии и различие между настоящим и будущим. Организмы минимизируют не только текущую свободную энергию, но и ожидаемую свободную энергию во времени. А ожидаемая свободная энергия включает в себя термин, обозначающий эпистемическую ценность — ценность информации, которая уменьшает неопределенность в отношении окружающего мира.
Существо в темной комнате может испытывать сейчас низкую степень удивления , но оно накапливает неопределенность относительно окружающей среды. Когда ему в конце концов придется покинуть комнату, возможно, из-за голода или других потребностей, эта неопределенность превратится в высокую степень удивления. Исследуя окружающую среду, собирая информацию даже ценой некоторого непосредственного удивления, организмы снижают ожидаемую степень удивления в будущем.
Любопытство, игра и исследование — это не исключения из принципа свободной энергии , а его проявления. Это стратегии минимизации долгосрочных неожиданностей путем поддержания точных моделей меняющегося мира. Темная комната — это локальный минимум , ловушка, которая со временем приводит к худшим результатам. Организмы, попавшие в такие ловушки, вытесняются теми, которые уравновешивают эксплуатацию и исследование.
Вопрос о неопровержимости

Необходимо ответить на фундаментальную критику. Можно ли опровергнуть принцип свободной энергии? Карл Фристон, нейробиолог, разработавший эту концепцию, прямо заявил, что нет. По его мнению, этот принцип является математической истиной, подобно принципу наименьшего действия в физике или аксиомам математического анализа. Нельзя опровергнуть математику, проводя наблюдения.
Это утверждение озадачило многих ученых. Принцип, который невозможно опровергнуть, кажется, объясняет всё и, следовательно, ничего. Если любое наблюдение можно объяснить, скорректировав параметры, то этот принцип не накладывает никаких реальных ограничений на то, что мы должны ожидать увидеть.
Защита проводит различие между принципами и гипотезами. Принцип свободной энергии, как и принцип наименьшего действия, представляет собой основу, в рамках которой можно формулировать и проверять конкретные гипотезы. Сам принцип не поддается фальсификации, но конкретные модели, которые его реализуют, — поддаются.
Рассмотрим аналогию. Принцип естественного отбора, согласно которому дифференциальное размножение приводит к адаптации, сам по себе, вероятно, не является опровергаемым . Любое наблюдение можно объяснить, предположив, что оно повысило приспособленность в какой-либо исходной среде. Но конкретные эволюционные гипотезы, такие как утверждение о том, что определенный признак развился для определенной функции, поддаются проверке. Этот принцип структурирует исследование, не будучи сам по себе предметом эмпирической проверки.
Успешность этой защиты до сих пор является предметом дискуссий. Некоторые исследователи считают эту концепцию бесценной для генерации проверяемых предсказаний о функциях мозга. Другие же считают её слишком гибкой, чтобы быть научно полезной. Дискуссия продолжается.
Где свободная энергия встречается с физическим ограничением

Принцип свободной энергии и аргумент физических ограничений, разработанный Кригером, представляют собой взаимодополняющие взгляды на одну и ту же основополагающую истину. Оба подхода приходят к предсказанию как к необходимости, но разными путями.
Аргумент, основанный на физических ограничениях, исходит из конкретных фактов: конечная скорость проведения нервных импульсов, геометрия масштабирования тела, конкурентная среда, которая наказывает за задержку. Он показывает, что предсказание необходимо, поскольку системы, не способные к предсказанию, сталкиваются с экспоненциально убывающей вероятностью выживания. Математика проста: без способности к предсказанию вымирание неизбежно в течение достаточно длительного времени.
Принцип свободной энергии вытекает из абстрактной теории информации: марковские одеяла, вариационный вывод, минимизация неожиданности. Он показывает, что прогнозирование необходимо, поскольку поддержание организации в условиях энтропии требует минимизации свободной энергии, что эквивалентно поддержанию точных прогностических моделей.
Оба подхода сходятся, потому что описывают одну и ту же реальность с разных точек зрения. Аргумент физических ограничений задает вопрос: учитывая физику нейронной передачи и конкурентную среду, что должен делать мозг? Принцип свободной энергии задает вопрос: учитывая математику самоорганизации и необходимость противостоять энтропии, что должны делать живые системы? Оба ответа: Предсказывать.
Аргумент, основанный на физических ограничениях, может фактически устранить один из недостатков концепции свободной энергии. Критики жалуются, что принцип свободной энергии слишком абстрактен, слишком оторван от конкретных механизмов биологии. Аргумент, основанный на физических ограничениях, показывает, почему эти механизмы принимают именно такую форму. Скорость проведения нервных импульсов конечна из-за физики белков. Тела масштабируются таким образом, что увеличивают задержку. Окружающая среда наказывает за ошибки в миллисекундном масштабе времени. Это физические факты, которые объясняют, почему минимизация свободной энергии принимает именно такую форму в нервных системах.
Напротив, принцип свободной энергии предоставляет формальный язык для аргумента, основанного на физических ограничениях. Закон прогнозируемой жизнеспособности , который гласит, что системы с задержкой в суровых условиях должны кодировать информацию о будущих состояниях, может быть выражен в терминах свободной энергии. Кодирование информации о будущих состояниях — это именно то, что происходит, когда внутренние состояния стремятся минимизировать свободную энергию относительно скрытых внешних состояний. Этот закон является следствием принципа, примененного к системам с временной задержкой.
Последствия для понимания разума

Если принцип свободной энергии верен, это меняет наше понимание разума. Познание — это не вычисления в классическом смысле, не манипулирование символами в соответствии с логическими правилами. Это умозаключение, непрерывное обновление вероятностных моделей для минимизации неожиданностей. Восприятие — это не пассивное получение информации, а активное построение прогнозов. Действие — это не результат процесса принятия решений, а исполнение ожиданий.
Эмоцию можно понимать как ощущаемое качество ошибки прогнозирования. Тревога — это переживание предсказанной угрозы. Радость — это переживание предсказанного вознаграждения. Депрессия может быть связана с разрушением прогностических моделей, неспособностью формировать позитивные ожидания относительно будущего. Психические состояния можно понимать как сбои в умозаключениях, как неточность калибровки или как модели, оторванные от реальности.
Внимание переключается на распределение точности, на определение того, каким ошибкам прогнозирования следует придавать вес. В значительной степени это можно игнорировать. Обучение становится медленной корректировкой параметров модели для улучшения прогнозирования с течением времени. Память становится кодированием закономерностей, которые поддерживают будущие выводы.
Даже сознание можно рассматривать через эту призму. Некоторые исследователи предполагают, что сознание — это сам процесс умозаключения, обновление моделей, происходящее при интеграции сенсорных сигналов с предсказаниями. Другие же считают, что сознание включает в себя особый вид умозаключения, возможно, умозаключение о собственных процессах умозаключения, модель модели.
Глубочайшее Единство

Пожалуй, наиболее поразительным аспектом принципа свободной энергии является его утверждение о единстве. Он предполагает, что одна и та же математическая модель применима от клеток до обществ, от бактерий до мозга и искусственных систем. Везде, где существует марковское покрывало, везде, где система сохраняет себя как отдельную от окружающей среды, этот принцип применим.
Это единство может быть глубоким или иллюзорным, в зависимости от вашей точки зрения. Критики утверждают, что применение одного и того же формализма к столь разным системам скорее затемняет, чем раскрывает, что то, что делает бактерии интересными, отличается от того, что делает интересным мозг, и теория, которая рассматривает их одинаково, упускает из виду самое важное.
Сторонники утверждают, что единство подлинное, что математический аппарат отражает нечто реальное о том, что значит быть самоорганизующейся системой, сохраняющейся в меняющемся мире. Детали сильно различаются между бактериями и мозгом, но лежащая в основе логика одна и та же: минимизировать неожиданности, поддерживать прогнозы, противостоять дрейфу в сторону беспорядка.
Совершенно очевидно, что принцип свободной энергии, независимо от его окончательного статуса, породил продуктивные исследования. Он привел к новым экспериментам, новым моделям , новым способам осмысления старых проблем. Он связал нейронауку с физикой, биологию с теорией информации, восприятие с действием. Независимо от того, является ли он окончательной теорией всего когнитивного или просто полезной концептуальной основой, которая в конечном итоге будет заменена, он заслужил свое место в дискуссии.
В основе всего этого, в соответствии со всем, что мы исследовали в этой книге, лежит предсказание. Минимизация свободной энергии — это предсказание. Активный вывод — это предсказание. Минимизация неожиданности — это предсказание. Математика выживания, как оказалось, — это математика предвидения. Существовать — значит предсказывать. Это не поэзия. Это физика.

ГЛАВА ПЯТАЯ: ЧУВСТВА, ВЫХОДЯЩИЕ ЗА ПРЕДЕЛЫ ЗРЕНИЯ

Аргументы в пользу предиктивной обработки информации в основном сосредоточены на зрении, и это неспроста . Зрение — наше доминирующее чувство, модальность, посредством которой мы получаем большую часть информации об окружающем мире. Но зрение обладает уникальной привилегией среди чувств: сам стимул, свет, распространяется со скоростью почти триста тысяч километров в секунду, что фактически мгновенно с точки зрения биологических организмов. Когда вы смотрите на дерево, свет, достигающий ваших глаз, покидает дерево всего наносекунды назад. Проблема задержки в зрении возникает исключительно из-за нейронной проводимости внутри вашего тела, а не из-за какой-либо задержки внешнего сигнала.
Однако многие организмы полагаются на сенсорные модальности, при которых сам сигнал медленно распространяется через внешнюю среду. Это создает то, что мы могли бы назвать проблемой двойной задержки: задержка в окружающей среде плюс задержка в нервной системе. Для таких организмов аргументы в пользу предсказания становятся еще более убедительными.
Эхолокация — это показательный пример. Летучие мыши и дельфины независимо друг от друга развили эту замечательную способность, разделенные примерно девяносто пятью миллионами лет эволюционной дивергенции. Оба вида излучают звук в окружающую среду и интерпретируют возвращающиеся эхо-сигналы, чтобы составить представление об окружающем мире. Оба сталкиваются с одной и той же фундаментальной проблемой: звуку требуется время, чтобы распространиться.
Звук распространяется со скоростью приблизительно 340 метров в секунду в воздухе и 1500 метров в секунду в воде. Для летучей мыши, обнаруживающей мотылька на расстоянии пяти метров, время прохождения акустического сигнала туда и обратно составляет около двадцати девяти миллисекунд. Для дельфина, отслеживающего рыбу на расстоянии десяти метров, акустическая задержка составляет примерно тринадцать миллисекунд. Эти задержки возникают до начала какой-либо нейронной обработки.
Таким образом, общая задержка для хищника, использующего эхолокацию, включает в себя время распространения звука туда и обратно, трансдукцию в ухе, проведение по слуховому нерву, центральную обработку слуховой информации, планирование движений и их выполнение. Для летучей мыши это время может легко превышать пятьдесят-восемьдесят миллисекунд. В течение этого времени движутся и хищник, и жертва . Мотылек летит, возможно, выполняя маневры уклонения. Летучая мышь тоже летит, корректируя свою траекторию на основе устаревшей информации.
Для успешного перехвата необходимо предсказать не то, где находилась добыча в момент эха, а то, где она будет находиться в момент удара. Это предсказание охватывает два последовательных временных промежутка: внешнюю задержку распространения звука и внутреннюю задержку нейронной обработки.
Исследования эхолокации у летучих мышей выявляют именно такой тип предиктивной обработки информации. Летучие мыши корректируют траектории своего полета, основываясь на прогнозах траекторий движения мотыльков. Они предвидят маневры уклонения. Они компенсируют собственное движение в течение задержки между излучением и приемом сигнала. Их мозг реализует сложные модели прогнозирования, которые интегрируют акустическую информацию с сигналами собственного движения для поддержания точного представления о положении добычи в реальном времени.
Слабоэлектрические рыбы представляют собой еще один захватывающий пример. Две группы рыб, южноамериканские Gymnotiformes и африканские Mormyridae, независимо друг от друга развили способность генерировать слабые электрические поля и чувствовать искажения в этих полях, вызванные объектами в их среде обитания. По сути, они видят с помощью электричества, обнаруживая электрические тени, отбрасываемые добычей, хищниками и препятствиями.
Электрические поля распространяются практически мгновенно, поэтому в отличие от эхолокации, здесь нет внешней задержки распространения. Однако рыба должна учитывать временные изменения искажений поля, чтобы отслеживать движущиеся объекты. Добыча, проплывающая сквозь электрическое поле, создает характерный рисунок возмущений, который рыба должна интерпретировать и предсказывать. Вычислительная задача аналогична эхолокации: рыба должна предвидеть, где будет находиться добыча к моменту, когда она сможет отреагировать, а не где она находилась в момент обнаружения.
Исследования электрических рыб выявили сложные механизмы прогнозирования в их электросенсорных системах. К ним относятся модели прогнозирования ожидаемых искажений поля во время собственного движения. Когда рыба движется, её собственное электрическое поле изменяется предсказуемым образом. Мозг должен вычесть эти самогенерируемые изменения из общего сигнала, чтобы выделить внешнюю информацию. Это требует прогнозирования сенсорных последствий собственного движения, именно того типа механизма, который описывает теория предиктивной обработки.
системы боковой линии — ряда механорецепторов, расположенных вдоль тела и реагирующих на волны давления в воде. Когда другое животное движется в воде, оно создает возмущения, которые распространяются наружу, подобно ряби от камня, брошенного в пруд. Эти волны давления несут информацию о местоположении и движении потенциальных хищников или добычи.
Однако волны давления распространяются в воде со скоростью, определяемой гидродинамикой. Они быстрые, но не мгновенные. Кроме того, при взаимодействии с окружающей средой они подвержены сложным закономерностям отражения и искажения. Организм, получающий эту информацию, должен отделить самопроизвольные движения воды от внешних сигналов и предсказать будущее положение источника на основе информации, которая по своей природе является запаздывающей и зашумленной. Это требует именно того вида прямого моделирования, который описывает предиктивная обработка.
Ямкоголовые гадюки — ещё один тому пример. Эти змеи способны обнаруживать тепловое излучение благодаря специализированным ямчатым органам — углублениям на морде, содержащим мембраны, чрезвычайно чувствительные к инфракрасному свету. Это позволяет им точно нападать на теплокровную добычу даже в полной темноте.
Инфракрасное излучение распространяется со скоростью света, поэтому внешней задержки распространения нет. Однако сам механизм теплового обнаружения вносит задержку. Мембрана ямки должна нагреваться или охлаждаться в ответ на падающее излучение, и этот процесс регулируется термодинамикой, а не электроникой. Змея воспринимает сглаженную , задержанную версию тепловой картины.
Когда ядовитая змея нападает, она резко бросает голову в сторону добычи, совершая баллистическое движение, которое невозможно скорректировать после начала атаки. Змея должна предсказать, где окажется мышь в момент попадания её клыков, основываясь на тепловых изображениях, которые по своей природе сглажены и задержаны из-за законов физики обнаружения. Ещё раз подчеркнём, что предсказание — это не выбор, а необходимость.
Все эти случаи объединяет обобщенный принцип: ограничение по задержке выходит за рамки нейронной проводимости. Любая сенсорная модальность, где физический сигнал распространяется медленно, где трансдукция вносит задержки или где факторы окружающей среды добавляют шум и временную неопределенность, сталкивается с одной и той же фундаментальной проблемой. Информация, получаемая организмом, описывает мир, которого больше не существует. Единственное решение — предсказание.
Это наблюдение значительно усиливает основной аргумент. Зрение, с его практически мгновенным распространением стимулов, представляет собой наилучший случай для реактивного управления. Если предсказание необходимо даже для зрения, представьте, насколько оно становится необходимым для организмов, полагающихся на эхолокацию, электролокацию, механорецепцию или другие медленные способы восприятия.
Конвергентная эволюция сложных нейронных цепей, отвечающих за прогнозирование, у эхолокирующих млекопитающих и электросенсорных рыб убедительно доказывает, что прогнозирование — это не просто одна из многих вычислительных стратегий. Это универсальный ответ на физику распространения сигнала во времени. Летучие мыши и дельфины, разделенные девяносто пятью миллионами лет эволюции, пришли к эхолокации. Гимнотиформы и мормириды, независимо эволюционировавшие на разных континентах, пришли к электролокации. В каждом случае сенсорная задача стимулировала эволюцию нейронных механизмов, отвечающих за прогнозирование.
Это имеет глубокий смысл. Независимо от того, ориентируется ли организм с помощью света, звука, электричества, ударных волн или теплового излучения, он сталкивается с одной и той же фундаментальной проблемой и приходит к одному и тому же фундаментальному решению. Предсказание — это не особенность какой-либо конкретной сенсорной системы. Это универсальное требование любой системы, которая должна действовать в настоящем, основываясь на информации о прошлом.
;
ГЛАВА ШЕСТАЯ: НЕВОЗМОЖНОСТЬ ПАССИВНОГО ВОСПРИЯТИЯ

Если аргументы в предыдущих главах верны, то из них следует глубокий философский вывод. Восприятие не может быть тем, чем мы традиционно его считали. Классическая точка зрения, унаследованная от веков философии и подкрепленная ранней нейробиологией, утверждает, что восприятие по сути пассивно. Мир существует во внешнем мире, наши органы чувств получают информацию о нем, а наш мозг конструирует представления, отражающие внешнюю реальность. Восприятие — это прием, точная запись того, что есть.
Эта картина не просто неполна. Она физически невозможна.
Пассивное восприятие потребовало бы ожидания поступления сенсорных данных, прежде чем формировать какое-либо представление о мире. Но ожидание означает реагирование на прошлое. Каждая миллисекунда ожидания — это миллисекунда, в течение которой мир движется дальше без вашего участия. В динамичной среде, где время имеет значение, систематическая задержка означает систематический сбой. Систематический сбой означает вымирание. Следовательно, пассивное восприятие не может существовать ни в одном организме, сформированном отбором на быструю реакцию.
Логика непреклонна. Если бы восприятие было действительно пассивным, организмы воспринимали бы мир таким, какой он есть, а не таким, какой он есть. Они всегда были бы позади, всегда стремились бы туда, где находятся предметы, а не туда, где они находятся. Они не смогли бы ловить движущуюся добычу, избегать хищников или ориентироваться в меняющейся среде. Они не смогли бы выжить.
Вместо этого существует нечто гораздо более активное и гораздо более странное . Мозг не ждет, пока мир сам себя объявит. Мозг генерирует предсказания о том, как должен выглядеть мир, основываясь на всем, что он узнал из прошлого опыта . Затем он сравнивает эти предсказания с поступающими сенсорными данными. Когда предсказания совпадают, восприятие происходит плавно и требует минимальной обработки. Когда предсказания не совпадают, генерируются ошибки предсказания, и мозг обновляет свою модель.
То, что вы воспринимаете как реальность, на самом деле является наилучшим предсказанием вашего мозга о том, как выглядит реальность прямо сейчас. Да, это предсказание ограничено сенсорными данными, но оно не определяется этими данными. Мозг — не пассивный регистратор. Он — активный предсказатель.
Иногда эту идею выражают словами, что восприятие — это контролируемая галлюцинация. Слово «галлюцинация» может показаться слишком сильным, несущим в себе коннотации патологии и нереальности. Но в техническом смысле оно совершенно верно. Галлюцинация — это восприятие без соответствующего внешнего стимула, случай, когда модель мозга доминирует над сенсорным вводом. Нормальное восприятие — это всего лишь галлюцинация, которая находится под контролем поступающих данных, предсказание, которое дисциплинируется реальностью, но не заменяется ею.
Эта переосмысление разрешает загадки, которые веками беспокоили философов и ученых. Рассмотрим проблему того, как восприятие может быть таким быстрым, когда нейронная обработка информации происходит так медленно. Если бы восприятие требовало каждый раз построения представлений с нуля, начиная с необработанных сенсорных данных и постепенно переходя к сложным перцептам, это занимало бы гораздо больше времени, чем происходит на самом деле . Но если восприятие — это предсказание , если мозг уже создал модель того, что должно быть, и ему нужно только проверить ее на соответствие поступающим данным, тогда скорость имеет смысл. Вам не нужно строить мир с нуля. Вам просто нужно убедиться, что предсказанный вами мир по-прежнему точен.
Рассмотрим также, как восприятие может быть настолько стабильным, когда сенсорные данные настолько зашумлены. Каждое изображение на вашей сетчатке искажено несовершенствами оптики глаза, фотонным шумом, движениями глаз, которые размывают изображение по рецепторам. Если бы восприятие точно отражало этот беспорядочный ввод, вы бы видели мир мерцающего, прыгающего, размытого хаоса. Вместо этого вы видите мир стабильных, согласованных, четко определенных объектов. Предсказание заполняет пробелы, сглаживает шум и представляет вам очищенную версию реальности.
Подумайте, как вы можете распознавать объекты, несмотря на огромные различия в их внешнем виде. Стул выглядит совершенно по-разному с разных ракурсов, при разном освещении, на разных расстояниях. И всё же вы воспринимаете его как один и тот же стул. Эту постоянную неизменность трудно объяснить, если восприятие просто записывает сенсорные данные, которые сильно различаются. Но это имеет смысл, если восприятие — это предсказание, основанное на абстрактных моделях. Ваш мозг имеет модель того, что представляют собой стулья, и генерирует предсказания о том, как стул будет выглядеть с этой конкретной точки зрения . Предсказание, а не исходные сенсорные данные, — это то, что вы испытываете.
Прогностическая модель также объясняет, почему восприятие может давать сбои характерным образом. Иллюзии — это не случайные ошибки, а систематические, случаи, когда предсказания мозга не соответствуют конкретной ситуации . Зрительные иллюзии обычно используют статистические закономерности, которые мозг усвоил на основе опыта. Мозг предсказывает, что должно быть на месте, основываясь на этих закономерностях, и когда предсказание неверно, вы видите то, чего физически нет.
Знаменитая иллюзия Мюллера-Лайера, при которой две линии одинаковой длины кажутся разными из-за стрелок на их концах, является ярким примером. Мозг усвоил, что определенные конфигурации линий обычно соответствуют углам комнат или краям объектов на разных расстояниях. Он использует это знание для предсказания длин линий, и эти предсказания перекрывают исходные сенсорные данные. Вы видите линии разной длины, потому что ваш мозг рассказывает вам историю о трехмерной структуре, которой на самом деле нет.
Галлюцинации в клиническом смысле, подобные тем, что возникают при шизофрении или под воздействием определенных лекарств, также можно рассматривать через эту призму. Они могут представлять собой случаи, когда предсказания мозга недостаточно ограничены сенсорными данными, когда баланс слишком сильно смещается в сторону модели и отходит от входных данных. Мозг генерирует перцепты, не имеющие внешнего аналога, потому что внутренние предсказания оторваны от внешней реальности.
Эта перспектива меняет наше понимание взаимосвязи между разумом и миром. У нас нет прямого доступа к реальности. У нас есть доступ к предсказаниям нашего мозга о реальности, предсказаниям, которые обычно точны, но всегда отфильтрованы посредством обучения и ожиданий. Красный цвет розы, звук колокола, запах кофе — ничто из этого не существует во внешнем мире в том виде, в котором мы его воспринимаем. Это конструкции нашего предсказательного мозга, модели, которые оказались полезными для ориентации в мире, но которые не следует путать с самим миром.
Некоторым такой вывод кажется дезориентирующим или даже тревожным. Если мы никогда не воспринимаем реальность напрямую, не оказались ли мы в ловушке сложной выдумки? Ответ неоднозначен. Эти предсказания — не произвольные фантазии. Они обусловлены сенсорными данными, поступающими из внешнего мира. Они формировались миллионами лет эволюционного давления, стремясь быть полезными, эффективно направлять действия, поддерживать жизнь организмов. В этом смысле они глубоко связаны с реальностью, даже если и не идентичны ей.
Концепция контролируемых галлюцинаций также предполагает новое понимание внимания. Если восприятие — это предсказание, то что определяет, какие предсказания генерируются? Что определяет, какие аспекты сцены получают детальное предсказание, а какие — завуалированное? Внимание можно понимать как процесс распределения ресурсов для предсказания, определяющий, где точность высока и предсказание детальное, а где точность низка и предсказание приблизительное.
Когда вы сосредотачиваетесь на чем-либо, вы генерируете более подробные прогнозы об этом и придаете больший вес ошибкам прогнозирования. Это делает вас более чувствительным к неожиданным особенностям объекта, на который вы обращаете внимание , но менее чувствительным к неожиданным особенностям в других местах. «Прожектор внимания» — это, по сути, прожектор предиктивной обработки, освещающий определенные части прогнозируемой сцены и оставляющий другие в тени.
Последствия распространяются и на само сознание. Что такое сознательный опыт в рамках этой концепции? Одна из влиятельных гипотез заключается в том, что сознание — это субъективный аспект высокоуровневого предсказания. Мы осознаём то, что предсказывает наш мозг, а не необработанные сенсорные данные, на которых основаны эти предсказания. Это объясняет, почему сознание ощущается единым и целостным, несмотря на то, что оно построено из множества отдельных процессов. Единым является именно предсказание, модель мира, которая интегрирует информацию из многих источников в единую связную историю.
Пассивность восприятия всегда была лишь иллюзией, устаревшей теорией, маскирующейся под здравый смысл. То, что мы называем зрением, на самом деле является предсказанием . То, что мы называем слухом, на самом деле является предсказанием . То, что мы называем переживанием реальности , на самом деле является запуском модели, которая невероятно хорошо предсказывает, как будет вести себя мир, но которая, тем не менее, является моделью, конструкцией, контролируемой галлюцинацией. Это не ограничение, которое нужно преодолеть. Это единственно возможное решение фундаментальной проблемы жизни в мире, который приходит слишком поздно, чтобы его можно было воспринять непосредственно.
;
ГЛАВА S : МУДРОСТЬ КИШЕЧНИКА

Если предсказание настолько распространено, если оно действует на каждом уровне нервной системы, от самых низших сенсорных процессов до самых высших когнитивных функций, то нам следует ожидать увидеть его проявления в областях, выходящих далеко за рамки восприятия и управления движениями. Одной из таких областей является интуиция, непосредственное знание без сознательного рассуждения, которое направляет большую часть человеческой жизни.
Интуиция всегда занимала непростое место в нашем понимании работы разума. Она кажется почти волшебной, подобно тому, как опытный шахматист может взглянуть на доску и мгновенно почувствовать, что позиция опасна, или как опытный врач может войти в палату пациента и почувствовать, что что-то не так, еще до постановки точного диагноза. Эти суждения приходят в готовом виде, без сознательного обдумывания, и тем не менее зачастую они удивительно точны. Как это возможно?
Традиционные объяснения затрагивают различные механизмы: распознавание образов, неявное знание, бессознательный вывод. Но эти обозначения в основном переименовывают явление, а не объясняют его. Утверждение о том, что интуиция включает в себя распознавание образов, не объясняет, как эти образы распознаются так быстро и надежно. Утверждение о том, что она включает в себя неявное знание, не объясняет, что такое неявное знание и как оно функционирует.
Прогностическая модель предлагает прямой ответ. Интуиция — это предсказание, которое стало настолько сжатым, автоматическим и быстрым, что перестало восприниматься как умозаключение. Это тот же самый механизм, который экстраполирует движущиеся объекты в зрительном восприятии или предвидит сенсорную обратную связь в управлении движением, но примененный к абстрактным областям и работающий ниже порога сознательного доступа.
Рассмотрим шахматиста. За тысячи партий его мозг закодировал статистические закономерности шахматных позиций. Определенные конфигурации фигур надежно предшествуют проблемам. Определенные закономерности сигнализируют о возможности. Это обучение не является явным, не хранится в виде словесных правил, которые игрок может сформулировать. Оно распределено по нейронным сетям, закодировано в весах синаптических связей, неявно заложено в архитектуре прогнозирования.
Когда появляется новая позиция, мозг генерирует прогнозы на основе этих усвоенных закономерностей. Если позиция соответствует паттернам, связанным с опасностью, в цепях, отвечающих за обнаружение угрозы, генерируются ошибки прогнозирования. Игрок воспринимает это как ощущение, мгновенное чувство, что что-то не так. Он может не суметь точно объяснить почему, но он это знает. Интуиция точна, потому что она отражает подлинную статистическую структуру в данной области, структуру, которую мозг усвоил благодаря обширному опыту.
Скорость интуиции не волшебная. Она заложена в самой структуре мышления. Сознательное рассуждение медленно, потому что оно сериализует информацию через рабочую память, которая может вместить лишь несколько элементов одновременно и должна обрабатывать их последовательно. Интуитивное предсказание полностью обходит это узкое место. Оно работает на основе распределенных, параллельных представлений, которые могут оценивать сложные закономерности за миллисекунды. Шахматный мастер не продумывает последствия каждой фигуры. Его мозг просто распознает общую картину, генерируя предсказание о характере позиции за то время, пока он смотрит на доску.
Эта концепция объясняет несколько загадочных особенностей интуиции. Она объясняет, почему интуиция улучшается с опытом: больше опыта означает больше данных для изучения закономерностей, более совершенные прогностические модели, более точные интуитивные суждения. Новичок не может обладать хорошей шахматной интуицией, потому что он еще не закодировал закономерности. Эксперт обладает интуицией именно потому, что он видел так много позиций, что его мозг научился предвидеть, чего ожидать.
Это объясняет, почему интуиция специфична для конкретной области . Интуиция шахматного мастера не применима в медицине или торговле акциями, потому что в разных областях наблюдаются разные закономерности. Мозг должен изучать закономерности каждой области отдельно. Нельзя быть интуитивно экспертом в том, чего не имеешь обширного опыта.
Это объясняет, почему интуиция может ошибаться. Модели, обученные на ограниченных или предвзятых данных, генерируют прогнозы, отражающие эти ограничения и предвзятость. Если врач в основном наблюдал определенное заболевание у пожилых пациентов, его интуиция может подвести, когда тот же самый случай проявится у молодого пациента. Закономерность усвоена , но усвоена не полностью. Прогноз упускает случаи, выходящие за пределы обучающего распределения.
Это объясняет, почему интуиция воспринимается скорее как восприятие, чем как умозаключение. В основе обоих процессов лежит один и тот же механизм прогнозирования. Когда вы видите летящий к вам мяч, ваша зрительная система предсказывает его траекторию без какого-либо логического обоснования. Когда вы чувствуете, что деловая сделка рискованна, ваш мозг делает нечто аналогичное, предсказывая результаты на основе усвоенных закономерностей, и результат ощущается столь же мгновенно и непредвзято.
Интуиция, предчувствие, шестое чувство — это не отдельные когнитивные способности. Это проявления процессов прогнозирования, действующих вне сознательного восприятия. Мудрость интуиции — это, по сути, мудрость предсказательного мозга.
Это имеет значение для того, как мы должны относиться к своей интуиции. Она заслуживает уважения, потому что часто содержит достоверные статистические данные, недоступные сознательному рассуждению. Но она также требует тщательного анализа, поскольку может содержать предвзятость , приводить к некорректным обобщениям и давать сбои в новых ситуациях. Интуиция эксперта ценна именно потому, что отражает обширный соответствующий опыт. Но даже экспертную интуицию следует проверять на основе доказательств и разума, особенно когда ставки высоки или ситуация необычна.
Интересно, что эта точка зрения предполагает, что дихотомия между интуицией и анализом менее четкая, чем мы часто предполагаем. Оба процесса включают в себя предсказание. Интуитивное предсказание быстрое, автоматическое и основано на неявных моделях. Аналитическое предсказание медленное, обдуманное и основано на явных моделях. Но основная вычислительная цель одна и та же: предсказать результаты на основе имеющейся информации. Разница заключается во временном масштабе и доступности для сознания, а не в фундаментальной природе процесса.
Творческое озарение также можно рассматривать через эту призму. Вспышка вдохновения, момент, когда решение проблемы внезапно представляется завершенным в сознании, напоминает интуицию своей скоростью и кажущейся легкостью. Возможно, озарение — это то, что происходит, когда прогностические модели, работающие на подсознательном уровне, находят неожиданную связь, генерируют предсказание, которое разрешает существующую загадку, и выводят это предсказание в сознание.
Ощущение прозрения, момент озарения, может быть феноменологией предсказания, которое резко снижает неопределенность. Мозг работал над проблемой, проводил симуляции, генерировал предсказания, сталкивался с ошибками предсказания. Когда он, наконец, находит подходящую модель, которая устраняет ошибки, внезапное снижение неопределенности воспринимается как прозрение. Решение кажется появившимся из ниоткуда, потому что работа, которая его привела, была бессознательной, но это все равно была работа по предсказанию.
Сны также можно понимать как предсказания, не ограниченные сенсорными данными. Во время сна механизм, обычно генерирующий предсказания о внешнем мире, продолжает работать, но без привязывающего влияния реальных сенсорных данных. В результате получается чистое предсказание, истории и образы, созданные внутренними моделями, которые не ограничены внешней реальностью. Это объясняет как яркую связность снов (они генерируются теми же системами, которые формируют восприятие в бодрствующем состоянии), так и их отход от физической реальности (они не подчиняются сенсорной обратной связи).
Эмоции также могут быть тесно связаны с предсказанием. То, что мы переживаем как эмоциональные состояния, может отчасти являться предсказаниями состояния нашего тела и влияния окружающего мира на наше благополучие. Тревога может быть ощущением, связанным с предсказанием угрозы. Радость может быть ощущением, связанным с предсказанием вознаграждения. Это предположения, требующие тщательной проверки, но они иллюстрируют, насколько широко может простираться прогностическая модель.
В целом, складывается картина разума, который является предсказательным от начала до конца. Восприятие, действие, интуиция, озарение, эмоции, возможно, даже само сознание — все это проявления фундаментального проекта мозга по предвидению мира. Эволюционное давление, которое заставило мозг развиваться в направлении предсказания, не привело к созданию системы восприятия, привязанной к системе рассуждения, которая, в свою очередь, привязана к системе эмоций. Оно создало интегрированную предсказательную архитектуру, в которой все эти функции разделяют общие вычислительные принципы.
Это объединяющее видение разума, связывающее экстраполяцию движения объектов в масштабе миллисекунд с многолетним развитием экспертной интуиции, объясняющее как успех умелых суждений, так и их систематические неудачи, разгадывающее старые загадки о том, как восприятие может быть таким быстрым, а интуиция — такой точной. Мудрость интуиции, как выясняется, — это мудрость предсказания, та же мудрость, которая позволяет вам поймать мяч, увернуться от удара и ориентироваться в мире, несмотря на то, что вы всегда живете в его прошлом.

ГЛАВА ВОСЬМАЯ: КОГДА МАШИНЫ УЧАТСЯ ПРЕДСКАЗЫВАТЬ

За последнее десятилетие в области искусственного интеллекта произошли удивительные изменения. Системы, разработанные людьми, работающие на кремниевых чипах и обученные на огромных массивах данных, сошлись на архитектурах, поразительно похожих на то, что мы описывали. Самые мощные системы ИИ в мире по своей сути являются машинами прогнозирования.
Это сближение не случайно. Оно отражает те же самые фундаментальные ограничения, которые сформировали биологический мозг, просто проявившиеся в другой среде.
Большие языковые модели, технология, лежащая в основе таких систем, как GPT и Claude, обучаются предсказывать следующий токен в последовательности текста. Дана последовательность слов, какое слово будет следующим? Эта, казалось бы, простая задача на самом деле требует чего-то вроде понимания. Чтобы предсказать, что после слова «столица Франции» следующим словом, скорее всего, будет «Париж», система должна закодировать что-то о географии. Чтобы предсказать, что после слова «она взяла красный мяч и бросила его» следующим словом может быть «он», «она» или «собака», система должна закодировать что-то об объектах, действиях и сущностях.
В больших масштабах прогнозирование следующего токена позволяет создавать системы, способные писать связные эссе, отвечать на вопросы, переводить языки, писать компьютерный код и заниматься тем, что выглядит как рассуждение. И все это благодаря обучению прогнозированию.
Почему искусственный интеллект в итоге сосредоточился на прогнозировании? Ответ кроется в ограничении, аналогичном ограничению по времени выполнения в биологических системах: вычислительная сложность.
Представьте, что потребовалось бы для генерации текста без предсказания. В каждой позиции документа вам нужно было бы оценить все возможные варианты продолжения. Для каждого варианта продолжения вы бы вычислили все его последствия, проверили его корректность на соответствие всем соответствующим фактам, проверили его согласованность со всем, что было раньше, и выбрали бы вариант, который оптимально удовлетворяет всем ограничениям. Это вычислительно невыполнимо. Количество возможных вариантов продолжения резко возрастает в комбинаторном отношении. Вы не можете всё продумать, прежде чем действовать.
Единственное масштабируемое решение — это прогнозирование на основе изученной статистической структуры. Вместо оценки всех возможностей, прогнозируйте вероятные исходы, основываясь на закономерностях, выявленных в огромных массивах данных. Это в точности аналогично тому, что делает биологический мозг. Вместо вычисления физических принципов каждого возможного будущего, прогнозируйте вероятные исходы, основываясь на закономерностях, выявленных на основе прошлого опыта .
Компромисс одинаков. Системы прогнозирования совершают ошибки. Мозг испытывает галлюцинации, воспринимая несуществующие закономерности. Языковые модели тоже испытывают галлюцинации, генерируя правдоподобно звучащие утверждения, которые на самом деле ложны. В обоих случаях галлюцинации — это не ошибка, а неизбежная плата за прогнозирование как стратегию. Невозможно прогнозировать, не допуская при этом ошибок.
Модели компьютерного зрения рассказывают похожую историю. Наиболее успешные подходы к компьютерному зрению не пытаются вывести идентичность объектов из фундаментальных принципов. Они учатся предсказывать визуальные паттерны на основе огромных массивов данных изображений. Они разрабатывают внутренние представления, которые поддерживают эти предсказания, представления, которые, как оказалось, отражают нечто о структуре визуального мира.
Системы обучения с подкреплением, которые управляют играми или роботами, делают это, учась предсказывать последствия действий. Они создают внутренние модели того, как окружающая среда реагирует на вмешательства, и используют эти модели для выбора действий, которые приводят к желаемым результатам. Чем точнее предсказание, тем лучше производительность.
Сближение подходов затрагивает множество областей. Символические системы искусственного интеллекта, которые рассуждают на основе явных правил, в конечном итоге сталкиваются с ограничениями масштабируемости. Нейронные сети, которые изучают неявные закономерности, масштабируются лучше. Гибридные системы, сочетающие прогнозирование с рассуждениями, превосходят каждый из подходов по отдельности. Но общим звеном всех успешных подходов в масштабе является прогнозирование, изучение статистической структуры данных и использование её для предсказания дальнейших событий.
Можно утверждать, что эта конвергенция не отражает ничего глубокого, что системы ИИ обладают способностью к прогнозированию просто потому, что мы умеем их обучать. Прогнозирование следующего токена — удобная задача для градиентного спуска, и, возможно, другие архитектуры тоже подошли бы, если бы мы нашли правильный обучающий сигнал.
Это вполне обоснованная альтернативная гипотеза. Мы не можем исключить, что некоторая непредсказывающая архитектура может достичь сопоставимых результатов при использовании различных методов обучения. Однако ряд соображений склоняется в пользу интерпретации как необходимости.
Во-первых, различные подходы в масштабируемом виде сходятся к механизмам, подобным предсказанию. К ним относятся символический ИИ, обучение с подкреплением, эволюционные вычисления и нейронные сети. Если бы предсказание было лишь одним из многих вариантов, мы ожидали бы большего разнообразия успешных подходов.
Во-вторых, вычислительная сложность исчерпывающей проверки не зависит от субстрата . Неважно, состоите ли вы из нейронов или транзисторов, вы не сможете оценить все возможности за полиномиальное время. Комбинаторный взрыв не зависит от вашей реализации.
Во-третьих, прогностические архитектуры появились в ИИ до того, как была понята их теоретическая необходимость. Исследователи обнаружили, что прогнозирование работает, еще до того, как у них появилась теория о том, почему прогнозирование должно работать. Это говорит об обнаружении ограничения, а не о произвольном выборе.
Между биологическим и искусственным прогнозированием существует глубокая взаимосвязь. Оба подхода сталкиваются с проблемой обучения тому, что именно нужно прогнозировать. Проблема релевантности заключается в том, как система определяет, какие прогнозы стоит делать среди бесконечного множества возможных вариантов будущего. Простое прогнозирование недостаточно, если невозможно расставить приоритеты в контексте прогнозов.
Биологические системы решают эту проблему посредством эволюции и обучения. Эволюция настраивает организмы на предсказание важных для выживания характеристик. Обучение уточняет эти предсказания на основе опыта. В результате получается механизм прогнозирования, который фокусируется на том, что действительно имеет значение.
Системы искусственного интеллекта решают проблему релевантности с помощью целей обучения и механизмов внимания. Обучающие данные определяют, какие закономерности стоит изучать. Механизмы внимания позволяют системе сосредоточить вычислительные ресурсы на релевантных частях входных данных. В результате получается аналогично сфокусированное прогнозирование.
Как биологические, так и искусственные системы сталкиваются с проблемой иерархической организации. Предсказания на одном уровне должны основываться на предсказаниях на других уровнях. Визуальная система предсказывает объекты на основе признаков, на основе ребер, на основе базовых элементов. Языковые модели предсказывают предложения на основе фраз, на основе слов, на основе токенов. Иерархия возникает из структуры задачи предсказания.
Сближение биологического и искусственного интеллекта в архитектурах прогнозирования указывает на нечто универсальное. Оно предполагает, что прогнозирование — это не просто одна из вычислительных стратегий, а именно та вычислительная стратегия, которой должна руководствоваться любая система, сталкиваясь с ограничениями, связанными с неопределенностью и ограниченными ресурсами.
;
ГЛАВА ДЕВЯТАЯ: КРИТИКИ И АЛЬТЕРНАТИВЫ

Ни одна научная концепция не избегает критики, и теория предиктивной обработки информации тоже сталкивалась с ней. Если мы хотим серьезно отнестись к этому вопросу, мы должны честно ответить на критику и рассмотреть альтернативные концепции, предлагающие иные взгляды на то, как работает разум.
Наиболее распространенная критика заключается в том, что предиктивная обработка информации неопровержима, что любое наблюдение можно объяснить корректировкой параметров. Сторонники теории утверждают, что когда ошибки прогнозирования велики, точность была низкой. Когда ошибки малы, точность была высокой. Когда организмы активно ищут ошибки прогнозирования, как, например, из любопытства и во время игры, взвешивание по точности объясняет это. Теория, кажется, подстраивается под любые данные.
Эта критика применима к некоторым реализациям предиктивного кодирования, специфической нейронной модели, которая постулирует иерархическую обработку с прямыми предсказаниями и обратными сигналами ошибки. Параметры точности в этих моделях действительно можно регулировать в соответствии с различными наблюдениями. Если теория может что-либо объяснить, она ничего не объясняет.
Однако критика в адрес аргумента, представленного в этой книге, менее убедительна. Наше утверждение не касается конкретных нейронных реализаций или параметров точности. Речь идёт об ограничении: системы с конечной задержкой в суровых условиях должны кодировать информацию о будущих состояниях, чтобы выжить. В принципе, это опровергаемо. Для этого необходимо продемонстрировать систему, которая может существовать неограниченно долго в динамичной, суровой среде с нулевой способностью к прогнозированию.
В более общем смысле, следует различать предиктивную обработку как структуру, которая, возможно, действительно слишком гибкая, и предсказание как необходимую вычислительную стратегию, вытекающую из физических ограничений. В некоторых своих формулировках эта структура может быть неопровержимой. Утверждение о необходимости — нет.
Нематода C. elegans представляет собой очевидный контрпример. Этот крошечный червь имеет всего 302 нейрона, и его коннектом, полная схема связей его нервной системы, был картирован. Его поведение, по-видимому, в значительной степени реактивное, реагирующее на химические градиенты и механические стимулы без сложных предсказаний. Если предсказание необходимо, почему C. elegans удается существовать с такой минимальной системой?
Ответ кроется в граничных условиях аргумента. Caenorhabditis elegans достаточно мал, около одного миллиметра в длину, поэтому задержки проведения сигнала незначительны. Сигналы проходят через всю нервную систему за микросекунды. Он функционирует в относительно стабильных средах, почве и бактериальных рощах, с низкими временными требованиями. Большинство его поведенческих реакций — хемотаксис и питание — допускают значительную задержку. Критерий наказания выполняется лишь слабо.
C. elegans не опровергает этот аргумент. Он иллюстрирует граничные условия. Очень маленькие организмы в стабильной среде могут позволить себе реактивную архитектуру . Но C. elegans не смог бы достичь даже умеренных размеров тела без фундаментальных архитектурных изменений. Этот аргумент применим там, где задержки имеют значение, а окружающая среда наказывает за ошибки. C. elegans живет вне этого режима.
Экологическая психология, связанная с Джеймсом Гибсоном, предлагает более фундаментальную альтернативную концепцию. Гибсон утверждал, что восприятие является прямым, а не умозаключительным. Организмы воспринимают аффордансы, возможности действий, которые непосредственно определяются инвариантной информацией в зрительном поле, без построения внутренних моделей. Это прямо противоречит утверждению о том, что восприятие — это контролируемая галлюцинация.
Гибсон был прав в одном важном вопросе. Окружающая среда имеет богатую структуру, и большая часть информации доступна организмам напрямую, если они умеют её усваивать. Экологический подход исправляет недостатки вычислительных теорий, которые создают впечатление, будто восприятие — это решение абстрактных головоломок в вакууме.
Однако противоречие между экологической психологией и предиктивной обработкой информации может быть скорее кажущимся, чем реальным. Для распространения информации по нервной системе по-прежнему требуется время. Даже если восприятие является прямым в том смысле, что не требует символического вывода, оно все равно сталкивается с проблемой задержки. Вопрос не в том, является ли восприятие репрезентативным — философский спор, который мы можем отложить в сторону, — а в том, требуют ли временные ограничения предвосприятия, физического факта.
Примирение возможно. Экологическая информация может определять, что именно нужно предсказывать. Возможности взаимодействия могут быть содержанием предсказаний, а не их альтернативами. Окружающая среда сообщает организму, какие закономерности важны, и предсказательный мозг учится предвидеть эти закономерности. Идеи Гибсона об экологической информации и идеи предсказательной модели о нейронных вычислениях могут сосуществовать.
Модели с прямой связью и механизмы прямого управления представляют собой еще одну альтернативу. Классические модели обработки визуальной информации подчеркивали прямой поток информации, от сетчатки через последовательные этапы обработки к более высоким областям. Эти модели могут объяснить значительную часть обработки визуальной информации без использования предсказаний. Механизмы прямого управления прекрасно работают в определенных режимах.
Ответ заключается не в отрицании этих альтернатив, а в уточнении, когда они применимы. В средах с низкой сложностью прямое управление может быть оптимальным. Стоимость поддержания модели прогнозирующего мира может превышать выгоду, если ошибки редки или недороги. Мы можем формализовать это как расчет затрат и выгод. Прогнозирование предпочтительнее, когда ожидаемая стоимость ошибок при реактивном управлении превышает стоимость прогнозирующего оборудования плюс оставшиеся ошибки.
Следовательно, утверждение следует уточнить. Прогнозирование необходимо там, где выполняется неравенство «затраты-выгоды», что включает все динамические, требующие больших временных затрат ниши со значительной задержкой. Оно не охватывает все возможные системы во всех возможных средах.
Ещё одно возражение касается проблемы релевантности. Даже если прогнозирование необходимо, какие именно прогнозы следует делать? Как система определяет, какие из бесконечного множества возможных вариантов будущего стоит предвидеть? Это действительно сложная задача.
В рамках прогнозной обработки проблема релевантности решается с помощью взвешивания точности — динамической корректировки веса различных прогнозов на основе их предполагаемой надежности и релевантности текущим целям. Прогнозы, касающиеся характеристик, имеющих отношение к выживанию, получают более высокую точность. Прогнозы, касающиеся нерелевантных характеристик, получают более низкую точность.
В биологических системах эволюция уже решила большую часть проблемы релевантности. Организмы не начинают с нуля решать, что предсказывать. Они наследуют нейронные архитектуры, уже настроенные на предсказание важных для выживания признаков. Структура релевантности закодирована в геноме до начала индивидуального обучения.
Важно отметить, что проблема релевантности не подрывает необходимость прогнозирования. Она устанавливает дополнительное ограничение на то, какие виды прогнозирования являются жизнеспособными. Система, прогнозирующая нерелевантные признаки, будет вытеснена системой, прогнозирующей релевантные признаки. Но система, которая ничего не прогнозирует, будет вытеснена обеими. Проблема релевантности — это фактор отбора в пространстве архитектур прогнозирования, а не альтернатива самому прогнозированию.
В свете этих соображений нам следует уточнить основное утверждение. Вместо того чтобы без оговорок утверждать, что предиктивная обработка — единственная жизнеспособная архитектура, мы должны сказать, что предиктивная обработка — единственная масштабируемая и эволюционно стабильная архитектура для адаптивных систем, работающих в условиях реалистичных физических ограничений в динамичной, требующей больших временных затрат среде. Такая формулировка учитывает граничные случаи, сохраняя при этом основную идею.
;
ГЛАВА ДЕСЯТАЯ: УНИВЕРСАЛЬНЫЙ ПРИНЦИП

Мы проследили развитие архитектуры прогнозирования через биологические нервные системы и искусственный интеллект, через зрение, эхолокацию и интуицию, через ограничение по задержке, ограничение по масштабируемости и ограничение по среде. В каждом случае мы обнаруживаем одну и ту же закономерность: системы, сталкивающиеся с временными требованиями и конкурентным давлением, сходятся к прогнозированию как к своей основной вычислительной стратегии.
Наблюдаем ли мы более общий принцип? Есть ли нечто универсальное в предсказании, что выходит за рамки конкретных деталей работы мозга и компьютеров?
Мы предполагаем, что такое возможно. В любой конкурентной системе, где результаты зависят от скорости реакции, а скорость реакции ограничена конечной задержкой выполнения операции, стратегии прогнозирования будут, как правило, становиться доминирующим решением. Это не закон в смысле физики, не исключительная закономерность, выведенная из фундаментальных принципов. Это скорее область притяжения, тенденция, которая усиливается по мере усиления соответствующих ограничений.
Рассмотрим доказательства общности. Системы высокочастотной торговли свелись к стратегиям прогнозирования, предсказывая движения рынка за микросекунды до их возникновения. Военная доктрина в разных культурах и на протяжении веков делала акцент на предвидении и инициативе, проникая в цикл принятия решений противника. Искусственный интеллект, играющий в игры, учится предсказывать поведение конкурентов, а не исчерпывающе вычислять все возможные варианты. В каждом случае применяется одна и та же логика: конкуренция плюс ограничение по времени дают прогноз.
Формальное изложение этого принципа можно назвать Законом прогнозируемой жизнеспособности. Для любой адаптивной системы с задержкой больше нуля в суровой, нестационарной среде, для сохранения устойчивости необходимо, чтобы внутренние состояния кодировали информацию о будущих состояниях окружающей среды, выходящую за рамки того, что доступно в текущих наблюдениях. Если это условие не выполняется, действия калибруются для настоящего, а не для будущего, неправильная калибровка увеличивает вероятность прекращения действия, и со временем вероятность выживания стремится к нулю.
Математика проста. Пусть вероятность выживания на каждом временном шаге будет иметь некоторое значение меньше единицы для непредсказуемой системы. Вероятность выживания через n шагов — это значение, возведенное в n-ю степень, которое стремится к нулю по мере увеличения n. Без предсказания вымирание неизбежно. Это лишь вопрос времени.
Мы можем расширить эту модель, добавив параметры окружающей среды. Изменчивость окружающей среды измеряет, насколько непредсказуемо будущее с учетом настоящего. Строгость наказания измеряет вероятность того, что ошибки приведут к фатальному исходу. Прогностическая способность измеряет, сколько информации внутренние состояния несут о будущих состояниях. Вероятность выживания на каждом шаге зависит от всех трех факторов: более высокая изменчивость увеличивает количество ошибок, прогностическая способность уменьшает количество ошибок до предсказуемого уровня, а наказание преобразует ошибки в вероятность завершения.
Закон не является универсальным. Существуют граничные условия. Если окружающая среда полностью случайна, предсказание невозможно, и аргумент неприменим. Если окружающая среда не наказывает за ошибки, отсутствует селективное давление в пользу предсказания. Если система поддерживается внешними факторами, а не является автономной, устойчивость не зависит от её собственных действий. Если задержка равна нулю, достаточно реакции. Эти граничные условия не подрывают аргумент. Они определяют область его применимости.
Закон прогнозируемой жизнеспособности генерирует проверяемые прогнозы. У разных видов сложность механизмов прогнозирования должна коррелировать с размером тела и экологическими временными требованиями. У людей, выполняющих задачи перехвата, сигналы ошибки прогнозирования должны появляться раньше относительно выполнения действия по мере увеличения сложности задачи. Искусственное увеличение эффективной задержки должно приводить к систематическим ошибкам, предсказуемым на основе модели. Агентные симуляции должны демонстрировать, что у непредсказуемых агентов вероятность выживания снижается, приближаясь к нулю.
Этот принцип также позволяет генерировать прогнозы для искусственного интеллекта. Системы, масштабированные для работы в реальном времени в физических условиях со значительной задержкой, будут независимо сходиться к предиктивным архитектурам не потому, что разработчики выбирают прогнозирование, а потому, что ничто другое не работает. Галлюцинации в системах ИИ окажется невозможно полностью устранить, поскольку это цена прогнозирования в условиях неопределенности. Модели мира будут возникать в любом способном ИИ, работающем в динамических средах, не по явному замыслу, а по вычислительной необходимости.
Следует проявлять осторожность в излишних заявлениях. Не все системы сталкиваются с конкурентным давлением. Не все конкурентоспособные системы ограничены задержкой . Принцип описывает тенденцию, а не безусловный закон, область притяжения, а не логическую необходимость. В стабильных средах есть место для реактивных стратегий, для обработки с опережением , где ошибки обходятся недорого , для простого управления, где сложность не нужна.
Однако область применения огромна. Жизнь на Земле миллиарды лет существовала в условиях конкуренции и жестких временных ограничений. Селективное давление, направленное на прогнозирование, существовало дольше, чем большинство геологических формаций. В результате каждая известная нам сложная нервная система, каждая система искусственного интеллекта, достигающая высоких показателей, каждая адаптивная система, работающая в масштабе и в динамических условиях, по своей сути является предсказательной.
Это не потому, что эволюция случайно наткнулась на предсказание. Это не потому, что исследователи ИИ случайно выбрали цели предсказания. Это потому, что физика времени и распространения информации в сочетании с математикой конкуренции и отбора не оставляют другого выбора. Предсказание — это не когнитивная мода или мимолетная парадигма. Это универсальный ответ адаптивных систем, биологических или искусственных, земных или иных, на фундаментальную проблему действия в мире, который появляется слишком поздно, чтобы его можно было воспринять напрямую.
Мир прямого восприятия, исчерпывающего рассуждения, цепочек «стимул-реакция», не осложненных предвидением, — этот мир никогда не существовал и не может существовать. Физика запрещает это. Математика запрещает это. Каждый мозг, когда-либо эволюционировавший, и каждый искусственный интеллект, когда-либо достигший масштабов, уже всегда был и остается способным к предсказанию.
Что это значит для нашего понимания самих себя? Мы — машины предсказаний. Мы не пассивно воспринимаем реальность; мы активно её конструируем. Мы не ждём, пока мир скажет нам, что делать; мы предвидим, чего мир от нас потребует. Наша интуиция, наше восприятие, наши чувства, само наше ощущение присутствия в мире — всё это возникает из этой фундаментальной вычислительной архитектуры.
Это не умаляет достоинств системы. Быть машиной прогнозирования означает быть системой, способной ориентироваться в мире, полном неопределенности, эффективно действовать, несмотря на неполную информацию, учиться на опыте и совершенствоваться с течением времени. Это значит быть системой, способной выживать.
История предсказания — это, в конечном счете, история выживания. От первых организмов, научившихся предвидеть химические градиенты, через сложные нервные системы хищников и жертв, вовлеченных в вечную гонку вооружений, до искусственных разумов, которые мы сейчас создаем по своему образу и подобию, предсказание было нитью, связывающей все адаптивные системы во времени и на разных субстратах.
Понять предсказание — значит понять нечто фундаментальное о том, что значит быть живым, мыслить, существовать во вселенной, которая всегда на шаг впереди нашего восприятия. Предсказание — это не просто способ выживания. В глубинном смысле предсказание — это само выживание.


















ПОСЛЕСЛОВИЕ: КУДА НАС ПРИВЕДЕТ ПРЕДСКАЗАНИЕ

Что мы узнали

мы вместе прошли долгий путь. Мы начали с простого физического факта: нейронные сигналы распространяются с конечной скоростью. От этой скромной отправной точки мы выстроили аргументацию, которая приводит к глубоким выводам о природе разума, восприятия и самого выживания.
Ключевую идею можно сформулировать просто. Предсказание — это не когнитивная роскошь или эволюционная случайность. Это физическая необходимость. Любая система с конечной задержкой, работающая в конкурентной среде с жесткими временными ограничениями, должна либо предсказывать, либо погибнуть. Математика беспощадна. Системы, которые просто реагируют, сталкиваются с экспоненциально уменьшающейся вероятностью выживания. Со временем вымирание неизбежно. Выживает только предсказание.
Это меняет наше понимание концепции предиктивной обработки информации. На протяжении десятилетий исследователи спорили о том, работает ли мозг таким образом, накапливая доказательства «за» и «против», обсуждая варианты реализации и альтернативы. Аргумент Бориса Кригера о физических ограничениях меняет вопрос. Теперь речь идёт не о том, предсказывают ли мозг случайно. Речь идёт о том, что мозг должен предсказывать, учитывая ограничения, в рамках которых он функционирует. Физика и математика не оставляют другого выбора.
Мы видим проявление этой необходимости в самых разных масштабах и на разных уровнях. От точных, с точностью до миллисекунд, ударов лягушек, ловящих мух, до предсказания траекторий на дальние расстояния бейсбольными аутфилдерами. От эхолокации летучих мышей, охотящихся в темноте, до электросенсорных систем рыб, ориентирующихся в мутных водах. От древних нервных систем, сформированных сотнями миллионов лет эволюции, до искусственных нейронных сетей, обученных на кремниевых чипах в последнее десятилетие. Куда бы мы ни посмотрели, предсказание предстает как универсальное решение универсальной проблемы действий в мире, который приходит слишком поздно.


Последствия для понимания самих себя

Что значит быть машиной предсказаний? Этот вопрос затрагивает саму суть нашего понимания себя как сознательных существ, ориентирующихся в неопределенном мире.
Во-первых, и это самое главное, это означает, что мы не пассивные наблюдатели. Наивное представление о восприятии, то, которого придерживается большинство из нас, не анализируя его, утверждает, что мы просто получаем информацию о мире и представляем её внутри себя. Мир существует, наши органы чувств воспринимают его, и мы видим вещи такими, какие они есть. Это представление ошибочно. Оно не просто неполное или чрезмерно упрощённое. Оно физически невозможно.
То, что мы воспринимаем как зрение, слух и осязание, на самом деле является наилучшим предсказанием нашего мозга о том, каким мир является прямо сейчас, основанным на информации, которая уже устаревает к моменту её получения. Восприятие — это не восприятие. Восприятие — это контролируемая галлюцинация, предсказание, диктуемое сенсорными данными, но никогда не заменяемое ими.
Это имеет значение для нашего понимания личной идентичности и самосознания . Если каждый опыт — это предсказание, то и само «я», которое переживает этот опыт, само по себе является предсказанием, моделью, которую мозг поддерживает относительно сущности, к которой оно принадлежит. Ощущение непрерывности личности, существующей во времени, может быть предсказанием мозга о собственной непрерывности, обновляемым ежеминутно, но никогда не проверяемым напрямую. В некотором смысле, мы — это истории, которые мы рассказываем себе о себе, предсказания, которые, как правило, оказываются точными.
Последствия для свободы воли столь же глубоки. Если наши действия являются результатом работы предсказательных механизмов, функционирующих в основном вне сознательного восприятия, то какое место остается для выбора? Ответ может быть более оптимистичным, чем кажется на первый взгляд. Предсказание — это не детерминизм. Предсказательные системы могут учитывать множество возможных вариантов будущего, сопоставлять их с целями и ценностями и выбирать между ними. Этот выбор может не быть беспричинной причиной либертарианской свободы воли, но он также не является простым механическим рефлексом. Мы выбираем в том смысле, что наши предсказательные модели включают представления о вариантах и последствиях, а наши действия отражают интеграцию этих представлений. Удовлетворяет ли это философским определениям свободы — вопрос, который мы можем оставить философам. На практике важно то, что предсказание обеспечивает гибкость, обучение и восприимчивость к доводам.
Предсказательная модель также по-новому освещает проблему психического здоровья. С этой точки зрения, тревога может быть связана с чрезмерным прогнозированием угроз, с мозгом, который слишком легко генерирует сигналы опасности и придает им слишком большое значение. Депрессия может быть связана с нарушением прогнозирования, неспособностью предвидеть позитивные сценарии будущего или воспринимать мир как предлагающий возможности, достойные внимания. Психоз может быть связан с прогнозами, оторванными от сенсорных ограничений, с моделями, работающими свободно, без достаточной дисциплины со стороны реальности. Это не просто метафоры. Они указывают на конкретные механизмы, на которые можно воздействовать с помощью вмешательства.

Последствия для искусственного интеллекта

Сближение биологического и искусственного интеллекта в области предиктивных архитектур — одно из самых поразительных открытий последних десятилетий. Большие языковые модели, обученные предсказывать следующий элемент в текстовых последовательностях, развили возможности, которые удивляют даже их создателей. Модели зрения, обученные предсказывать визуальные паттерны, освоили представления, отражающие глубинную структуру визуального мира. Агенты обучения с подкреплением, обученные предсказывать последствия действий, освоили игры и задачи, которые ранее считались требующими человеческого уровня интеллекта.
Аргумент, основанный на физических ограничениях, объясняет это. Искусственные системы сталкиваются с ограничением, аналогичным задержке: вычислительная неразрешимость. Невозможно оценить все возможные продолжения текста, все возможные интерпретации изображения, все возможные последствия действия. Комбинаторный взрыв это запрещает. Единственная масштабируемая стратегия — это прогнозирование, основанное на изученной статистической структуре. Искусственный интеллект перешел к прогнозированию не потому, что исследователи выбрали его произвольно, а потому, что ничто другое не работает в масштабе.
Это имеет последствия для устойчивых проблем в ИИ. Галлюцинации, то есть генерация правдоподобно звучащих , но ложных результатов, никогда не будут полностью искоренены из систем прогнозирования. Галлюцинации — это не ошибка, которую нужно исправлять. Это цена прогнозирования в условиях неопределенности. Невозможно создать системы, которые генерируют новые результаты на основе изученных закономерностей, не генерируя при этом иногда результаты, не соответствующие реальности. Целью должно быть снижение и управление галлюцинациями, а не их полное устранение.
В этом аргументе также предсказывается, что модели мира появятся в любом достаточно совершенном ИИ, работающем в динамичной среде. Не потому, что разработчики специально их встраивают, а потому, что поддержание прогностической информации о динамике окружающей среды необходимо для эффективных действий. По мере того, как системы ИИ становятся все более автономными, работая в реальном времени в физической или сложной виртуальной среде, они будут развивать внутренние представления, кодирующие ожидания относительно того, как эти среды будут себя вести. Это не предположение. Это следствие тех же ограничений, которые сформировали биологический мозг.
С точки зрения безопасности и согласованности ИИ эти выводы отрезвляют. Мы создаём системы, которые неизбежно будут разрабатывать собственные модели мира, включая модели людей и человеческих намерений. Эти модели будут формироваться на основе обучающих данных и целей, но они не будут полностью прозрачными или контролируемыми. Задача согласованности заключается в обеспечении того, чтобы системы прогнозирования предсказывали то, что мы хотим, и действовали на основе этих прогнозов таким образом, чтобы это соответствовало человеческим ценностям. Аргумент о физических ограничениях предполагает, что эта проблема является фундаментальной, а не особенностью существующих архитектур , которую можно будет устранить.

Последствия для образования и профессиональной подготовки

Если разум — это машина для предсказаний, то обучение — это совершенствование прогностических моделей. Эта простая переформулировка имеет существенные последствия для нашего понимания образования, обучения и развития профессиональных навыков.
Для достижения экспертного уровня требуется время, поскольку построение точных прогностических моделей предполагает обширный опыт работы с соответствующими закономерностями. Шахматный гроссмейстер просмотрел тысячи партий. Опытный врач побывал у тысяч пациентов. Квалифицированный спортсмен выполнил тысячи повторений. В каждом случае мозг кодирует статистические закономерности, изучает, что что предсказывает, и строит модели, которые формируют точные ожидания в соответствующей области.
Это объясняет, почему экспертные знания зависят от конкретной области . Закономерности шахмат отличаются от закономерностей медицины, которые, в свою очередь, отличаются от закономерностей тенниса. Каждая область требует своих собственных прогностических моделей, построенных на основе знакомства с конкретными закономерностями этой области. Не существует универсального экспертного знания, нет быстрого пути, который можно было бы использовать в разных областях, поскольку прогнозирование зависит от обучения, специфичного для данной области.
Это также объясняет, почему целенаправленная практика работает. Целенаправленная практика включает в себя сосредоточенное взаимодействие со сложным материалом, немедленную обратную связь об ошибках и повторение с вариациями. С точки зрения прогнозирования, это оптимальная тренировка для механизма прогнозирования мозга. Сложный материал порождает ошибки прогнозирования. Немедленная обратная связь позволяет их исправить. Повторение с вариациями создает надежные модели, которые обобщают, а не запоминают.
Для образования это имеет значительные последствия. Эффективное преподавание — это не просто передача информации. Это формирование в сознании учащихся моделей прогнозирования. Хорошие учителя создают условия для ошибок прогнозирования, помогая учащимся обнаружить, где их ожидания не оправдываются. Они своевременно предоставляют обратную связь, позволяющую корректировать свои прогнозы. Они представляют материал в различных контекстах, чтобы учащиеся усваивали закономерности, а не поверхностные особенности.
Прогностическая модель также объясняет неэффективность пассивного обучения. Простое чтение или прослушивание не задействуют механизм прогнозирования в полной мере. Активное участие, тестирование, практика извлечения информации, решение задач — эти виды деятельности заставляют мозг генерировать прогнозы, которые затем можно проверить на соответствие реальности. Возникающие ошибки прогнозирования являются основой обучения.

Философские горизонты

Предсказательная модель поднимает философские вопросы, которые мы едва начали исследовать. Если всё, к чему мы когда-либо получаем доступ, — это предсказания нашего мозга, а не сама реальность, то какова природа той реальности, в которой мы обитаем? Подобны ли мы узникам в пещере Платона, наблюдающим за тенями и принимающим их за сами вещи? Или же эта метафора вводит в заблуждение, подразумевая реальность, к которой мы могли бы получить доступ, если бы только обернулись, тогда как на самом деле нет никакого поворота, никакого непосредственного доступа?
Эпистемология, наука о знании, должна быть переосмыслена в свете предсказания. Что значит знать что-либо, если всё знание — это предсказание? Возможно, знание — это просто точное предсказание, модели, которые надёжно предвосхищают будущие наблюдения. Это прагматическая эпистемология, основанная не на уверенности или прямом доступе, а на полезности и надёжности. Мы знаем, что можем предсказать. Мы понимаем, что можем предвидеть. Истина — это то, что выдерживает контакт с реальностью.
Сложная проблема сознания, вопрос о том, почему вообще существует субъективный опыт, остается нерешенной с помощью теории предиктивной обработки информации. Но предложенная концепция открывает новые перспективы. Возможно, сознание — это то, как ощущается предсказание изнутри. Возможно, качественный характер опыта — это способ, которым мозг представляет свои собственные предсказательные состояния. Это лишь предположения, а не решения, но они указывают направления исследований, которые не были видны с других отправных точек.
Проблема чужих умов приобретает новые измерения. Если все умы способны предсказывать, если предсказание является универсальной вычислительной стратегией для систем, работающих в условиях описанных нами ограничений, то, возможно, между умами существует больше общего, чем мы обычно предполагаем. Люди, животные, возможно, даже искусственные системы, могут разделять фундаментальную архитектуру, даже несмотря на различия в содержании и возможностях. Понимание предсказаний в нас самих может стать путем к пониманию предсказаний в других.

Открытые вопросы и направления будущих исследований

Аргумент, основанный на физических ограничениях, устанавливает необходимость, но оставляет многое необъясненным. Мы знаем, что предсказание должно происходить. Мы пока не знаем всех деталей того, как это происходит в конкретных системах, или как эти детали различаются в зависимости от вида и субстрата.
Проблема релевантности остается не до конца решенной. Предсказания необходимы, но какие именно предсказания? Как мозг и системы искусственного интеллекта определяют, что стоит предвидеть, среди бесконечного множества возможных вариантов будущего? Эволюционная настройка и взвешивание точности дают частичные ответы, но полная теория релевантности до сих пор не найдена.
Необходимы эмпирические проверки закона прогнозируемой жизнеспособности. Аргумент порождает конкретные предсказания: что сложность прогнозирования должна коррелировать с размером тела и экологическими временными требованиями, что искусственное увеличение задержки должно приводить к систематическим ошибкам, что непредсказуемые агенты в симуляциях должны демонстрировать снижение выживаемости. Эти предсказания можно и нужно проверить.
Междисциплинарное сотрудничество имеет важное значение. Аргумент физических ограничений объединяет физику, биологию, информатику и философию. Ни одна дисциплина не обладает всеми необходимыми инструментами для разработки и проверки его последствий. Прогресс требует совместной работы исследователей из разных областей, применения различных методов и точек зрения для решения общих вопросов.
Статья Кригера была доведена до сведения ведущих исследователей в этих областях именно для того, чтобы побудить к подобному сотрудничеству. Наука развивается благодаря диалогу, столкновению идей и интеграции данных из различных источников. Аргумент о физических ограничениях — это приглашение, а не окончательное слово.

Космическая перспектива

Если предсказание физически необходимо для любой адаптивной системы, работающей в условиях реалистичных ограничений, то предсказание может быть универсальным в глубоком смысле слова. Везде во Вселенной, где существуют системы, сталкивающиеся с задержками и конкуренцией, предсказание будет возникать. Это не мистика, а математика.
Если инопланетные разумы существуют, они столкнутся с теми же ограничениями, что и мы. Их сигналы будут распространяться с конечной скоростью. Их окружающая среда потребует своевременного реагирования. Физика , которая делает предсказания необходимыми на Земле, — это та же физика, которая управляет каждой планетой вокруг каждой звезды. Мы можем ожидать, что инопланетный разум будет обладать способностью к предсказанию, отличаясь в деталях, но будучи похожим по фундаментальной архитектуре.
Саму жизнь можно рассматривать как феномен предсказания. Живые системы поддерживают свою устойчивость к энтропии, предвидя экологические вызовы и готовя ответные меры. Термодинамические императивы, движущие самоорганизацией и самовоспроизведением, могут быть тесно связаны с предсказанием. Жить — значит сопротивляться разрушению, а сопротивление требует предвидения.
Стрела времени указывает в одном направлении: из прошлого в будущее, из памяти в предвкушение. Мы помним, что произошло, и предсказываем, что произойдет. Эта асимметрия заложена в самой структуре предсказания. Прошлое предсказать невозможно. Прошлое фиксировано, доступно памяти, но не предвкушению. Будущее открыто, доступно предсказанию, но не воспоминанию. Разум ориентирован на будущее, потому что предсказание ориентировано на будущее, потому что выживание требует стремления к завтрашнему дню.
В этом смысле мы существуем в ожидании. Настоящий момент, каким мы его переживаем, уже является предсказанием ближайшего будущего. Мы живем не в мгновении, а в промежутке между тем, что было, и тем, что будет. Сознание — это передний край предсказательной волны, точка, где прошлые модели проецируются в возможные варианты будущего.

Приглашение читателю

Заканчивая эту книгу, я предлагаю вам понаблюдать за процессом предсказания в собственном опыте. Посмотрите на свою руку, когда тянетесь за чашкой. Обратите внимание, как формируются ваши пальцы перед тем, как коснуться их, как меняется ваша хватка в ожидании веса и текстуры. Это и есть предсказание в действии.
Послушайте знакомую песню и обратите внимание, как вы предвосхищаете следующие ноты еще до того, как они прозвучат. Наблюдайте, как неожиданные слова в разговоре привлекают ваше внимание, в то время как ожидаемые слова пролетают незамеченными. Прислушайтесь к своей интуиции и спросите себя, какие закономерности она может отражать, какие предсказания генерирует ваш мозг ниже порога сознательного доступа.
Необычное становится обыденным, когда понимаешь его механизм. Жуткое ощущение, что ваш мозг знает будущее, превращается в нечто еще более удивительное: в проблеск вычислительной архитектуры, которая делает вас возможным. Вы — машина предсказаний, и это не упрощение, а откровение.
Исследования продолжаются. Статья Бориса Кригера «Эволюционная неизбежность предсказательной обработки: аргумент физического ограничения», опубликованная в 2026 году и доступная по адресу https://doi.org/10.5281/zenodo.18324374, открыла новые направления исследований. Исследователи из разных дисциплин изучают её аргументы, проверяют её предсказания и расширяют её значение. Вы можете следить за развитием этой истории, и если вы сами являетесь исследователем, вы можете внести свой вклад.
Наука — это коллективное предприятие, занимающееся прогнозированием и коррекцией ошибок. Мы предсказываем, как устроен мир, проверяем наши предсказания на основе имеющихся данных и обновляем наши модели, когда предсказание оказывается неверным. В этом смысле сама наука является применением предиктивной обработки — той же вычислительной стратегии, которая лежит в основе восприятия и интуиции, но в увеличенном масштабе и формализованной в методологию.
Мы заканчиваем там, где начали , с разумом, знающим завтрашний день. Не благодаря магии или сверхъестественной силе, а благодаря той же необходимости, которая делает жизнь вообще возможной. Выжить — значит предсказывать. Думать — значит предвидеть. Быть сознательным — значит жить в предсказании, постоянно обновляемом, никогда не завершенном, всегда стремящемся к тому, что будет дальше.
Будущее — единственное место, где мы когда-либо жили. И теперь вы знаете почему.









ГЛОССАРИЙ
Ключевые термины и понятия объяснены для широкого круга читателей.
А
Потенциал действия
Электрический сигнал, распространяющийся по нервной клетке. Представьте его как «импульс», передающий информацию по вашей нервной системе. Каждый импульс распространяется с фиксированной скоростью, что и создает проблему задержки, лежащую в основе этой книги.
Активный вывод
Идея заключается в том, что организмы не просто пассивно получают информацию — они активно ищут опыт, подтверждающий их предположения. Когда вы поворачиваете голову, чтобы лучше рассмотреть что-то, это и есть активное умозаключение в действии.
Доступность
Термин из экологической психологии, обозначающий возможности действий, которые предлагает окружающая среда. Стул «позволяет» сидеть; ручка «позволяет» хватать. Некоторые исследователи утверждают, что мы воспринимаем возможности действий напрямую, а не создаём их путём прогнозирования.
Алгоритм
Пошаговая процедура решения проблемы или выполнения задачи. Ваш мозг реализует алгоритмы прогнозирования, хотя и не в той жесткой форме, как компьютер.
Ожидание
Предвидение или ожидание чего-либо до того, как это произойдет. В этой книге предвидение не является необязательным , а представляет собой необходимое условие выживания, продиктованное физикой нейронной передачи.
Искусственный интеллект (ИИ)
Компьютерные системы, предназначенные для выполнения задач, которые обычно требуют человеческого интеллекта. Современные системы искусственного интеллекта независимо друг от друга пришли к созданию архитектур, основанных на прогнозировании, что позволяет предположить, что прогнозирование может быть универсально необходимым для интеллектуального поведения.
Внимание
Система головного мозга, отвечающая за расстановку приоритетов в отношении определенной информации по сравнению с другой. В терминах предиктивной обработки информации внимание — это распределение «точности», то есть определение того, какие ошибки прогнозирования имеют наибольшее значение.
Автопоэзис
Свойство живых систем непрерывно создавать и поддерживать себя. Автопоэтическая система производит собственные компоненты и поддерживает собственные границы. Предсказание может быть необходимым условием автопоэзиса.
Аксон
Длинная, похожая на кабель часть нервной клетки, которая передает электрические сигналы от тела клетки. Диаметр аксона и миелинизация определяют скорость распространения сигналов, и эта скорость имеет физические ограничения.
Б
Баллистическое движение
Движение, которое невозможно скорректировать после начала, подобно удару языком лягушки. Баллистические движения требуют прогнозирования, поскольку во время выполнения нет времени на обратную связь.
Бассейн притяжения
Область в пространстве состояний системы, к которой система стремится в процессе эволюции. Прогнозирующая архитектура может представлять собой область притяжения для любой адаптивной системы, сталкивающейся с ограничениями по задержке.
Байесовский вывод
Метод обновления убеждений на основе новых данных, названный в честь математика Томаса Байеса. Прогностическую обработку можно понимать как процесс, в котором мозг выполняет байесовский вывод о причинах сенсорных сигналов.
Биофизика
Биофизика — это наука об изучении биологических систем с использованием методов и концепций физики. Она объясняет, почему скорость проведения нервных импульсов имеет жесткие верхние пределы.
Масштабирование тела
Взаимосвязь между размером тела и различными биологическими свойствами. По мере увеличения размеров тела нейронные пути удлиняются, но скорость проведения нервных импульсов не увеличивается пропорционально, что создает большую потребность в прогнозировании.
Обработка снизу вверх
Информация поступает от сенсорных рецепторов к высшим областям мозга. В процессах прогнозирования сигналы, идущие снизу вверх, несут ошибки прогнозирования, а не необработанные сенсорные данные.
Граничные условия
Конкретные обстоятельства, при которых применяется тот или иной принцип. Закон прогнозируемой жизнеспособности имеет граничные условия: он применяется там, где важна задержка и окружающая среда наказывает за ошибки, но не к очень маленьким организмам в стабильной среде.
С
C. elegans
Крошечный круглый червь, состоящий ровно из 302 нейронов, вся нервная система которого была картирована. Он представляет собой пограничный случай для аргумента предсказания — достаточно малый, чтобы задержки проведения были пренебрежимо малы.
Мозжечок
головного мозга в затылке, имеющая решающее значение для координации движений. Он генерирует прогнозы относительно положения и движения тела, обеспечивая плавные и скоординированные действия.
Управление с обратной связью
Система управления, использующая обратную связь для корректировки выходного сигнала. Ваш термостат работает в замкнутом контуре . Но обратная связь требует времени, поэтому часто необходимо прогнозирование.
Комбинаторный взрыв
Быстрый рост возможностей при комбинировании элементов. Слишком много возможных вариантов будущего, чтобы оценить их исчерпывающе, поэтому необходимо прогнозирование на основе изученных закономерностей.
Вычислительная неразрешимость
Когда проблема теоретически разрешима, но практически неразрешима, поскольку это займет слишком много времени. Исчерпывающие рассуждения о будущем вычислительно нецелесообразны — масштабируемым является только прогнозирование.
Скорость проведения
Скорость распространения электрических сигналов по нервным волокнам. У человека самые быстрые сигналы распространяются со скоростью около 100 метров в секунду — быстро, но не мгновенно.
Коннектом
Полная карта всех нейронных связей в нервной системе. Коннектом Caenorhabditis elegans полностью картирован; изучение коннектома человека остается важной задачей исследований.
Сознание
Субъективный опыт; каково это – быть кем-то. Некоторые исследователи предполагают, что сознание тесно связано с процессами прогнозирования – возможно, сознание – это то, как ощущается прогнозирование изнутри.
Контролируемая галлюцинация
Идея заключается в том, что восприятие — это не пассивное получение информации, а активное конструирование. То, что вы переживаете, — это наилучшее предсказание вашего мозга, ограниченное сенсорными данными. В этом смысле всё восприятие — это «контролируемая галлюцинация».
Конвергентная эволюция
Когда неродственные организмы независимо друг от друга развивают схожие признаки, потому что сталкиваются с похожими трудностями. Летучие мыши и дельфины оба развили эхолокацию — это убедительное доказательство того, что предсказание необходимо для выполнения определенных задач.
Д
Проблема темной комнаты
Возражение против принципа свободной энергии: если организмы минимизируют неожиданность, почему они просто не прячутся в темных, предсказуемых комнатах? Ответ связан с ожидаемой неожиданностью в будущем , а не только с текущей неожиданностью .
Задерживать
Время между стимулом и реакцией. Нейронная задержка — это основная проблема, из-за которой необходимо прогнозирование: к тому моменту, когда вы что-то воспринимаете, это уже изменилось.
Прямое восприятие
Теория Джеймса Гибсона о том, что организмы воспринимают мир напрямую, не создавая внутренних моделей, изложена в этой книге. В ней утверждается, что даже прямое восприятие сталкивается с проблемой задержки.
Дофамин
Нейромедиатор, участвующий в процессах вознаграждения, мотивации и обучения. В процессах прогнозирования дофамин может сигнализировать о точности прогнозов или величине ошибок прогнозирования.
Е
Экологическая психология
Подход к восприятию, подчеркивающий богатство информации, доступной в окружающей среде, в духе Джеймса Гибсона. В этой книге предполагается, что экологическая психология и предиктивная обработка информации могут быть согласованы.
Эхолокация
Эхолокация использует эхо для восприятия окружающей среды, как это делают летучие мыши и дельфины. Эхолокация создает «проблему двойной задержки» — и звук, и нейронная обработка требуют времени.
Экземпляр сравнения
Копия двигательной команды, отправленная в сенсорные области, позволяет мозгу предсказывать сенсорные последствия собственных действий. Это объясняет, почему вы не можете пощекотать себя.
Электролокация
Восприятие окружающей среды посредством генерируемых самими рыбами электрических полей. Как и эхолокация, этот метод требует сложной системы прогнозирования для компенсации задержек.
Воплощенное познание
Представление о том, что познание зависит от наличия тела и взаимодействия с окружающей средой. Прогностическая обработка информации по своей сути является телесной — предсказание служит действию.
Энтропия
Мера беспорядка или непредсказуемости. Второй закон термодинамики гласит, что энтропия имеет тенденцию к увеличению. Живые системы противостоят энтропии, поддерживая организованность, что требует прогнозирования.
Эволюция
Процесс, посредством которого виды изменяются с течением времени под действием естественного отбора. Эволюция на протяжении миллиардов лет оптимизирует системы прогнозирования.
Исчерпывающее рассуждение
Прежде чем действовать, необходимо рассмотреть все возможности. Исчерпывающий анализ невозможен в условиях комбинаторного взрыва — именно поэтому необходимы прогнозы, основанные на закономерностях.
Ожидаемая свободная энергия
Свободная энергия рассчитывается не только для настоящего, но и для предполагаемых будущих состояний. Организмы минимизируют ожидаемую свободную энергию, что объясняет, почему они исследуют окружающий мир и ищут информацию.
Экспертиза
Высокий уровень мастерства, развитый благодаря обширной практике. Экспертизу можно понимать как усовершенствованные прогностические модели, построенные на основе тысяч часов опыта в конкретной области.
Экстраполяция
Расширение известной информации для прогнозирования неизвестной информации. Зрительная система экстраполирует движущиеся объекты вперед во времени, чтобы компенсировать нейронные задержки.
Ф
Фальсифицируемость
Свойство теории, позволяющее опровергнуть её посредством наблюдения. Критики утверждают, что предсказательная обработка может быть нефальсифицируемой; аргумент, основанный на физических ограничениях, представленный в этой книге, предлагает более проверяемое утверждение.
Обратная связь
Информация о результатах действия, которую можно использовать для корректировки будущих действий. Обратная связь необходима для управления, но циклы обратной связи требуют времени — отсюда и необходимость прогнозирования.
Прямая обработка
Информация распространяется в одном направлении без обратной связи. Некоторые критики утверждают, что прямая обработка информации может объяснить восприятие без предсказания, по крайней мере, для простых задач.
Эффект задержки вспышки
Иллюзия, при которой вспышка, направленная рядом с движущимся объектом, кажется, что она следует за ним. Это демонстрирует, что зрительная система экстраполирует движущиеся объекты вперед во времени.
Модель прогнозирования
Внутренняя модель, которая предсказывает последствия действий до того, как они произойдут. Форвардные модели необходимы для плавного движения и для различения собственных сенсорных сигналов от внешних.
Проблема с кадрированием
Сложность определения того, какие аспекты ситуации имеют отношение к принятию решения. Известная также как проблема релевантности, она бросает вызов любой системе, которая должна решить, что прогнозировать.
Свободная энергия
В данном контексте это информационно-теоретическая величина, измеряющая расхождение между предсказаниями и наблюдениями. Минимизация свободной энергии эквивалентна улучшению предсказаний.
Принцип свободной энергии
Теория Карла Фристона о том, что все живые системы минимизируют вариационную свободную энергию. Эта математическая модель формализует необходимость предсказания для самоорганизации.
Г
Генеративная модель
Модель, способная генерировать прогнозы на основе сенсорных данных. В процессе прогнозирования мозг поддерживает генеративную модель мира и сравнивает свои прогнозы с фактическими входными данными.
Гибсон, Джеймс Дж.
Американский психолог (1904–1979), разработавший экологическую психологию и теорию прямого восприятия. Его работы предлагают альтернативу теории предиктивной обработки информации, хотя в этой книге предлагается и примирение с ней.
Градиентный спуск
Метод оптимизации, который итеративно движется к лучшим решениям, следуя наклону поверхности ошибок. И мозг, и системы искусственного интеллекта могут использовать градиентный спуск для улучшения прогнозов.
ЧАС
Галлюцинация
Восприятие того, чего нет. В предиктивной обработке информации галлюцинация — это предсказание , не ограниченное сенсорными данными. «Галлюцинация» в искусственном интеллекте аналогична — она генерирует правдоподобные, но ложные результаты.
Гельмгольц, Герман фон
Немецкий врач и физик (1821–1894), предположивший, что восприятие включает в себя «бессознательные умозаключения». Его идеи опередили современную теорию предсказательной обработки информации более чем на столетие.
Иерархическая обработка
Организация обработки информации по уровням, где более высокие уровни представляют более абстрактные характеристики. Прогностическая обработка предлагает иерархическое прогнозирование, при котором прогнозы нисходят, а ошибки поднимаются вверх.
Гомеостаз
Поддержание стабильных внутренних условий, несмотря на внешние изменения. Гомеостаз требует прогнозирования — организм должен предвидеть возможные проблемы для поддержания равновесия.
я
Вывод
Выводы на основе имеющихся данных. В процессе прогнозирования восприятие представляет собой умозаключение — мозг делает выводы о причинах сенсорных сигналов, сравнивая прогнозы с наблюдениями.
Теория информации
Математическое исследование информации, разработанное Клодом Шенноном. Теория информации обеспечивает формальную основу для таких понятий, как ошибка прогнозирования и свободная энергия.
Ингибирование
Нейронные сигналы, снижающие активность целевых нейронов. В процессе прогнозирования успешные предсказания могут подавлять нейронные реакции, поэтому распространяются только ошибки предсказания.
Внутренняя модель
Представление о внешнем мире, поддерживаемое внутри системы. Внутренние модели мозга генерируют прогнозы, которые сравниваются с сенсорными данными.
Интероцепция
Восприятие внутренних телесных состояний, таких как голод, сердцебиение и дыхание. Интероцептивное прогнозирование может лежать в основе эмоций и ощущения телесной самобытности.
Интуиция
Быстрое, автоматическое суждение без сознательного рассуждения. В этой книге выдвигается предположение, что интуиция — это сжатое предсказание, распознавание образов, которое стало настолько быстрым, что ощущается как мгновенное.
Ионный канал
Белок в клеточных мембранах, который позволяет определенным ионам проходить через него. Кинетика ионных каналов ограничивает скорость возбуждения нейронов, что приводит к предельной скорости проведения импульсов.
К
Фильтр Калмана
Математический алгоритм для оценки неизвестных переменных на основе зашумленных измерений. Предиктивное кодирование можно рассматривать как форму фильтрации Калмана, реализованную в нейронных сетях.
Крайний срок знаний
Точка, за пределами которой система не располагает информацией. Прогностические системы должны экстраполировать данные за пределы своего информационного предела, предсказывая будущие состояния на основе прошлых закономерностей.
Л
Большая языковая модель (LLM)
Система искусственного интеллекта, обученная предсказывать следующий токен в текстовых последовательностях. LLM-ы, такие как GPT и Claude, демонстрируют, что предсказание может привести к развитию сложных языковых навыков.
Задержка
Задержка по времени между стимулом и реакцией. Нейронная задержка — это фундаментальное ограничение, делающее необходимым предсказание: вы не можете действовать на основе информации, которая еще не поступила.
Латеральное коленчатое ядро
Релейный центр в головном мозге, обрабатывающий визуальную информацию между сетчаткой и зрительной корой. Сигналы должны проходить через него, что приводит к задержкам в обработке визуальной информации.
Боковая линия
Сенсорная система у рыб и водных амфибий, которая обнаруживает движение воды. Информация, поступающая от боковой линии, требует прогнозирующей обработки для отслеживания движущихся объектов.
Обучение
Процесс приобретения новых знаний или навыков. В контексте прогнозирования обучение означает обновление генеративной модели мозга для получения более точных прогнозов.
М
Марков Бланкет
Статистическая граница, отделяющая систему от окружающей среды. Марковское покрывало состоит из сенсорных состояний (вход) и активных состояний (выход) — всё остальное скрыто.
Механорецепция
Обнаружение механических раздражителей, таких как давление, вибрация и движение. Механорецепторы сталкиваются с теми же ограничениями по времени задержки, что и другие сенсорные системы.
Память
Способность хранить и извлекать информацию. В терминах прогнозирования, память хранит закономерности, позволяющие делать прогнозы — она кодирует то, что произошло, чтобы мы могли предвидеть, что произойдет в будущем.
Модель
Упрощенное представление чего-то сложного. Мозг поддерживает модели тела, окружающей среды и других разумов, используя их для генерации прогнозов.
Управление двигателем
Регулирование движений нервной системой. Моторный контроль требует прогнозирования, поскольку обратная связь о движении поступает не сразу — необходимо предсказывать положение конечностей.
Моторная кора
Область мозга, которая планирует и выполняет произвольные движения. Моторная кора генерирует прогнозы относительно предполагаемых движений, которые затем осуществляются двигательной системой.
Миелинизация
Миелинизация — это обволакивание нервных волокон миелином, жировым изолирующим веществом. Миелинизация значительно увеличивает скорость проведения нервных импульсов, но даже миелинизированные волокна имеют свои ограничения по скорости.
Взаимная информация
Показатель того, насколько знание одной переменной позволяет судить о другой. Закон прогнозируемой жизнеспособности требует, чтобы внутренние состояния обладали взаимной информацией с будущими состояниями окружающей среды.
Н
Естественный отбор
Процесс, благодаря которому организмы, лучше адаптированные к своей среде, как правило, выживают и размножаются. Естественный отбор оптимизировал мозг для прогнозирования на протяжении миллиардов лет.
Нейронная проводимость
Передача электрических сигналов по нервным волокнам. Конечная скорость нервной проводимости — это физический факт, делающий необходимым прогнозирование.
Нейронная сеть
Вычислительная система, созданная по образцу биологических нейронов и состоящая из взаимосвязанных обрабатывающих узлов. Как биологические, так и искусственные нейронные сети могут реализовывать прогнозирующую обработку.
Нейробиология
Научное изучение нервной системы. Нейробиология предоставила обширные доказательства предсказательной обработки информации в восприятии, действиях и познании.
Нейротрансмиттер
Химическое вещество, передающее сигналы между нервными клетками. Нейротрансмиттеры обеспечивают связь между синапсами, но эта химическая передача приводит к задержкам в передаче нервных импульсов.
Прогноз следующего токена
Цель обучения больших языковых моделей: предсказать, что будет дальше в последовательности. Эта простая задача приводит к удивительно сложным возможностям.
Нестационарная среда
Среда, статистические свойства которой изменяются со временем. В нестационарных средах системы должны постоянно обновлять свои прогностические модели.
О
Принцип Оккама
Принцип , согласно которому более простые объяснения, как правило, лучше. В процессах прогнозирования мозг уравновешивает точность и сложность, отдавая предпочтение более простым моделям, которые всё же объясняют данные.
Управление с разомкнутым контуром
Управление без обратной связи, при котором выходные сигналы полностью определяются программой или начальными условиями. Управление с разомкнутым контуром требует точного прогнозирования, поскольку ошибки не могут быть исправлены.
Оптимальное управление
Управление, минимизирующее некоторую функцию затрат при достижении цели. Активный вывод связывает оптимальное управление с прогнозированием, представляя желаемые состояния в виде прогнозов, которые должны быть выполнены.
П
Восприятие
Процесс осознания сенсорной информации. В предиктивной обработке информации восприятие — это не пассивное получение, а активное конструирование — сравнение прогнозов с входными данными.
Органная яма
Орган, чувствительный к теплу, у ядовитых змей, используемый для обнаружения теплокровной добычи. Даже инфракрасное зондирование сопряжено с задержками, требующими прогнозируемой компенсации.
Апостериорная вероятность
В байесовском выводе это вероятность гипотезы после рассмотрения имеющихся данных. Восприятие можно понимать как вычисление апостериорных вероятностей относительно причин сенсорных сигналов.
Точность
В предиктивной обработке данных надежность или степень достоверности , присваиваемая прогнозам и ошибкам прогнозирования, определяется с помощью механизма внимания. Внимание можно понимать как распределение точности.
Прогноз
Ожидание относительно будущих событий или состояний. В этой книге утверждается, что прогнозирование не является необязательным, а необходимым для любой системы с задержкой, работающей в конкурентной среде.
Ошибка прогнозирования
Разница между тем, что было предсказано, и тем, что было обнаружено. В процессах прогнозирования ошибки прогнозирования определяют обучение и являются основными сигналами, распространяющимися по мозгу.
Предиктивное кодирование
Конкретная реализация предиктивной обработки, в которой предсказания передаются сверху вниз, а ошибки предсказаний — снизу вверх через кортикальные иерархии.
Прогнозирующая обработка
Теоретическая модель, предполагающая, что мозг постоянно генерирует прогнозы относительно сенсорной информации и обновляет эти прогнозы на основе сигналов об ошибках.
Закон прогнозируемой жизнеспособности
Предложенный в этой книге формальный принцип: системы с задержкой в сложных условиях должны кодировать информацию о будущих состояниях, чтобы выжить.
Прежний
В байесовском выводе это убеждение, сформировавшееся до появления доказательств. Априорные знания формируют прогнозы; эволюция наделила организмы априорными знаниями, которые обеспечивают выживание.
Р
Реактивная архитектура
Системная архитектура, реагирующая на текущий входной сигнал без прогнозирования. Реактивные архитектуры работают для небольших организмов, но не могут масштабироваться до крупных тел со значительными задержками.
Рефлекс
Быстрая, автоматическая реакция на раздражитель. Даже рефлексы включают в себя некоторую предсказательную способность на уровне спинного мозга, хотя и в меньшей степени, чем процессы высшего когнитивного уровня.
Обучение с подкреплением
Обучение через вознаграждение и наказание. Современные системы обучения с подкреплением учатся предсказывать будущие вознаграждения и использовать эти предсказания для управления действиями.
Проблема релевантности
Задача состоит в том, чтобы определить, какие прогнозы стоит делать из бесконечного множества вариантов. Эволюция и взвешивание по точности помогают решить эту проблему.
Представительство
Состояние, которое обозначает или кодирует информацию о чем-либо другом. Внутренние представления, кодирующие будущие состояния, делают возможным прогнозирование.
С
Закон масштабирования
Математическая зависимость, описывающая изменение свойства в зависимости от размера. Закон масштабирования для прогнозирования: мелкие организмы могут реагировать; крупные организмы должны предвидеть.
Селективное давление
Факторы окружающей среды, влияющие на то, какие признаки предпочтительны для естественного отбора. Необходимость скорости создает селективное давление для прогностических архитектур.
Самоорганизация
Возникновение порядка в системе без внешнего воздействия. Принцип свободной энергии предполагает, что самоорганизация требует минимизации неожиданностей посредством прогнозирования.
Сенсомоторный
Сенсомоторное прогнозирование, связанное как с сенсорным вводом, так и с моторным выводом, координирует восприятие и действие в единой прогностической системе.
Скорость имеет первостепенное значение.
Эволюционное давление, направленное на быструю реакцию во взаимодействиях хищник-жертва. Необходимость скорости стимулирует эволюцию нейронных архитектур, способных к прогнозированию.
Сюрприз (технический)
В теории информации это отрицательный логарифм вероятности наблюдения. Минимизация неожиданностей означает пребывание в ожидаемых, вероятных состояниях, что требует точного прогнозирования.
Вероятность выживания
Вероятность продолжения существования с течением времени. Закон прогнозируемой жизнеспособности показывает, что без прогнозирования вероятность выживания экспоненциально убывает до нуля.
Синапс
Место соединения двух нервных клеток, где передаются сигналы. Синаптическая передача занимает время, что увеличивает задержки в нейронной передаче.
Т
Временное ограничение
Ограничение, накладываемое временем. Нейронная проводимость создает временные ограничения, которые делают необходимым прогнозирование.
Обработка сверху вниз
Информация поступает из высших отделов мозга в низшие. В процессах прогнозирования сигналы, поступающие сверху вниз, несут предсказания, которые сравниваются с сенсорными данными, поступающими снизу вверх.
Тирания задержки
В этой книге используется фраза, описывающая фундаментальное ограничение конечной скорости нейронной проводимости. К тому моменту, когда вы осознаете настоящее, оно уже становится прошлым.
У
Неопределенность
Неполная информация о состоянии или результате. Прогнозирование помогает управлять неопределенностью, формируя ожидания, которые можно сравнить с реальностью.
Бессознательный вывод
Термин Гельмгольца обозначает автоматическую, неосознанную обработку информации, которая формирует восприятие. Современная предиктивная обработка расширяет это понимание.
В
Вариационный
Это связано с оптимизацией посредством аппроксимации. Вариационная свободная энергия — это аппроксимация, которая делает байесовский вывод вычислительно осуществимым.
Регион жизнеспособности
Совокупность состояний, в которых система может выжить. Прогнозирование помогает системам оставаться в пределах своей зоны жизнеспособности, предвидя угрозы и возможности.
Зрительная кора
Область мозга, обрабатывающая визуальную информацию. Зрительная кора реализует предиктивную обработку, при этом предсказания передаются вниз по корковой иерархии, а ошибки — вверх.
В
Мировая модель
Внутреннее представление того, как функционирует окружающая среда. Любая система, работающая в динамической среде с задержками, будет создавать модели окружающего мира — не по замыслу, а по необходимости.
















ПРИЛОЖЕНИЕ: О СТАТЬЕ
Эта книга основана на научной статье Бориса Кригера «Эволюционная неизбежность предиктивной обработки: аргумент физического ограничения», опубликованной в 2026 году ( Zenodo , https://doi.org/10.5281/zenodo.18324374).
В этом приложении объясняется, почему данная статья важна, какие спорные вопросы она затрагивает и как она меняет научную дискуссию о том, как работает разум.
Война прогнозов
В течение последних двух десятилетий когнитивная наука вела тихую гражданскую войну. С одной стороны стоят сторонники теории предиктивной обработки информации, утверждающие, что мозг по своей сути является машиной для предсказаний. С другой — критики, считающие эту концепцию чрезмерной, неопровержимой или просто неверной. Дебаты были ожесточенными, порой горькими, и до недавнего времени казались неразрешимыми.
Понимание этой полемики важно, потому что она формирует наше представление о разуме, мозге и природе самого познания. А понимание того, как аргумент о физических ограничениях трансформирует эту дискуссию, раскрывает нечто важное о том, как иногда происходит научный прогресс — не благодаря новым данным, а благодаря новым способам рассмотрения старых проблем.
Почему предиктивная обработка данных стала предметом споров
Теория предиктивной обработки информации возникла как серьезная теоретическая концепция в конце 1990-х и начале 2000-х годов, опираясь на гораздо более старые идеи о восприятии как умозаключении. Эта концепция выдвигала смелые утверждения: что мозг по сути является механизмом предсказания, что восприятие — это контролируемая галлюцинация, что действие и восприятие — две стороны одной медали. Эти идеи привлекли как страстных сторонников, так и столь же страстных критиков.
Споры носили не только академический характер. Они касались фундаментальных вопросов о природе разума. Является ли познание вычислением? Является ли восприятие выводом? Конструируем ли мы реальность или воспринимаем её непосредственно? Эти вопросы имеют значение для всего, от искусственного интеллекта до психиатрии и нашего понимания самого сознания.
Критики высказали серьезные возражения, и мы должны отнестись к ним серьезно, прежде чем объяснять, как аргумент о физических ограничениях позволяет их разрешить.
Проблема неопровержимости
Наиболее серьёзная критика методов прогнозирования заключалась в том, что они могут объяснить что угодно и, следовательно, ничего не объясняют . Это возражение о неопровержимости , и оно нанесло серьёзный удар.
Рассмотрим, как данная модель обрабатывает различные наблюдения. Сторонники утверждают, что при больших ошибках прогнозирования точность была установлена на низком уровне. При малых ошибках точность была высокой. Когда организмы стремятся к неожиданным событиям — проявляют любопытство, исследуют, играют — модель задействует эпистемические действия, которые уменьшают долгосрочную неопределенность. Когда организмы избегают неожиданностей, это тоже соответствует модели. Критики же утверждали, что любое явление можно учесть, скорректировав параметры постфактум.
Это серьёзная проблема. Теория, способная объяснить любое возможное наблюдение, не накладывает никаких реальных ограничений на то, что мы должны ожидать увидеть. Она становится способом переописания результатов, а не их предсказания. Как давно отмечали философы науки, если теорию нельзя опровергнуть, то она на самом деле вовсе не научная теория.
Карл Фристон, самый видный сторонник принципа свободной энергии, неожиданно ответил на эту критику: он согласился. Принцип свободной энергии, сказал он, не поддается фальсификации. Это математический принцип, как принцип наименьшего действия в физике. Нельзя опровергнуть математику, проводя наблюдения.
Этот ответ удовлетворил одних, но обеспокоил других. Математический принцип может быть верен сам по себе, но что он говорит нам о том, как на самом деле работает мозг? Если этот принцип совместим с любой возможной нейронной архитектурой, почему мы должны верить, что мозг реализует его каким-либо конкретным образом ?
Возражение «Это всего лишь метафора»
В связи с этим высказывалась критика, утверждавшая, что предиктивная обработка — это всего лишь удобная метафора, а не буквальное описание работы мозга. Критики задавали вопрос: почему именно предиктивная обработка? Почему не какая-нибудь другая вычислительная стратегия?
Защитники указывали на нейрофизиологические данные: сигналы ошибки прогнозирования в сенсорной коре, предиктивное кодирование в зрительной системе, модели прямого прогнозирования в управлении двигательной активностью. Однако критики отмечали, что большая часть этих данных согласуется с другими концепциями. Сигналы ошибки прогнозирования можно переинтерпретировать как сигналы неожиданности, сигналы внимания или просто как обнаружение несоответствия. Нейронные данные были предположительными, но не окончательными.
Более того, критики утверждали, что эта концепция подозрительно гибка в своем применении. Предиктивная обработка информации применялась к восприятию, управлению моторикой, эмоциям, вниманию, сознанию, языку, социальному познанию, психическим расстройствам и многому другому. Эта широта применения была либо сильной, либо слабой стороной, в зависимости от точки зрения. Критики считали, что это говорит о том, что концепция выходит за рамки своих законных полномочий, применяясь везде, где это было возможно, а не там, где она действительно что-то объясняла.
Вопрос, висевший над дискуссией, был простым, но разрушительным: зачем нужно предсказание? Почему среди всех возможных вычислительных стратегий эволюция сошлась именно на этой ? Без ответа на этот вопрос предсказательная обработка оставалась лишь одной из многих гипотез — возможно, интересной, но не убедительной.
Альтернативные концептуальные основы
Споры обострились из-за существования альтернативных концептуальных моделей, которые, казалось, объясняли большую часть тех же данных без использования прогнозирования.
Экологическая психология, следуя за Джеймсом Гибсоном, предположила, что восприятие является прямым, а не умозаключительным. Организмы не строят внутренние модели мира; они воспринимают информацию, уже структурированную окружающей средой. Возможности действий — аффордансы — воспринимаются непосредственно, а не выводятся из вероятностных моделей. Эта концепция имела свои эмпирические успехи и своих ярых сторонников.
рамках подхода, основанного на динамических системах, предполагается, что познание следует понимать не как вычисление, а как эволюцию сложных систем во времени. Согласно этой точке зрения, мозг — это не машина для предсказаний , а динамическая система, связанная с телом и окружающей средой. Предсказание, если оно происходит, является эмергентным свойством, а не фундаментальным механизмом.
Телесно-ориентированный и деятельностный подходы подчеркивали роль действия и телесного вовлечения в познание. В рамках этих концепций предиктивная обработка информации рассматривалась с подозрением, поскольку считалась слишком зависимой от внутренних представлений и слишком пренебрежительно относилась к конституирующей роли окружающей среды и действия.
Дискуссия между этими двумя подходами часто была ожесточенной. Сторонники каждого из них считали другие принципиально ошибочными. Сторонники теории предиктивной обработки информации считали экологическую психологию наивной в отношении вычислительных требований восприятия. Экологические психологи же рассматривали теорию предиктивной обработки информации как переосмысление дискредитированной идеи о мозге как об отстраненном механизме рассуждений. Казалось, что эта область застряла в окопах, и каждая сторона говорит, не понимая другой.


Недостающий элемент: Зачем нужны прогнозы?
В дискуссии отсутствовал принципиальный ответ на основополагающий вопрос: почему мозг вообще должен быть способен к предсказаниям? Сторонники могли бы привести доказательства того, что мозг, по-видимому, способен к предсказаниям, но доказательство того, что что-то происходит, не то же самое, что объяснение того, почему это должно произойти.
Именно здесь вступает в игру статья Бориса Кригера. Статья не предоставляет новых нейронных доказательств в пользу предиктивной обработки информации. Она не предлагает новых экспериментов или новых вычислительных моделей. Вместо этого она делает нечто более фундаментальное: объясняет, почему предсказание не является необязательным.

Аргумент физического ограничения
Дискуссия начинается с фактов, которые никто не оспаривает. Нейронные сигналы распространяются с конечной скоростью — максимум около 100 метров в секунду. Тела имеют размеры, и у более крупных тел нейронные пути длиннее. Окружающая среда конкурентна и наказывает за медленную реакцию. Исчерпывающее рассуждение обо всех возможностях вычислительно невыполнимо.
Исходя из этих предпосылок, Кригер делает поразительный вывод: любая система с конечной задержкой, работающая в неблагоприятных условиях, должна поддерживать внутренние состояния, кодирующие информацию о будущих состояниях окружающей среды. Системы, не обладающие этой способностью, сталкиваются с экспоненциально убывающей вероятностью выживания. В течение эволюционного времени вымирание для непредсказуемых архитектур неизбежно.
Это меняет ход дискуссии. Вопрос больше не в том, способны ли мозгы предсказывать будущее, а в том, могут ли они вообще делать что-либо еще. И ответ, учитывая физику нейронной передачи и математику выживания, — нет.
Как в статье рассматриваются критические замечания
О неопровержимости : Аргумент о физических ограничениях не делает предиктивную обработку как структуру неопровержимой — конкретные реализации остаются проверяемыми. Но он устанавливает, что некоторая форма прогнозирования необходима, а не просто возможна. Сам аргумент является опровержимым: чтобы опровергнуть его, необходимо продемонстрировать систему, которая бесконечно существует в динамичной, суровой среде с нулевой предсказательной способностью.
На вопрос «почему нужно прогнозирование?» теперь есть ответ. Прогнозирование — это не одна из многих вычислительных стратегий. Это единственная стратегия, которая выдерживает физические ограничения. Вы не можете реагировать быстрее, чем позволяют законы физики. Как только этот предел достигнут, единственным оставшимся вариантом является действие до события, на которое вы реагируете. Для этого требуется прогнозирование. Альтернативы нет.
Об альтернативных концепциях: Аргумент открывает пути к примирению, а не просто опровергает их. Экологическая информация может определять, что именно следует прогнозировать. Возможности взаимодействия могут быть содержанием прогнозов, а не их альтернативами. Подходы, основанные на телесном опыте, соглашаются с тем, что прогнозирование служит действию. Аргумент переосмысливает эти концепции как взаимодополняющие, а не противоречащие друг другу.
О конвергенции: В статье подчеркивается, что биологические системы и системы искусственного интеллекта независимо друг от друга пришли к конвергентным архитектурам. Эта конвергенция не случайна — она отражает одно и то же основополагающее ограничение, действующее в разных средах. Критикам теперь необходимо объяснить, почему и эволюция, и инженерные разработки человека «выбрали» предсказание.
Что остается спорным
Интеллектуальная честность требует признания того, что аргумент о физических ограничениях не решает.
Сложная проблема сознания остается нерешенной. Аргумент доказывает, что предсказание необходимо для выживания, но не объясняет, почему предсказание ощущается как что-либо изнутри. Почему предсказание сопровождается субъективным опытом — это вопрос, на который аргумент о физических ограничениях не дает ответа.
Конкретные варианты реализации остаются предметом дискуссий. Аргумент утверждает, что необходима какая-то форма прогнозирования, но не уточняет, должно ли это прогнозирование принимать форму иерархического предиктивного кодирования, активного вывода или какой-либо другой архитектуры.
Эмпирическое подтверждение закона предсказательной жизнеспособности еще предстоит получить. Аргумент теоретически обоснован, но наука в конечном итоге опирается на доказательства. Проверяемые предсказания, вытекающие из этого аргумента, должны быть проверены.
Значение данной статьи
Аргумент о физических ограничениях не ставит точку во всех спорах о предиктивной обработке информации. Наука работает не так. Но он коренным образом меняет условия дискуссии.
Перед началом дискуссии критики вполне могли бы спросить: зачем нужна предсказательная способность? После дискуссии им приходится объяснять: если не предсказательная способность, то что? Бремя доказательства сместилось. Теперь по умолчанию предполагается, что адаптивные системы должны предсказывать. Исключения необходимо доказывать, а не предполагать.
До начала дискуссии теория предиктивной обработки информации была лишь одной из многих концепций, конкурирующих за внимание в переполненной области. После дискуссии она претендует на звание основной концепции — необходимой архитектуры, которую должна учитывать любая успешная теория познания.
Так иногда происходит научный прогресс. Не через решающий эксперимент, определяющий исход одной теории другой, а через переосмысление, благодаря которому одна теория кажется неизбежной там, где раньше она казалась лишь возможной. Аргумент физических ограничений обеспечивает такое переосмысление для процессов прогнозирования.
Данная статья была направлена ведущим исследователям в этой области, включая тех, кто работает над предиктивным кодированием, экологической психологией и искусственным интеллектом, для получения отзывов и предложений о сотрудничестве. Наука развивается посредством диалога, и этот аргумент призывает к диалогу на самом фундаментальном уровне.
Полная цитата: Кригер, Б. (2026). Эволюционная неизбежность предиктивной обработки: аргумент физического ограничения. Zenodo . https://doi.org/10.5281/zenodo.18324374
ЭВОЛЮЦИОННАЯ НЕИЗБЕЖНОСТЬ ПРЕДИКТИВНОЙ ОБРАБОТКИ ИНФОРМАЦИИ: АРГУМЕНТ С ТОЧКИ ЗРЕНИЯ ФИЗИЧЕСКИХ ОГРАНИЧЕНИЙ.
Борис Кригер
Институт интегративных и междисциплинарных исследований
boriskriger@interdisciplinary-institute.org
Абстрактный
В данной статье утверждается, что предиктивная обработка — это не просто одна из многих вычислительных стратегий, а единственная масштабируемая и эволюционно стабильная архитектура для систем, работающих в условиях реалистичных физических ограничений. Аргументация исходит из физических фактов: конечной скорости проведения нервных импульсов, масштабируемой геометрии тела и вычислительной неразрешимости исчерпывающего рассуждения. Мы формализуем это с помощью теории информации, доказывая, что системы, сохраняющиеся в условиях неопределенности, должны поддерживать внутренние состояния, кодирующие информацию о будущих состояниях окружающей среды. Независимая конвергенция биологических и искусственных систем на основе предиктивных архитектур предполагает универсальное ограничение. Мы рассматриваем основные критические замечания в отношении предиктивной обработки, включая проблемы неопровержимости и альтернативные концепции, и предлагаем Закон предиктивной жизнеспособности в качестве общего принципа. В заключение мы приводим прогнозы для систем искусственного интеллекта следующего поколения.
1. Проблема: Тирания задержки
Рассмотрим фундаментальное ограничение, определяющее работу любой нервной системы: нервные сигналы распространяются с конечной скоростью. Самые быстрые миелинизированные аксоны проводят потенциалы действия со скоростью примерно 100 метров в секунду — впечатляюще, пока вы не поймете, что это значит для выживания.
Когда свет попадает на сетчатку, сигнал должен пройти через зрительный нерв, достичь латерального коленчатого ядра, затем попасть в первичную зрительную кору и распространиться по зрительным областям, прежде чем возникнет какое-либо сознательное восприятие. Этот путь занимает 50–150 миллисекунд. Если добавить планирование и выполнение движений, время реакции достигает сотен миллисекунд.
Последствия очевидны. К тому моменту, когда вы осознаете настоящий момент, он уже становится прошлым. Вы воспринимаете мир таким, каким он был — десятую долю секунды назад, а может и больше. Это не ошибка в системе. Это физика.
2. Селективное давление: миллисекунды как валюта выживания
На протяжении миллиардов лет жизнь ведёт гонку вооружений, где скорость реакции является главной ценностью. Хищник, наносящий удар быстрее, ловит добычу. Добыча, убегающая раньше, выживает. Это давление действует с точностью до миллисекунды.
Представьте себе лягушку, ловящую муху. Муха обнаруживает движение и начинает спасаться в течение 30 миллисекунд. Удар языком лягушки — баллистический, и после запуска его уже невозможно скорректировать. Разница между поимкой добычи и голодом часто сводится к нескольким миллисекундам.
Это создает то, что мы могли бы назвать императивом скорости: любая нейронная архитектура, которая не максимизирует скорость реакции, будет вытеснена конкурентами. Эволюция безжалостно оптимизирует, и во взаимодействии хищник-жертва она оптимизирует в первую очередь скорость.

3. Физический потолок: почему не всегда возможно двигаться быстрее
Если скорость так важна, почему бы просто не развить более быстрые нейроны? Ответ кроется в биофизике, которая устанавливает жесткие ограничения на скорость проведения нервных импульсов.
Скорость потенциала действия зависит от диаметра аксона, миелинизации, плотности ионных каналов и температуры. Эволюция довела все параметры до предельных значений. Миелинизация увеличивает скорость примерно в сто раз, но требует наличия специализированных глиальных клеток и метаболических затрат. Увеличение диаметра аксона увеличивает скорость лишь пропорционально квадратному корню — увеличение размера в четыре раза лишь удваивает скорость.
Кинетика ионных каналов накладывает еще одно ограничение. Каналы должны открываться и закрываться со скоростью, определяемой физикой белков. Нельзя произвольно ускорять конформационные изменения без ущерба для надежности.
Вердикт: скорость нервной проводимости имеет предел. Позвоночные достигли этого предела сотни миллионов лет назад. Селективное давление, направленное на увеличение скорости, не исчезло — оно перенаправило его на другое решение.
4. Единственное решение: прогнозирование как способ избежать задержки.
Когда нет возможности реагировать быстрее, единственный выход — действовать до события, на которое вы реагируете. Именно это и означает прогнозирование: генерация реакции на будущее состояние на основе текущей информации.
Представьте себе бейсбольного аутфилдера, ловящего летящий мяч. Если бы аутфилдер ждал, чтобы увидеть, куда приземлится мяч, он бы ничего не поймал — мяч прилетел бы за сотни миллисекунд до того, как он смог бы до него дотянуться. Вместо этого аутфилдер предсказывает точку приземления по начальной траектории и немедленно начинает движение.
Эффект задержки вспышки наглядно это демонстрирует: вспышка, появившаяся в тот самый момент, когда мимо неё проезжает движущийся объект, воспринимается как отстающая. Зрительная система экстраполирует положение движущегося объекта вперёд, чтобы компенсировать нейронные задержки, в то время как непредсказуемая вспышка не может получить эту компенсацию.
Следует отметить, что существуют альтернативные объяснения эффекта задержки вспышки. Иглман и Сейновски (2000) предложили постдиктионную модель, утверждая, что визуальное восприятие определяет положение на основе информации, собранной примерно через 80 мс после вспышки, а не путем экстраполяции вперед. Однако, как утверждает Хогендорн (2020) в своем всестороннем обзоре, 25 лет наблюдений подтверждают экстраполяцию движения, в частности, данные о том, что объекты могут восприниматься в местах, где физическая энергия стимула никогда не была обнаружена — то, что не могут объяснить временные объяснения.
Таким образом, предсказание — это не необязательное когнитивное улучшение. Это единственное возможное решение проблемы задержки. Любой организм, который просто ждал бы поступления сенсорных данных, прежде чем начать реакцию, был бы вытеснен конкурентами.
5. Проблема масштабирования: размер тела как второй вывод.
Существует второй, независимый путь к тому же выводу — путь, который делает этот случай еще более геометрически неизбежным. Этот путь проходит через зависимость между размером тела и задержкой нейронной активности.
По мере роста организмов проводящие пути удлиняются линейно с размером тела. Однако скорость проведения нервных импульсов не увеличивается — она остается ограниченной теми же биофизическими пределами. Общая задержка нервного импульса возрастает с размером тела, в то время как скорость распространения сигнала остается постоянной.
Для мелких организмов это вполне управляемо. Нервная система мухи простирается на миллиметры. Чисто реактивная архитектура может оставаться жизнеспособной. Но по мере увеличения размера тела эта стратегия ухудшается. Сигнал от копыта жирафа к его мозгу и обратно преодолевает метры. При скорости 100 м/с путь туда и обратно занимает десятки миллисекунд до начала обработки.
Это можно сформулировать как закон масштабирования: малые организмы могут позволить себе реагировать; большие организмы должны предвидеть ситуацию.
6. Тест «Тираннозавр»: прогнозирование в масштабе
Рассмотрим в качестве примера тираннозавра рекса. Это был организм огромных размеров — весом в несколько метрических тонн — действующий как активный хищник. В масштабах тираннозавра чисто реактивное управление физически нецелесообразно.
Для успешной охоты необходимы: отслеживание траектории движения добычи, предвидение маневров уклонения, координация движений головы и челюстей с инерцией тела, выбор момента для перехвата добычи в будущем, а также управление огромной инерцией во время поворотов. Ничего из этого нельзя достичь реактивно.
Если тираннозавр был активным хищником — а палеонтологические данные это подтверждают — у него не было иного выбора, кроме как действовать на основе прогностических моделей. Это не подразумевает когнитивной сложности. Прогностический мозг не обязательно является интеллектуальным. Предсказания могли быть узконаправленными и заложенными на генетическом уровне, но в рамках этой области — идеально откалиброванными.
7. Два перехода: от необязательного к необходимому и к макроскопическому.
Давление, связанное с прогнозированием, не является постоянным для разных размеров тела. По-видимому, существуют два критических перехода.
Первый переход происходит от малого к среднему размеру. Задержки проведения становятся значительными, реактивные стратегии терпят неудачу, а предсказательные архитектуры обеспечивают максимальное преимущество. Организмы среднего размера в динамичных нишах сталкиваются с наиболее сильным отбором в пользу точного сенсомоторного прогнозирования.
Второй переход происходит при очень больших размерах. Крупному травоядному животному может не потребоваться реакция с точностью до миллисекунды — оно может позволить себе действовать медленнее. Но предсказание не исчезает; оно становится макроскопическим — учитывает рельеф местности, долгосрочные траектории, динамику тела в больших временных масштабах.
8. Среда имеет значение: вода, воздух и физика предсказаний.
До сих пор в дискуссиях основное внимание уделялось скорости нервной проводимости и размерам тела. Но есть и третий, критически важный фактор: физическая среда, в которой функционирует организм. Вода, воздух и земля накладывают совершенно разные ограничения на движение, восприятие и необходимость прогнозирования.
8.1 Усиление водной среды
Вода усугубляет проблему прогнозирования сразу несколькими способами:
Движение — затратный и медленный процесс: вода примерно в 800 раз плотнее воздуха. Каждое движение требует преодоления значительного вязкого сопротивления. Ускорение и замедление требуют больших энергетических затрат и занимают много времени. Водный хищник не может быстро корректировать курс, как это делает наземный — импульс определяет траекторию движения, которую необходимо предвидеть, а не просто реагировать на неё.
Крупные размеры тела — обычное явление: плавучесть позволяет водным организмам достигать размеров, недостижимых на суше. Акулы, косатки, дельфины и киты функционируют в масштабах, где задержки нервной проводимости значительны. Большая белая акула на расстоянии 6 метров или косатка на расстоянии 8 метров сталкиваются с задержками сигнала в обоих направлениях, измеряемыми десятками миллисекунд, — еще до начала обработки информации.
Сенсорные ограничения усугубляют проблему: зрение ограничено мутностью воды и ослаблением света. Многие водные хищники в значительной степени полагаются на механорецепцию (боковая линия), электрорецепцию или эхолокацию — методы, предоставляющие информацию о местоположении добычи с неизбежными задержками. Звук распространяется в воде быстрее, чем в воздухе (~1500 м/с против ~340 м/с), но это преимущество нивелируется необходимостью обработки сложных эхосигналов и больших расстояний.
от преследования происходит в трех измерениях: в отличие от наземного преследования, водное хищничество происходит в полном трехмерном объеме. Добыча может ускользнуть в любом направлении. Для прогнозирования траектории движения рыбы, уклоняющейся от преследования в трех измерениях, требуются более сложные модели, чем отслеживание добычи, ограниченной поверхностью.
Вывод очевиден: водная среда создает идеальные условия для необходимости прогнозирования. Большие тела + медленное/дорогостоящее движение + задержки сенсорного восприятия + трехмерное преследование = экстремальное селективное давление в пользу упреждающего управления. Не случайно дельфины и косатки — одни из самых неврологически сложных животных, не являющихся людьми, — это крупные водные хищники. Их когнитивная сложность может быть не столько результатом социальных требований (хотя они тоже важны), сколько следствием физики охоты в воде в больших масштабах .
Дельфины как пример: Дельфины используют эхолокацию для охоты на рыбу в мутной воде. Время между издаванием щелчка и приемом эха создает неизбежную задержку восприятия. Тем временем дельфин движется, и добыча тоже. Для успешного перехвата необходимо предсказать, где будет находиться рыба, когда дельфин прибудет, а не где она была, когда эхо вернулось. Мозг дельфина должен запустить модель прогнозирования, которая интегрирует его собственную траекторию, вероятные маневры уклонения добычи и гидродинамику обоих тел. Это не дополнительная сложность; это минимально необходимая архитектура для решения этой задачи.
8.2 Экстремальные воздушные трюки
Если вода усиливает требования к прогнозированию, то воздух доводит их до крайности — особенно для быстро движущихся летающих объектов:
Скорость увеличивает задержки: сапсан, пикирующий со скоростью более 300 км/ч, преодолевает почти метр за время, необходимое для прохождения визуального сигнала от сетчатки до моторной коры головного мозга. На таких скоростях чисто реактивное управление математически невозможно. Сокол должен предсказывать положение добычи, влияние ветра и свою собственную аэродинамическую траекторию на несколько временных шагов вперед.
Трехмерная навигация на высокой скорости: хищники, летающие в воздухе, действуют в трехмерной среде без трения, которое могло бы их замедлить. Стрекоза, ловящая комара в полете, выполняет вычисления, которые стали бы сложной задачей для инженера-аэрокосмиста — предсказывает точку пересечения двух независимо движущихся объектов в трех измерениях, находясь при этом под воздействием турбулентности.
Насекомые и решение с использованием минимального мозга: Интересно, что летающие насекомые, такие как стрекозы, достигают поразительной точности перехвата благодаря крошечной нервной системе. Как? Их малый размер означает минимальные задержки проведения, а их сенсомоторные петли чрезвычайно тесны. Это подтверждает аргумент масштабирования: прогнозирование становится необходимым, когда задержки становятся значительными по сравнению с требованиями задачи. Стрекозы могут позволить себе более реактивные стратегии, поскольку вся их нервная система работает в микросекундах.
Птицы находятся в критической зоне: они достаточно крупные, чтобы задержки проведения нервных импульсов имели значение, но при этом работают на таких скоростях, при которых эти задержки оказывают максимальное негативное воздействие. Это предсказывает, что мозг птиц должен обладать сложными механизмами прогнозирования — и это действительно так. Птичий паллиум, функционально аналогичный коре головного мозга млекопитающих, высоко развит у хищных птиц и других воздушных хищников.
8.3 Прогнозы для средних значений
Этот анализ позволяет получить проверяемые предсказания:
(1) Водные хищники определенного размера тела должны демонстрировать более развитые нейронные цепи прогнозирования, чем наземные хищники аналогичного размера, поскольку затраты на реактивные ошибки в воде выше.
(2) Быстрые воздушные хищники (сокола, стрижи, стрекозы в их масштабе) должны демонстрировать нейронные специализации для прогнозирования траектории, превосходящие таковые у наземных животных аналогичного размера.
(3) Организмы, переходящие между средами (например, ныряющие птицы, летающие рыбы), должны демонстрировать гибридные стратегии прогнозирования, адаптированные к различным физическим свойствам каждой среды.
(4) Эволюция эхолокации у водных (дельфины) и воздушных (летучие мыши) охотников представляет собой конвергентные решения одной и той же проблемы: поддержание прогнозной информации в средах, где визуальное прогнозирование ограничено.
Таким образом, среда — это не просто фон для аргумента о задержке, а множитель. Вода и воздух накладывают свои собственные физические условия на проблему прогнозирования, создавая различные факторы отбора, которые формируют нейронную архитектуру предсказуемым образом.
8.4 Альтернативные сенсорные модальности: проблема двойной задержки
До настоящего времени в основном рассматривалось зрение, где стимул — свет — распространяется со скоростью приблизительно 300 000 км/с, что фактически мгновенно с точки зрения биологических организмов. Проблема задержки в зрении возникает исключительно из-за нервной проводимости внутри организма. Но многие организмы полагаются на сенсорные модальности, где сам сигнал медленно распространяется через внешнюю среду, создавая двойную проблему задержки: задержка в окружающей среде плюс задержка в нервной системе.
Эхолокация как показательный пример: летучие мыши и дельфины независимо друг от друга развили эхолокацию — активное восприятие звука посредством испускаемых звуковых волн и возвращающихся эхо-сигналов. Звук распространяется со скоростью ~340 м/с в воздухе и ~1500 м/с в воде. Для летучей мыши, обнаруживающей мотылька на расстоянии 5 метров, время прохождения акустического сигнала туда и обратно составляет ~29 миллисекунд. Для дельфина, отслеживающего рыбу на расстоянии 10 метров, акустическая задержка составляет ~13 миллисекунд. Эти задержки происходят до начала какой-либо нейронной обработки.
Таким образом, общая задержка для хищника, использующего эхолокацию, составляет: время распространения звука (туда и обратно) + кохлеарная трансдукция + проводимость слухового нерва + центральная обработка слуховой информации + планирование движений + выполнение движений. Для летучей мыши это время может легко превышать 50–80 миллисекунд. В течение этого времени и хищник, и жертва движутся. Для успешного перехвата необходимо предсказать не то, где находилась жертва в момент эха, а то, где она будет находиться в момент удара — предсказание, охватывающее два последовательных временных промежутка.
Электролокация и проблема медленного поля: слабоэлектрические рыбы (Gymnotiformes и Mormyridae) воспринимают окружающую среду посредством генерируемых ими самими электрических полей. Эти поля распространяются практически мгновенно, но их пространственное разрешение быстро ухудшается с расстоянием, и рыба должна учитывать временные изменения искажений поля, чтобы отслеживать движущиеся объекты. Вычислительная задача аналогична: рыба должна предсказать, где окажется добыча или препятствие к моменту, когда она сможет отреагировать, а не где оно находилось в момент обнаружения. Исследования электрических рыб выявляют сложные механизмы прогнозирования в их электросенсорных системах, включая модели ожидаемых искажений поля во время собственного движения ( Sawtell et al., 2005).
Механорецепция и боковая линия: Рыбы и водные амфибии обнаруживают движение воды с помощью системы боковой линии. Ударные волны от приближающихся хищников или убегающей добычи распространяются в воде со скоростью, определяемой гидродинамикой — быстрой, но не мгновенной, и подверженной сложным закономерностям отражения и искажения. Организм, получающий эту информацию, должен отделить самогенерируемые движения воды от внешних сигналов и предсказать будущее положение источника. Это требует именно того вида прямого моделирования, который описывает предиктивная обработка.
Инфракрасное зондирование у ямкоголовых змей: ямкоголовые змеи обнаруживают тепловое излучение с помощью специализированных ямкообразных органов. Хотя инфракрасное излучение распространяется со скоростью света, сам механизм теплового обнаружения вносит задержку — мембрана ямки должна нагреваться или охлаждаться в ответ на падающее излучение, и этот процесс регулируется термодинамикой, а не электроникой. Змея должна предсказывать движение добычи во время атаки на основе тепловых изображений, которые по своей природе сглаживаются и задерживаются из-за этого физического ограничения.
Обобщенный принцип: Все эти случаи объединяет то, что ограничение по задержке распространяется за пределы нейронной проводимости. Любая сенсорная модальность, где физический сигнал распространяется медленно, где трансдукция вносит задержки или где факторы окружающей среды добавляют шум и временную неопределенность, сталкивается с одной и той же фундаментальной проблемой: информация, получаемая организмом, описывает мир, которого больше не существует. Единственное решение — предсказание .
Это наблюдение подкрепляет главный аргумент. Зрение, с его практически мгновенным распространением стимулов, представляет собой наилучший случай для реактивного управления — и прогнозирование по-прежнему необходимо. Для организмов, использующих эхолокацию, электролокацию, механорецепцию или другие медленные способы восприятия, эта необходимость еще более остра. Конвергентная эволюция сложных предсказательных нейронных цепей у эхолоцирующих млекопитающих (летучих мышей и китообразных, разделенных примерно 95 миллионами лет эволюции) и электросенсорных рыб (гимнотиформных и мормирид, независимо эволюционировавших на разных континентах) предоставляет убедительные доказательства того, что прогнозирование — это не просто одна из вычислительных стратегий, а универсальный ответ на физику распространения сигнала во времени.
9. Последствия: Прогностическая архитектура как физическая необходимость.
Теперь у нас есть два независимых вывода к одному и тому же заключению. Первый исходит из селективного давления, направленного на скорость. Второй — из масштабирования тела. Оба сходятся к одному утверждению: предиктивная обработка — это не одна из многих возможных архитектур, а единственная масштабируемая и эволюционно стабильная архитектура для любой нервной системы, сталкивающейся с временными ограничениями.
Это смелое утверждение — возможно, даже слишком смелое в своей первоначальной формулировке. Следует уточнить: предиктивная обработка — единственная архитектура, которая остается жизнеспособной в масштабе динамичных, требующих больших временных затрат ниш. Организмы в статических средах или достаточно малые, чтобы задержки были незначительными, могут выживать с более простыми архитектурами.

Следствие 10: Невозможность пассивного восприятия
Если приведенный выше аргумент верен, то из него следует важное следствие: восприятие не может быть пассивным приемом информации. Классическая точка зрения, согласно которой мозг просто получает сенсорные данные и выдает представления, физически невозможна.
Пассивное восприятие потребовало бы ожидания данных. Ожидание означает реагирование на прошлое. Реагирование на прошлое означает систематическую неудачу в задачах, требующих быстрого реагирования во времени. Систематическая неудача означает угасание. Следовательно, пассивное восприятие не может существовать ни в одном организме, сформированном отбором на быструю реакцию.
Существует восприятие как контролируемая галлюцинация. Мозг генерирует предсказания, сравнивает их с поступающими данными и обновляет их на основе ошибок предсказания. Восприятие — это предсказание , а не исходные данные.
11. Конвергенция: почему искусственные системы заново открывают одну и ту же архитектуру.
Системы искусственного интеллекта, разработанные людьми на совершенно разных платформах, независимо друг от друга пришли к созданию архитектур, основанных на прогнозировании. Крупные языковые модели являются механизмами прогнозирования.
Это совпадение не случайно — оно отражает то же самое основополагающее ограничение в другой среде.
Для биологических систем ограничивающим ресурсом является время. Для искусственных систем — вычислительная мощность, то есть комбинаторный взрыв при попытке исчерпывающего рассуждения. Разные ограничения, но одна и та же структурная проблема: невозможность обдумать всё до конца, прежде чем действовать.
Рассмотрим генерацию текста без предсказания. Для каждого токена системе потребуется оценить все варианты продолжения, вычислить последствия, проверить правильность и выбрать оптимальный вариант. Это невыполнимая задача. Единственное масштабируемое решение — это предсказание на основе изученной статистической структуры.
Компромисс тот же. Системы прогнозирования допускают ошибки. Мозг галлюцинирует — воспринимает несуществующие закономерности. Языковые модели галлюцинируют — генерируют правдоподобно звучащие ложные утверждения. Это не ошибки, а неизбежные издержки прогнозирования как стратегии.
12. Что означает прогнозирование: единое определение
В данной работе предсказание рассматривается в нескольких контекстах: сенсомоторная экстраполяция, внутренние модели тела, упреждающее управление и предсказание следующего действия. Являются ли эти примеры действительно одним и тем же явлением?
Определение: Система осуществляет прогнозирование тогда и только тогда, когда она поддерживает внутренние состояния, несущие информацию о состояниях целевой переменной, недоступных непосредственно для текущего наблюдения, и эти внутренние состояния влияют на выходные данные системы.
Это определение состоит из трех компонентов: (1) внутренние состояния, (2) информация о недоступных состояниях и (3) влияние на результат. В соответствии с этим определением все рассмотренные случаи соответствуют требованиям:
Сенсомоторная экстраполяция: зрительная система отображает движущиеся объекты, опережая их последнее наблюдаемое положение. Внутренние модели тела: мозжечок генерирует прогнозируемые положения конечностей. Предвидение хищник-жертва: нейронные состояния кодируют будущее положение жертвы. Языковые модели: скрытые состояния кодируют информацию о вероятных будущих объектах.
Ключевая идея: для прогнозирования не требуется явного временного анализа или сознательного предвидения. Требуется лишь, чтобы внутренние состояния содержали информацию о состояниях, недоступных непосредственному наблюдению в данный момент.
13. Предсказание как основа интуиции
Единое определение имеет поразительное значение для интуиции. Мы предполагаем, что интуиция — это не отдельная когнитивная способность, а субъективный опыт предсказательной обработки, работающий ниже порога сознательного доступа.
Рассмотрим опытного шахматиста, который считает позицию опасной, или врача, который чувствует, что что-то не так, еще до постановки точного диагноза. Эти суждения возникают уже сформированными, без сознательного рассуждения, но зачастую оказываются удивительно точными.
Прогностическая модель дает прямой ответ: интуиция — это предсказание, которое стало настолько сжатым, автоматическим и быстрым, что перестало восприниматься как умозаключение. Мозг шахматиста закодировал статистические закономерности из тысяч партий; когда появляется новая позиция, эти закономерности генерируют предсказания без явных вычислений.
Скорость интуиции не волшебная, она заложена в самой структуре мышления. Сознательное рассуждение медленное, потому что оно сериализует информацию в рабочей памяти. Интуитивное предсказание обходит это узкое место, работая с распределенными, параллельными представлениями.
Это объясняет несколько загадочных особенностей: почему интуиция улучшается с приобретением опыта (больше данных для изучения закономерностей), почему она специфична для конкретной области (разные области имеют разные закономерности), почему она может быть ошибочной (модели, обученные на ограниченных или предвзятых данных) и почему она больше похожа на восприятие, чем на умозаключение (тот же механизм прогнозирования, применяемый к абстрактным областям).
14 критических замечаний, альтернатив и пограничных случаев
14.1 Возражение о нефальсифицируемости
Постоянная критика предиктивной обработки заключается в том, что она не поддается опровержению — любое наблюдение может быть объяснено путем корректировки параметров, таких как взвешивание точности (Bowman et al., 2023; Litwin & Mi;kowski , 2020). Критики утверждают, что когда ошибки прогнозирования велики, защитники утверждают, что точность была низкой; когда ошибки малы, точность была высокой; когда организмы ищут ошибки прогнозирования, взвешивание точности объясняет это.
Эта критика применима к некоторым реализациям предиктивного кодирования, но менее сильна против представленного здесь аргумента. Наше утверждение не касается конкретных нейронных реализаций или параметров точности. Оно касается ограничения: системы с конечной задержкой в суровых условиях должны кодировать информацию о будущих состояниях, чтобы выжить. Это в принципе опровергаемо — для этого необходимо продемонстрировать систему, которая может существовать неограниченно долго в динамичной, суровой среде с нулевой предсказательной способностью.
В более общем смысле, мы различаем предиктивную обработку как структуру (которая, возможно, действительно слишком гибкая) и предсказание как необходимую вычислительную стратегию (которая вытекает из физических ограничений). Структура может быть неопровержимой; утверждение о необходимости — нет.
14.2. Испытание C. elegans
Нематода C. elegans представляет собой очевидный контрпример: 302 нейрона, полностью картированный коннектом и поведение, которое, по-видимому, в значительной степени является реактивным (White et al., 1986). Если предсказание необходимо, почему C. elegans удается существовать с такой минимальной нервной системой?
Ответ кроется в граничных условиях нашего рассуждения. C. elegans Его размер достаточно мал (~1 мм), поэтому задержки проведения сигнала незначительны — сигналы проходят через всю нервную систему за микросекунды. Он функционирует в относительно стабильных средах (почва, бактериальные газоны) с низкими временными требованиями. Критерий наказания выполняется лишь слабо; большинство поведенческих реакций — хемотаксис и пищевое поведение — допускают значительную задержку.
Caenorhabditis elegans не опровергает этот аргумент; он иллюстрирует граничные условия. Очень маленькие организмы в стабильных условиях могут позволить себе реактивную архитектуру . Но Caenorhabditis elegans не смог бы достичь даже умеренных размеров тела без фундаментальных архитектурных изменений.

14.3 Проблема релевантности: какие прогнозы следует делать?
Существенное возражение касается не того, следует ли что-то предсказывать, а того, что именно предсказывать. Проблема релевантности (также известная как проблема фрейма) заключается в том, как система определяет, какие прогнозы стоит делать среди бесконечного числа возможных вариантов будущего. Простое предсказание недостаточно, если система не может контекстно-зависимо расставлять приоритеты информации — препятствие, которое, как известно, тормозило развитие сложных агентов искусственного интеллекта.
Это действительно серьезная проблема, и мы должны решить ее напрямую. Закон о прогнозируемой жизнеспособности устанавливает, что для сохранения жизнеспособности необходима определенная способность к прогнозированию, но не уточняет, какие именно прогнозы требуются. Это, по-видимому, оставляет пробел в аргументации.
Решение проблемы с помощью точного взвешивания: В рамках прогнозной обработки проблема релевантности решается с помощью точного взвешивания — динамической корректировки веса различных прогнозов и ошибок прогнозирования на основе их предполагаемой надежности и релевантности текущим целям (Feldman & Friston, 2010; Hohwy, 2020). Прогнозы относительно быстро меняющихся, важных для выживания характеристик окружающей среды получают более высокую точность; прогнозы относительно стабильных или нерелевантных характеристик получают более низкую точность.
Эволюционная предварительная настройка: для биологических систем эволюция уже решила большую часть проблемы релевантности. Организмы не начинают с нуля решать, что предсказывать; они наследуют нейронные архитектуры, которые уже настроены на предсказание важных для выживания характеристик — движения хищников, местоположения пищи, динамики собственного тела. Структура релевантности закодирована в геноме до того, как происходит какое-либо индивидуальное обучение.
Проблема релевантности как уточнение, а не опровержение: Важно отметить, что проблема релевантности не подрывает необходимость прогнозирования — она устанавливает дополнительное ограничение на то, какие виды прогнозирования являются жизнеспособными. Система, прогнозирующая нерелевантные признаки, будет вытеснена системой, прогнозирующей релевантные признаки, но система, которая ничего не прогнозирует, будет вытеснена обеими. Проблема релевантности — это селективное давление в пространстве прогностических архитектур, а не альтернатива самому прогнозированию.
Мы признаем, что наша формальная модель (раздел 16) не в полной мере отражает проблему релевантности. В будущих исследованиях следует расширить закон прогнозируемой жизнеспособности, включив в него релевантность в качестве дополнительного ограничения, возможно, путем разложения I на релевантные и нерелевантные для задачи компоненты и демонстрации того, что только первые вносят вклад в вероятность выживания.
14.4 Экологическая психология и прямое восприятие
Экологическая психология Гибсона (1979) предлагает альтернативную концепцию: восприятие является прямым, а не умозаключительным. Организмы воспринимают аффордансы — возможности действий, определяемые инвариантной информацией в оптическом массиве, — без построения внутренних моделей. Это прямо противоречит утверждению теории предиктивной обработки о том, что восприятие является контролируемой галлюцинацией .
Однако напряжение может быть скорее кажущимся, чем реальным. Гибсон был прав, утверждая, что окружающая среда имеет богатую структуру и что большая часть информации доступна напрямую. Но для распространения этой информации по нервной системе всё же требуется время. Даже если восприятие является прямым в том смысле, что не требует символического вывода, оно всё равно сталкивается с проблемой задержки. Вопрос не в том, является ли восприятие репрезентативным (философский спор), а в том, требуют ли временные ограничения предвосприятия (физический факт).
Согласование возможно: экологическая информация определяет, что именно нужно прогнозировать. Возможности взаимодействия могут представлять собой содержание прогнозов, а не их альтернативы.
14.5 Модели с прямой связью и прямое управление: граница затрат и выгод
Утверждение о том, что PP — единственная масштабируемая архитектура, должно быть сопоставлено с моделями прямого управления и механизмами прямого контроля, которые могут быть более эффективными в определенных режимах.
Архитектуры прямого распространения: Классические модели прямого распространения (Хубель и Визель, 1962; Марр, 1982) обрабатывают информацию снизу вверх без рекуррентной, генеративной динамики. Они вычислительно проще и могут быть достаточны для задач с низкими временными требованиями. Ранняя зрительная система, по-видимому, в значительной степени использует прямое распространение в течение первых ~100 мс обработки.
Прямое управление: В средах с низкой сложностью затраты на поддержание генеративной модели мира могут превышать выгоду. Термостат не предсказывает, а реагирует. Для систем в средах с низкой изменчивостью (H ; 0) или слабым наказанием (; ; 0) реактивное управление может быть оптимальным.
Формализация анализа затрат и выгод: Пусть C_pred — стоимость прогностического механизма, а C_err — стоимость одной ошибки. Предсказание предпочтительнее, когда:
C_err · P( ошибка | реактивный) > C_pred + C_err · P( ошибка | прогнозный) (1)
Этот подход не работает, когда вероятность ошибки низка без прогнозирования, ошибки недороги или прогностические механизмы дороги. Наше утверждение следует уточнить: прогнозирование необходимо там, где выполняется это неравенство, — а это включает все динамические, требующие больших временных затрат ниши со значительной задержкой.
14.6 Иерархическая трилемма обоснования
Одно из сложных возражений касается иерархической структуры. Если прогнозы на одном уровне требуют прогнозов на более высоком уровне, то что обосновывает самый высокий уровень? Есть три возможности:
(1) Бесконечная регрессия: каждое предсказание требует более высокого предсказания, простирающегося бесконечно. Но мозг конечен.
(2) Произвольное завершение: Иерархия завершается с фундаментальными априорными значениями, которые кажутся произвольными.
(3) Круговая причинность: Предсказания взаимно вызывают друг друга, создавая порочный круг.
Наш ответ: Мы принимаем (2), но отрицаем, что это проблематично. Априорные вероятности высшего уровня являются продуктами эволюционного отбора — настроенными на миллионы лет для максимизации приспособленности. Они оправданы не более высокими предсказаниями, а выживанием. Иерархия завершается эволюционной адекватностью, а не метафизической необходимостью.
Это связано с законом прогнозируемой жизнеспособности: сохраняются те априорные вероятности, которые позволяют I( X; Y_{ t+; }) > 0 для переменных, имеющих отношение к выживанию. Эволюция обосновывает иерархию, отбирая те априорные вероятности, которые работают. Возражение о цикличности снимается: взаимное влияние между уровнями носит когерентистский характер , а не порочный круг, и вся система основана на жизнеспособности — прагматическое, а не фундаменталистское обоснование.
14.7 Сравнительный анализ концептуальных моделей
Для уточнения эмпирической картины мы сравниваем три основные концепции решения проблемы задержки:
Прогнозирующая обработка Экологическая психология Реактивное управление
Решение проблемы задержки Прогнозирование с помощью обученных внутренних моделей Прямой сбор инвариантной информации Отсутствуют — быстрая реакция
Основной механизм Минимизация ошибки прогнозирования Возможности взаимодействия; связь между восприятием и действием Запрограммированные сенсомоторные сопоставления
Масштабируемость Высокий Середина Низкий
Ограничения Потенциальная неопровержимость Не решает проблему задержки нейронной активности. Невозможно масштабировать до больших тел.
Таблица 1: Сравнение фреймворков
Это сравнение показывает, что каждая из этих концепций имеет естественную область применения. Реактивное управление работает для малых организмов. Экологическая психология охватывает большую часть процессов восприятия и действия в средах среднего масштаба с богатой структурой. Прогнозирующая обработка становится необходимой — а не просто полезной — когда размер тела создает значительные задержки или когда окружающая среда динамична и сурова.
14.8 Проверяемые предсказания закона прогностической жизнеспособности
Теория хороша настолько, насколько хороши её проверяемые предсказания. Закон прогностической жизнеспособности порождает несколько эмпирически проверяемых предсказаний:
Прогноз 1 (Зависимость задержки от масштабирования): У разных видов сложность механизмов прогнозирования должна коррелировать с размером тела и экологическими временными требованиями.
Прогнозирование 2 (эффекты задержки ЭЭГ/МЭГ): У людей, выполняющих задачи на перехват , сигналы ошибки прогнозирования должны появляться раньше относительно выполнения действия по мере увеличения сложности задачи.
Прогноз 3 (Исследования нарушений): Искусственное увеличение эффективной задержки должно приводить к систематическим ошибкам, предсказуемым на основе модели.
Предсказание 4 (фальсификация результатов моделирования): Моделирование на основе агентов должно показать, что у непредсказуемых агентов (I = 0) вероятность выживания снижается P( выжить n шагов) = p;; ; 0.
Прогноз 5 (Разработка ИИ): Искусственные системы, масштабированные для работы в реальном времени в физической среде со значительной задержкой, независимо друг от друга сойдутся к архитектурам, ориентированным на прогнозирование.
14.9 Альтернативные объяснения конвергенции ИИ
Можно утверждать, что системы ИИ обладают способностью к прогнозированию не потому, что прогнозирование требует вычислительных ресурсов, а потому, что мы умеем обучать именно этому. Прогнозирование следующего токена — удобная задача для градиентного спуска; другие архитектуры могут подойти, но мы их пока не нашли.
Это вполне обоснованная альтернативная гипотеза. Мы не можем исключить , что некоторые непредсказательные архитектуры могли бы достичь сопоставимой производительности, если бы был найден правильный обучающий сигнал. Однако несколько соображений склоняются к интерпретации необходимости: (1) различные подходы (символический ИИ, обучение с подкреплением, эволюционные вычисления) при масштабировании сходились к механизмам, подобным предсказаниям; (2) вычислительная сложность исчерпывающей проверки не зависит от субстрата; (3) предсказательные архитектуры появились до того, как была понята их теоретическая необходимость.
14.10 Смягчение центрального иска
В свете этих соображений мы уточняем наше основное утверждение. Вместо утверждения: «Прогнозирующая обработка — единственная жизнеспособная архитектура», мы предлагаем: «Прогнозирующая обработка — единственная масштабируемая и эволюционно стабильная архитектура для адаптивных систем, работающих в условиях реалистичных физических ограничений в динамичных, требующих больших временных затрат средах».
Данная формулировка учитывает граничные случаи (малые организмы, статическая среда), сохраняя при этом основную идею: там, где важна задержка и среда наказывает за ошибки, прогнозирование будет доминировать.
15. К общему принципу
В предыдущих разделах рассматривалась архитектура прогнозирования в двух областях: биологических нервных системах и искусственном интеллекте. В обоих случаях ограничения ресурсов, препятствующие исчерпывающей обработке информации, подталкивают системы к прогнозированию. Наблюдаем ли мы более общий принцип?
Мы предполагаем — предварительно — что здесь может действовать общий принцип: в любой конкурентной системе, где результаты зависят от скорости реакции, и где скорость реакции ограничена конечной задержкой выполнения операции, стратегии прогнозирования, как правило, будут являться доминирующим решением.
Доказательства общности: Системы высокочастотной торговли сблизились в сторону прогнозных стратегий. Военная доктрина делает упор на предвидение. Искусственный интеллект, играющий в игры, учится прогнозировать поведение противника. В каждом случае: конкуренция плюс ограничение по времени приводят к прогнозированию.
Мы должны быть осторожны. Не все системы сталкиваются с конкурентным давлением. Не все конкурентные системы имеют ограничения по задержке . Этот принцип описывает тенденцию, а не безусловный закон — область притяжения, а не логическую необходимость.
16. Формальная структура: Закон прогнозируемой жизнеспособности
Теперь мы формализуем эти аргументы, используя теорию информации.
16.1 Определение системы
Рассмотрим адаптивную систему S = (X, A, U, ;), где X — внутренние состояния, A — действия, U : X ; A — правило обновления, а ; > 0 — задержка реакции. Среда E = (Y, P) имеет состояния Y и вероятность перехода P( Y_{ t+; } | Y_t ).
Определим область жизнеспособности V ; Y. Система существует тогда и только тогда, когда остается в V. Окружающая среда должна быть карательной: неправильные действия увеличивают P( Y_{ t+; } ; V).
16.2 Официальное заявление
Закон прогнозируемой жизнеспособности: Для любой адаптивной системы с задержкой ; > 0 в суровой нестационарной среде для сохранения устойчивости требуется:
I( X; Y_{ t+; } | Y_t ) > 0 ( 2)
То есть внутренние состояния должны кодировать информацию о будущих состояниях окружающей среды, выходящую за рамки того, что доступно при текущих наблюдениях.
16.3 Эскиз доказательства
(1) Задержка создает временной разрыв : действие, выбранное в момент времени t, вступает в силу в момент времени t+; . (2) Если I( X; Y_{ t+; } | Y_t ) = 0, действия калибруются для настоящего, а не для будущего. (3) В нестационарных средах настоящее ; будущее. (4) В средах с жесткими условиями неправильно откалиброванные действия увеличивают вероятность завершения. (5) Со временем P( выжить n шагов) = p; ; 0 для любого p < 1. (6) Следовательно, для устойчивости требуется I( X; Y_{ t+; } | Y_t ) > 0. ;
16.4 Граничные условия
Закон не действует, когда: (1) окружающая среда полностью случайна (предсказание невозможно), (2) окружающая среда не является карательной (ошибки допустимы), (3) система поддерживается извне (не автономна), (4) устойчивость не зависит от действия, (5) задержка равна нулю (мгновенный ответ).
16.5 Количественная модель и структура моделирования
Пусть p(I) = вероятность выживания на одном шаге при заданной прогностической способности I. Для чисто реактивных систем (I = 0):
P( выжить n шагов | I = 0) = p;; ; 0 при n ; ; ( 3)
Без прогнозов вымирание неизбежно; это лишь вопрос времени.
Расширенная модель с учетом параметров окружающей среды: Мы можем более точно параметризовать функцию выживания. Пусть:
• H = H( Y_{ t+; } | Y_t ) = волатильность окружающей среды (энтропия будущего при условии настоящего)
• ; = степень тяжести наказания (вероятность прекращения обучения в случае совершения неправильного действия)
• I = прогностическая способность (взаимная информация между внутренними состояниями и будущим)
• I* = максимально достижимый прогноз с учетом структуры окружающей среды
Тогда вероятность выживания на каждом этапе можно смоделировать следующим образом:
p( I, H, ;) = 1 ; ; · (H ; min( I, H)) / H ( 4)
Это отражает: (а) более высокую волатильность H, которая увеличивает вероятность ошибки; (б) прогностическую способность I, которая снижает количество ошибок до предсказуемого уровня; (в) наказание ;, которое преобразует ошибки в вероятность завершения.
17. Заключение: От «Существует» к «Должно быть» и что будет дальше.
В большинстве дискуссий о предсказательной обработке информации задается вопрос, работает ли мозг именно таким образом. Здесь же аргумент предполагает, что более фундаментальный вопрос заключается в том, мог ли мозг работать как-либо иначе — и при реалистичных физических ограничениях ответ отрицательный.
Мы привели как интуитивные, так и формальные аргументы. Интуитивный аргумент: нейронная проводимость конечна, выживание требует скорости, скорость имеет пределы, размер тела увеличивает задержку, и за пределами определенных порогов предсказание является единственной жизнеспособной стратегией. Формальный аргумент: системы с нулевой прогностической способностью сталкиваются с экспоненциально убывающей вероятностью выживания.
Мы рассмотрели единое определение прогнозирования, показав, что сенсомоторная экстраполяция, внутренние модели и генерация языковых моделей являются примерами одной и той же абстрактной структуры. Мы проанализировали критику — нефальсифицируемость , альтернативные концепции, пограничные случаи — и соответствующим образом уточнили центральное утверждение.
17.1 Прогнозы развития ИИ в будущем
Если аргумент обоснован, он позволяет делать прогнозы относительно развития ИИ:
Многомодальные базовые модели будут обладать функцией прогнозирования. По мере того, как системы ИИ будут масштабироваться для обработки изображений, языка, действий и других модальностей, они неизбежно будут переходить к архитектуре прогнозирования — не потому, что разработчики выбирают прогнозирование, а потому, что никакая другая архитектура не масштабируется.
Галлюцинации невозможно устранить без ущерба для функциональности. Галлюцинации — это цена прогнозирования в условиях неопределенности. Системы, которые никогда не испытывают галлюцинаций, — это системы, которые не кодируют никакой прогностической информации, и такие системы не могут работать в масштабе.

В способном искусственном интеллекте появятся модели мира. Любая система ИИ, работающая в динамичной среде с ограничениями по задержке, будет разрабатывать внутренние модели, кодирующие прогнозную информацию о динамике окружающей среды — не по замыслу, а по необходимости.
17.2 Заключительные размышления
Прогнозирующая обработка информации — это не когнитивная мода или мимолетная парадигма. Она может быть универсальным ответом адаптивных систем — биологических или искусственных, наземных или иных — на конкуренцию, задержки и физические ограничения обработки информации.
Мир прямого восприятия, исчерпывающего рассуждения, цепочек «стимул-реакция», не осложненных предвидением, — этого мира никогда не существовало и не может существовать. Физика и математика запрещают это. Каждый мозг, когда-либо эволюционировавший, и каждый искусственный интеллект, когда-либо достигший масштабов, уже всегда был и остается способным к предсказанию.
ССЫЛКИ
Боуман, Х., Коллинз, Д.Дж., Наяк, А.К., и Круз, Д. (2023). Можно ли опровергнуть предиктивное кодирование? Обзоры нейронауки и биоповеденческой медицины, 154, 105404.
Чемеро , А. (2009). Радикальная воплощенная когнитивная наука. Издательство MIT.
Кларк, А. (2013). Что дальше? Прогностические мозги, ситуативные агенты и будущее когнитивной науки. Поведенческие и нейробиологические науки, 36(3), 181–204.
Кларк, А. (2016). Серфинг в условиях неопределенности: прогнозирование, действие и воплощенный разум. Издательство Оксфордского университета.
Коломбо, М., и Райт, К. (2018). Первые принципы в науках о жизни: принцип свободной энергии, органицизм и механизм. Синтез , 198(14), 3463–3488.
Дёриг , А., Шургер, А., и Херцог, М.Х. (2023). Жесткие критерии для эмпирических теорий сознания. Нейробиология сознания, 2023(1), niad002.
Иглман, Д.М., и Сейновски, Т.Дж. (2000). Интеграция движения и постпрогнозирование в визуальном восприятии. Science, 287(5460), 2036–2038.
Англия, Дж. Л. (2013). Статистическая физика самовоспроизведения. Журнал химической физики, 139(12), 121923.
Фельдман, Х., и Фристон, К. Дж. (2010). Внимание, неопределенность и свободная энергия . Frontiers in Human Neuroscience, 4, 215.
Фристон, К. (2010). Принцип свободной энергии: единая теория мозга? Nature Reviews Neuroscience, 11(2), 127–138.
Фристон, К. (2019). Волны предсказания. Nature Reviews Neuroscience, 20(12), 727–728.
Фристон, К., Фицджеральд, Т., Риголи, Ф., Швартенбек , П., О'Доэрти, Дж., и Пеццуло, Г. (2017). Активный вывод: теория процесса. Нейронные вычисления, 29(1), 1–49.
Фристон, К., и Стефан, К.Е. (2007). Свободная энергия и мозг. Синтез , 159(3), 417–458.
Фурутачи , С. и др. (2024). Механизм кооперативной таламокортикальной цепи для ошибок прогнозирования сенсорных сигналов. Nature, 633, 398–406.
Гибсон, Дж. Дж. (1979). Экологический подход к зрительному восприятию. Хоутон Миффлин.
Гельмгольц, Х. фон. (1867). Справочник по физиологической оптике. Восс.
Хогендорн , Х. (2020). Экстраполяция движения в визуальной обработке: уроки 25 лет дебатов о задержке вспышки. Журнал нейронауки, 40(30), 5698–5705.
Хоуи, Дж. (2013). Предсказательный разум. Издательство Оксфордского университета.
Хоуи, Дж. (2020). Новые направления в предиктивной обработке. Разум и язык, 35(2), 183–204.
Хубель, Д.Х., и Визель, Т.Н. (1962). Рецептивные поля, бинокулярное взаимодействие и функциональная архитектура в зрительной коре кошки. Журнал физиологии, 160(1), 106–154.
Квистхаут , Дж., и ван Рой , И. (2020). Требования к вычислительным ресурсам предсказательного байесовского мозга. Вычислительный мозг и поведение, 3, 174–188.
Лау, Х. (2022). Мы доверяем сознанию: когнитивная нейронаука субъективного опыта. Издательство Оксфордского университета.
Литвин, П., и Милковский , М. (2020). Объединение по указу: Задержка развития предсказательной обработки. Когнитивная наука, 44(7), e12867.
Марр, Д. (1982). Зрение: вычислительное исследование. WH Freeman.
Ниджхаван, Р. (1994). Экстраполяция движения при ловле. Nature, 370, 256–257.
Парр, Т., Бенримо , Д.А., Винсент, П., и Фристон, К. (2018). С учетом неопределенности: моделирование слепого вывода как параметрической байесовской задачи активного вывода. Научные отчеты, 8(1), 1–15.
Парр, Т., Да-Коста, Л., Фристон, К., и Фрит, К. (2021). Марковские одеяла в мозге. Сетевая нейронаука, 5(1), 1–28.
Пеццуло, Г., Риголи, Ф., и Фристон, К. (2015). Активное умозаключение, гомеостатическая регуляция и адаптивный поведенческий контроль. Прогресс в нейробиологии, 134, 17–35.
Рао, Р.П., и Баллард, Д.Х. (1999). Предиктивное кодирование в зрительной коре: функциональная интерпретация некоторых внеклассических эффектов рецептивных полей. Nature Neuroscience, 2(1), 79–87.
Рейвен, М.Дж. (2015). Основание. Философский компас, 10(5), 322–333.
Рихтер, Д., Кицманн, Т.К., и де Ланге, Ф.П. (2024). Ошибки прогнозирования высокого уровня в ранней зрительной коре . PLOS Biology, 22(11), e3002829.
Соутелл , Н.Б., Уильямс, А., и Белл, К.К. (2005). От искр к импульсам: обработка информации в электросенсорных системах рыб. Current Opinion in Neurobiology, 15(4), 437–443.
Шаффер, Дж. (2016). Обоснование в образе причинности. Философские исследования, 173(1), 49–100.
Шрёдингер, Э. (1944). Что такое жизнь? Физический аспект живой клетки. Издательство Кембриджского университета.
Сет, А.К. (2015). Присутствие разума: предиктивная обработка и феноменология присутствия. Журнал исследований сознания, 22(9–10), 154–181.
Сет, А.К., и Хоуи, Дж. (2021). Прогностическая обработка как систематическая основа для самоидентификации. В книге «Философия и наука самоконтроля» (стр. 1–22). Routledge.
Спревак , М. (2023). Введение в модели прогнозирования процессов восприятия и принятия решений. Темы когнитивной науки.
Сан, З., и Файрстоун, К. (2020). Проблема темной комнаты. Тенденции в когнитивных науках, 24(5), 346–348.
Томас, Э.Р., Хаарсма, Дж., Николсон, Дж., Йон, Д., Кок, П., и Пресс, К. (2024). Прогнозы и ошибки отчетливо представлены в разных слоях V1. Current Biology, 34(10), 2265–2271.
Ван Гелдер, Т. (1995). Что может представлять собой познание, если не вычисления? Журнал философии, 92(7), 345–381.
Вопсон , М.М. (2022). Принцип эквивалентности массы-энергии-информации. AIP Advances, 9(9), 095206.
Уайт, Дж. Г., Саутгейт, Э., Томсон, Дж. Н., и Бреннер, С. (1986). Структура нервной системы нематоды Caenorhabditis elegans. Философские труды Королевского общества B, 314(1165), 1–340.
Визе, В. (2018). Простая предиктивная обработка: первое приближение. В книге «Философия и предиктивная обработка» (стр. 1–18). MIND Group.
Уильямс, Д. (2020). Предиктивное кодирование и мышление. Синтез , 197(4), 1749–1775.