预测加工理论
Parent: ai_keywords
预测加工理论 (Predictive Processing)
核心定义
预测加工理论是当代认知神经科学的核心框架，主张大脑并非被动接收感觉输入，而是作为一个分层生成模型，持续主动地产生关于感觉原因的先验预测。感觉信号仅用于校验预测，计算预测误差（Prediction Error）并反向传播以更新模型。这一动态过程通过最小化预测误差（或变分自由能）实现感知、行动与学习的统一。
关键技术点
-
层级预测编码
大脑皮层按层级组织：高层级传递向下的预测（如物体类别），低层级传递向上的预测误差（如像素失配）。误差神经元（如浅层锥体细胞）与预测神经元（如深层锥体细胞）形成循环微环路。 -
先验与贝叶斯整合
预测本质是先验（Prior），感觉输入提供似然（Likelihood）。大脑通过近似贝叶斯推理计算后验，使感知既受经验约束又保持对环境的适应。 -
精度加权
预测误差的可靠性（精度）由突触增益或神经递质（如乙酰胆碱、去甲肾上腺素）调节。高精度感觉信号施加更大纠正权重，低精度则依赖预测。注意力被理解为精度分配的动态过程。 -
主动推理
行动被视为降低预测误差的另一途径：通过运动改变感觉输入（如转动眼球使视觉预测吻合），实现感知-行动闭环。该机制统一了知觉、运动控制与决策。
医学/神经科学应用场景：癫痫发作的预测加工模型
以首都医科大学宣武医院神经内科代表性的癫痫研究为例，预测加工理论为该病机制提供新视角。癫痫发作可视为预测编码系统的失稳：局部皮层（如颞叶）的预测模型过度自信（先验精度异常升高），导致对感觉输入中的微小偏差持续忽略，误差累积至超过阈值后引发级联放电——表现为同步化发作。具体地：
- 发作前期：病灶区域先验精度异常升高，压制正常误差反馈，逐渐偏离真实状态。
- 发作期：累积误差突然爆发，类似“错误预测灾难”，传播至全脑。
- 临床应用：基于皮层模型与精度参数的动态检测，可开发癫痫预警算法；通过经颅直流电刺激调节局部先验精度，有望成为非侵入性干预手段。该理论为脑电图-功能磁共振联合分析及闭环刺激系统提供了统一计算框架。
