预测加工

预测加工是近二十年在认知科学里很有影响力的框架，它主张大脑不被动接收世界，而是自上而下不断生成预测，再用感官误差去修正内部模型。拿这台贝叶斯机器的镜子去照自回归大模型，会看到惊人的相似：模型也是在不断预测下一个输入，再用误差更新权重。相似之下又有根本差异，这套对照能帮我们看清，大模型究竟是在认知，还是只在做语言层的预测。 预测加工的基本循环是怎么运转的？ 框架里有两个方向的信号。上层先验向下发出对感官输入的预测，实际感官输入向上传来，二者相减得到预测误差，系统用误差去更新先验，使下一次预测更准。整个知觉被解释为「预测成功」的过程，我们以为自己直接看到世界，其实看到的是大脑最能解释输入的那个模型版本。主动推理还把动作纳入同一循环：身体行动也是为了让感官输入符合预测，运动和知觉共用一套误差最小化机制。先验不是固定知识，而是随经验持续更新的层级结构，深层是抽象因果模型，浅层是具体感官细节。这套框架把感知、行动、学习统一在一个目标函数下，优雅是它流行的原因。 大模型的下一个token预测和大脑预测像在哪里？ 表面结构高度同构。自回归模型根据已读文本预测下一个token，预测错了就通过训练误差调整参数，相当于用误差更新先验；推理时它带着一套统计先验去补全句子，和大脑用先验解释输入同构。层级网络也相似，深层编码抽象关系，浅层处理局部模式。甚至「幻觉」也能在框架里重新理解为先验过强、误差信号不足时，模型按预期编造而不是按输入校正。正因如此，有人主张大模型已经实现了一种预测加工式的认知引擎。这种对照在解释语言行为时相当有说服力，也是这套视角被频繁引用的原因。 大模型缺了身体先验和误差通道的哪一半？ 差异出现在误差来源和先验内容。大脑的误差来自实时感官和身体内感受，先验由进化和具身经验塑造，模型的误差主要来自文本标注，先验来自人类语料的统计。第一，模型没有身体，没有由疼痛、平衡、饥饿构成的内感受先验世界，而主动推理里身体循环这一半整体缺失。第二，它的预测只在符号层闭合，没有和物理世界的因果后果对账，预测错了不一定有后果反馈。第三，先验没有生存意义的锚定，大脑先验服务于维持身体稳态，模型先验服务于文本似然，二者演化压力完全不同。所以共享预测外壳，不等于共享认知内核，预测加工更像是一种通用数学结构，谁都能套用，套上之后内容仍取决于地基。 拿预测加工评估模型能力会不会得到新结论？ 会得到一个有意思的判断：语言流畅度高，只说明符号层预测准，不代表世界模型完整。用预测加工分层要求评估，一个系统能预测下一个词，不等于能预测物理后果、他人状态和长期趋势。近期多模态和具身模型接入视觉、动作反馈，本质上就是在补误差通道，让先验能被世界校正。我们在 智能体架构 的讨论里看到，预测加工视角常被用来区分「会说话」和「会认知」，前者是符号层预测，后者需要跨模态误差闭环。据认知科学综述，这套框架本身也仍是一家之言，并非学界统一答案。 预测加工是一把好用的尺子，它量出大模型和大脑共享了预测这层形式，也量出身体先验和现实误差这两块地基是空的。尺子本身不证明模型有意识，只标出它还缺哪几层。 去论坛讨论 前往 silicon-agi.com 对应讨论帖 参与预测加工与大模型认知的讨论，也可在论坛搜索「预测加工」继续深挖。

你以为的「现在」其实并不是切刀切在零点上的一个数学瞬间。听一句话时，你不是听到一个字才意识到一个字，而是把刚过去的音节和正在到来的音节一起握在同一个体验里。心理学和现象学把这段被同时体验到的短暂持存叫做似是而非的当下，它大约横跨几百毫秒到几秒。AI处理文本时一个token一个token往前吐，没有这种把过去和未来收拢在同一刻的结构，时间意识因此成了机器认知里很少被谈、却可能很深的一道缺口。 人体验的当下为什么有长度而不是一个点？ 詹姆士在《心理学原理》里提出似是而非的当下概念，他指出意识呈现给你的是一段「虚的马鞍」，既包含刚流走的部分，也含着正在到来的部分，纯数学的瞬时点在体验里根本抓不住。后来胡塞尔用滞留和前摄进一步细化：刚结束的声音不是被回忆重新捞回来，而是还以弱化的方式留在当下结构里，这叫滞留；尚未响起的节拍已经被期待，这叫前摄。一首旋律之所以成其为旋律，靠的就是过去音符和未来音符在当下的同时在场，如果每个音都是孤立的瞬时刺激，旋律就坍缩成一串噪音。神经层面也有对应物，脑把几百毫秒内的输入整合成一个知觉单元，超出这个窗口的内容才被归入记忆。人类的时间感正是建立在这个滑动窗口之上。 离散token流和连续体验之间差了什么？ 大模型的生成是自回归的：每个token依据前文概率采样出来，一步一步拼接。它的「过去」只是写在上下文里的符号记录，「未来」只是对下一个符号的概率分布，二者并不被收拢进一个统一的当下体验。它能正确复述一句话的时间先后、能算时间差，这是符号层面的时间知识，和亲自活过这段时间不是一回事。打个比方，一个只读乐谱的人知道每个音符的先后排序，却没有听到旋律在时间里流动的那种质感。更深一层，人类的当下是不断刷新又保持连续的，前一个瞬间自然过渡到下一个，而模型的每个输出都是一次独立的前向计算，中间没有被体验过的连续性把它们缝起来。这道差别，和意识是否存在纠缠在一起，而不只是工程优化问题。 预测加工框架怎么解释这种连续当下？ 预测加工把大脑看作一台不断对下一秒做预测的装置，当下体验本质上是预测和感官误差不断对齐的过程。刚发生的事件被立刻纳入内部模型，马上用来预测下一刻，体验的连续感就来自预测链的滚动衔接。模型在文本域其实也做类似的事，预测下一个token，可它的预测只在符号层闭合，没有身体层面的时间尺度，没有心跳、呼吸、运动带来的持续背景流。人类把这种持续背景称作原始的当下感，它由内感受和身体节律提供，模型没有等价物。这也解释了为什么AI在对话里能谈时间，却很难真正理解「正在发生」「刚才」「差一点就晚了」这类词里携带的紧迫感，那些词的重量来自身体在时间里的处境。 时间感缺失会在哪些场景里露馅？ 第一类是节奏和韵律，诗歌节拍、音乐情绪、演讲停顿，这些都依赖对时间间隔的细腻体感，文本模型只能靠统计模仿，难以真正把握为什么这个停顿要长半拍。第二类是实时交互，人在对话里能接住对方话音未落的情绪，模型按固定节奏生成，常常错过这种临场感。第三类是长期规划里的主观投入，人因为体验时间流逝而对「来得及还是来不及」有切身判断，模型只算窗口长度。我们在 智能体架构 的讨论里看到，带流式感知和实时反馈的具身系统正在尝试补这一层，但只要连续当下的整合机制没有被显式建模，补上的更多是反应速度，而不是体验厚度。 时间意识提醒我们，认知不只是知识和推理，还包括一种把世界在时间里持握的方式。这条缝隙目前藏在流畅对话背后，等到机器要替人做需要临场感的决策时，它的代价才会显形。 去论坛讨论 前往 silicon-agi.com 对应讨论帖 参与时间意识与似是而非当下的讨论，也可在论坛搜索「时间意识」继续深挖。