来源：quantamagazine

编译：大明

【新智元导读】预测编码理论认为，大脑的感知、运动掌握、影象及其他高等功能，取决于真实经历和大脑对未来的预测之间的差异。
DeepMind新推出的“天生查询网络”模拟了大脑的预测编码机制，明显提升了预测系统的智能化水平。

上个月，人工智能公司DeepMind推出了一款新软件，可以在虚拟房间内拍摄一些物体的单个图像，并且能够在没有真人辅导的情形下，从全新的有利视角推断出三维场景的样貌。
这一系统名为天生查询网络（GQN），它可以成功仿照大略的***游戏式迷宫的布局。

GQN有很范例的技能上的运用，不过它同样引发了神经科学家的关注，他们对用于学习如何实行任务的演习算法特殊感兴趣。
GQN能够由给定的图像天生关于场景样貌的预测，比如定位目标的位置，阴影在平面上的投射样式，在某些视角下，哪些区域是该当可见还是隐蔽，并利用预测结果与真实不雅观察结果之间的差异，来提高其未来预测的准确性。
“正是现实与预测之间的差异，使得模型能够不断更新。
”该项目卖力人之一Ali Eslami说。

Eslami在该研究上的互助者、也是他在DeepMind的同事Danilo Rezende表示，“算法会改变预测模型的参数，以是下次碰着相同的情形时，它就不会显得那么惊异了。
”

长期以来，神经科学家一贯疑惑大脑的运行办法也遵照与此类似的机制。
（这些推测确实是启示GQN团队探寻这种方法的一部分缘故原由。
）根据这种“预测编码”（predictive coding）理论，在认知过程的每个层面，大脑都会产生一些关于该当自其下面的层级吸收到哪些信息的模型和不雅观点。
这些不雅观点被转化为关于在特定情形下的经历的预测，供应令这些经历说得通的最佳阐明。
然后将预测结果作为反馈发送到大脑的较低级的觉得区域。
大脑将自己的预测结果与收到的实际感官输入内容进行比较，并“搪塞掉”任何差异或预测缺点，并可以通过利用其内部模型来确定涌现这种差异的可能的缘故原由。
（例如，我们可能根据某个内部模型将一张桌子视为一个由四条腿支撑的平面，但纵然桌子被其他东西遮住了一半，我们仍旧可以认得出这是一张桌子。
）

对付给定的一张色块样式的二维图像（左），GQN人工智能能够推断出色块在空间中的三维排列（右）。
该系统依赖于作为预测编码的神经科学理论的一些基本见地。
图/DeepMind

无法阐明的预测偏差会通过更高等别的连接（作为“前馈”旗子暗记，而不是反馈）通报，这里，预测偏差被认为是值得把稳的征象，系统须要把稳并做出相应处理。
伦敦大学学院的Karl Friston说：“现在的关注点在于内部模型的调节，关注大脑动力学，来抑制预测中的缺点。
” Friston是著名神经科学家，也是预测编码假设的先驱之一。

在过去的十年中，认知科学家、哲学家和生理学家将预测编码作为一个令人信服的想法，尤其是用于描述感知的运行机制，而且将其作为一个关于全体大脑运行机制的更具年夜志、包罗万象的理论。
直到最近才有实验工具开始直接测试这一假设的详细机制，过去两年内揭橥的一些论文为该理论供应了惊人的证据。
只管如此，该理论仍旧存在争议，最近，关于一些具有里程碑意义的实验结果是否可重复的辩论，可能该理论存在争议的最好的证明。

咖啡、奶油与狗

“我喝咖啡喜好加奶油和____。
”这个句子用“糖”来填空彷佛是很自然的。
这也是加州大学圣迭戈分校的认知科学家Marta Kutas和Steven Hillyard的本意，他们在1980年进行了一系列的实验，他们在实验中将这句话逐词放到大屏幕上给人看，并记录下不雅观众的大脑活动。
只不过，涌现的末了一个词并不是“糖”，而是“狗”。
全体句子变成了：“我喝咖啡喜好加奶油和狗。
”

研究职员把稳到，当研究工具看到“狗”这个出乎猜想的词时，会涌现更激烈的大脑反应，这些反应的详细特点为“特定模式的电活动”，称为“N400效应”（N400 effect），在“狗”一词涌现大约400毫秒后达到峰值。
但研究职员仍不清楚应如何阐明这一征象。
大脑作出反应，是由于这个词的意思在本句背景下是不合常理的？还是由于大脑没预见到这个词的涌现，它违背了大脑对预期涌现内容的预测？

2005年，Kutas和她的团队进行了另一项研究，表明后一种假设是对的。
实验工具再次哀求读屏幕上逐词涌现的一句话：“这天微风阵阵，以是男孩子们出去放____。
”由于“鹞子”（a kite）彷佛是最有可能用来补完句子的词，以是接下来实验工具的期望是冠词“a”，它没有内在意义，但表示接下来还会有一个词。
而当参与者看到接下来的词是“an”时，他们就经历了N400效应，这彷佛是由于大脑必须处理其期望与现实之间的不符。
显然，这一效应与该词的含义以及处理涌现的刺激本身的困难程度无关。

2005年的这一创造彷佛非常适宜预测编码框架理论。
但今年4月，eLife揭橥的一篇论文称，有几个实验室无法重复这一实验结果。
现在，也有研究职员开始做出回应，一些人声称重复实验的奇妙结果仍旧有利于基于预测的阐明。

这种摇摆不定反响出关于预测编码理论的大部分辩论。
像Kusta这样的实验可以有许多种阐明。
比如可以通过除预测编码之外的模型来阐明，并且这些实验缺少足以证明假设的确实证据，由于它们没有深入研究实际的机制。
虽然大脑会不断做出推论（并将这些推论与现实进行比较）的想法已构建得相称完善，但预测编码的支持者一贯在设法证明，他们所主见的理论才是精确的，而且可以延伸到所有的认知领域。

贝叶斯大脑与高效打算

大脑一贯建立和评估自己对持续的实际经历的预测，这一基本不雅观点并不总是被视为天经地义的。
20世纪的主流神经科学不雅观点将大脑的功能描述为一个特色探测器：大脑记录刺激的存在，对其加以处理，然后发送旗子暗记来产生行为反应。
通过特定细胞的活动来反响真实天下中刺激是否存在。
例如，视觉皮层中的一些神经元会对视野中物体的边缘作出反应，还有的神经元的放电则会指示物体的方向、着色或阴影。

但事实证明，这个过程远非看上去那么大略。
进一步的试验创造，比如，昔时夜脑感知到一条越来越长的线时，纵然线没有消逝，针对线的探测神经元也会停滞放电。
事实上，有如此多的信息彷佛通过神秘的自上而下的反馈连接来通报的，这表明实际上还有其他机制在发挥浸染。

“如果大脑是一个推理机器、一个统计机构，那么，大脑也会犯下和统计学家同样的缺点。
”

伦敦大学学院 Karl Friston

这便是“贝叶斯大脑”（Bayesian brain）发挥浸染的地方了，其总体框架可追溯到19世纪60年代。
该理论提出，大脑会基于内部模型对现实天下进行概任性推断，紧张是打算关于如何阐明其感知的“最佳预测”（这个说法符合贝叶斯统计规则，该规则对基于先验信息得出的事宜概率进行了量化）。
大脑并不是等待感官信息来推动认知，而是始终积极地构建关于天下运行办法的假设，并用这些假设来阐明履历并补充缺失落的数据。
根据一些专家的说法，这便是为什么我们可能会认为感知是一种“受掌握的幻觉”。

沿着这个理论，贝叶斯大脑也阐明了为什么视幻觉会起浸染：例如，两个点在屏幕上快速交替闪烁，看起来就像一个点来回移动，以是我们的大脑无意识地开始像对待一个目标一样对待它们。
理解工具如何移动是一种更高层次的知识，但它从根本上影响了我们的感知办法。
大脑只是补充某些信息的空缺，来绘制一幅不完备准确的图片。
在本例中，便是关于运动的信息，

图示为一个著名的视幻觉，棋盘上的格子A看上去比格子B暗得多。
但是，实在二者的灰度是完备相同的。
大脑会根据附近格子的颜色和圆柱体投下的阴影位置，对棋盘的颜色做出推测。
在本例中，这种推测会产生格子A和B的颜色不同的不雅观点，而实际上，二者的颜色是完备相同的。
（参考右图，将A和B连在一起即可，若将圆柱体隐蔽，看上去还会更明显。
）

但是，只管天生模型和期望在大脑功能中发挥了明确的浸染，科学家还没有确切地确定这些机制在神经回路级别上是如何发挥浸染的。
苏格兰爱丁堡大学的生理哲学教授Mark Sprevak说：“贝叶斯大脑理论对付根本性的机制是相对不可知的。
”

输入预测编码理论供应了大脑如何成为“贝叶斯大脑”的特定公式。
“预测编码”这个名字源于一种更有效地传输电信旗子暗记的技能：由于***文件从当前帧到下一帧的过程中包含大量冗余，因此在压缩数据时，对每个图像中的每个像素进行编码是效率低下的。
反之，对相邻帧之间的差异进行编码，然后进行反向处理来阐明全体***，这样就更合理。

1982年，科学家创造这一理念在神经科学中有一个很好的运用，由于它彷佛可以阐明视网膜中的神经元如何编码关于视觉刺激的信息，并将这些信息沿着视神经进行传播。
该理论也被作为阐明大脑褒奖系统运作办法的事理：即多巴胺神经元会对预期褒奖与实际褒奖之间的不匹配度进行编码。
研究职员表示，这些预测缺点可以帮助动物对未来期望进行改动，并推动其决策过程。

只管如此，科学家们大多仍将预测编码视为特定网络的特定过程。
不过，功能磁共振成像测试和其他类型的实验已经开始改变这一不雅观点。

通用框架

预测编码假设如此引人瞩目，部分缘故原由在于它具备令人难以置信的阐明力。
“我以为令人信服的是，在这个理论框架中，有不少事情都得到理解释，”爱丁堡大学逻辑和玄学教授兼理论专家 Andy Clark说。

首先，该框架在单一打算过程中统一了感知和运动掌握。
这两者基本上相称于同一枚***的两面：无论是感知还是运动掌握，大脑都以不同的办法将预测偏差降到了最低。
对付感知来说，便是校正了内部模型。
对付运动掌握来说，便是实际的环境。
（对付后者，可以想象一下，比如你现在想要举手，如果这时你的手还没有举起来，那么这种差异就会产生很大的预测缺点。
而你只要把手移动一下，就把预测缺点降到了最低。
）

迄今为止，在感知和运动掌握方面的实验为预测编码理论供应了最有力的证据。
例如，在上个月出版的《神经科学期刊》上揭橥的一篇论文中，实验者让受试者在屏幕上读“kick”这个词，然后再让他们听失落真的录音朗读“pick”。
许多人将后者听成了“kick”，功能性核磁共振扫描显示，大脑对最初的“k”或“p”音表现出最强烈的反应 ，而这是与预测缺点干系的音。
如果大脑只是表现出其感知体验，那么最强的旗子暗记该当与“ick”相对应（由于它在屏幕上和音频中都有涌现）。

不过，有很多人在努力扩大预测编码的运用范围，将其扩展至感知和动作领域之外，视为大脑中正在发生的统统的统一衡量标准。
“这就像拥有可以构建不同策略的构建模块一样，”Clark说。
不同的大脑区域只是对不同类型的预测进行交易。

Friston等人声称，这个理论也适用于更高等的认知过程，包括把稳力和决策。
最近关于前额皮质的打算事情表明，事情影象和目标导向行为中也存在预测编码机制。
一些研究职员推测，情绪和感情也可以用预测编码的术语来表达：感情可能是大脑所表现出的用以实现内部旗子暗记（如体温，心率或血压）的预测偏差最小化的状态。
比如，如果大脑认识到自身的感情激动，那么也就知道了所有这些成分都在上升。
大概这也便是“自我”的观点得以涌现的缘故原由。

几十年来，伦敦大学学院的神经科学家Karl Friston一贯在完善预测编码假设的关键原则。
他认为，理论不仅可以阐明感知，还可以阐明更高层次的认知过程。

以这种思路取得的大部分成果都集中在预测编码对神经精神系统和发育障碍的阐明上。
Friston说：“我认为，如果大脑是一台推理机器，一个统计机构的话，那么它就会犯下和统计学家们相同的缺点。
”也便是说，大脑也可能会由于过于重视或过于轻视预测和预测缺点，导致得出错误的推论。

比如自闭症的特色可能便是，无法忽略与大脑的最低处理层级上的觉得旗子暗记干系的预测偏差。
这可能导致对觉得的关注，对重复和可预测性的需求，对某些抱负的敏感以及其他诸多影响。
而对付与精神分裂症等幻觉干系的疾病来说，情形可能恰好相反：大脑可能会过多关注自身对正在发生的事情的预测，而对与这些预测相抵牾的感官信息关注不敷。
（专家们很快就要提醒你，自闭症和精神分裂症太繁芜了，不能简化为一种阐明或机制。
）

耶鲁大学医学院的临床神经科学家Philip Corlett说：“个中最主要的部分是向我们展示了我们的生理功能是多么薄弱。
” Corlett实验室的实验在康健受试者中建立了新的“信念”，鼓励他们对之前经历的刺引发生幻觉。
（例如，在一项实验中，科学家们让参与者将某个声音与某个视觉图像联系起来。
当他们看到图像时，纵然实际上根本没有声音，受试者也会连续听到声音。
）研究职员正试图解开这些意见是如何转化为感知的。
通过这些研究，“我们认为有证据表明感知和认知并不是那么泾渭分明，”Corlett说。
“新的意见可以通过传授教化得到，可以改变你原来的意见。
”

但当时的证据还没能证明他的结论，而现在可以了。

放大细节 仔细不雅观察

“实验结果常常表明某个特定结果与预测处理理论兼容，但该理论并不是对结果的最佳阐明，”Sprevak说。
预测处理理论在认知科学中被广泛接管，但“在系统神经科学领域，它仍旧是个弱者。
”瑞士弗里德里希·迈瑟生物医学研究所的神经科学家Georg Keller说。
他的实验室正试图用更确切的证据改变这一现状。

弗里德里希·米歇尔生物医学研究所的神经科学家Georg Keller一贯致力于揭示预测编码假设的机制性证据。

在去年在《神经元》期刊上揭橥的一项研究中，Keller和他的同事不雅观察到小鼠视觉系统中神经元随着韶光的推移会变得具有预测性。
这个创造始于一场意外，当时他们在***游戏中演习老鼠，却创造在虚拟天下的方向已经乱了。
常日在实验时， 老鼠左转时的视野都会向右侧移动，反之亦然。
但有人无意中颠倒了研究职员在研究中利用的虚拟天下的方向，左和右翻转过来了，因此小鼠左转时的视野也向左移动了。
研究职员意识到他们可以利用这次事件。
他们监测了表现出这种视觉流动的大脑旗子暗记，结果创造随着小鼠学习颠倒环境的规则，大脑旗子暗记也逐步涌现了变革。
Keller说：“这些旗子暗记看起来像是对向左方向视觉流的预测。
”

如果旗子暗记只是小鼠视觉体验的感官表现，那么这些旗子暗记就会立即在虚拟天下中涌现翻转。
而如果是运动旗子暗记，则根本不会翻转。
“实际上是识别预测，” Keller说。
“是对给定运动下视觉流的预测。
”

“这项研究供应了一种以前未创造的证据，”克拉克说。
“这是一个非常局部的，逐单元、逐层的演示，解释预测编码模型是目前最得当的模型。
”

“在该系统中创造预测缺点，并找到预测的详细内容是很令人愉快的，”该论文的第一作者、德国哥廷根欧洲神经科学研究所的神经科学家Caspar Schwiedrzik说。

德国马普履历美学研究所的研究员Lucia Melloni表示，她的团队逐步创造，这类实验结果与目前从人类网络的神经元数据中的预测偏差的阐明同等。

探求更多预测机器的竞赛

不是每个人都认为大脑预测编码的理论正越来越强大。
一些科学家赞许这个理论可以阐明认知的某些方面，但不同意用它来阐明统统想法。
也有人乃至连前者都不同意。
对付纽约大学生理学教授David Heeger来说，主要的是要区分“预测编码”和“预测处理”，他认为前者关乎信息传输的效率，他将后者定义为随韶光的推移而做出的预测。
他说：“目前的文献中存在很多稠浊之处，由于这些东西都被认为是同一种汤的一部分。
实在并不一定如此，现在的办法也不一定是最佳研究办法。
”比如，其他类型的贝叶斯模型可能在某些情形下可以供应更准确的大脑功能描述。

然而，该领域的许多专家都认为，这项研究有可能引发机器学习的运用。
目前，绝大多数人工智能研究都不涉及预测编码，而是关注其他类型的算法。

但弗里斯顿认为，在深度学习环境中制订预测编码架构可以使机器更靠近智能。

DeepMind的GQN便是发挥这种潜力的一个很好的例子。
去年，苏塞克斯大学的研究职员乃至利用虚拟现实和人工智能技能（个中包括预测编码特色），打造了一台所谓的“幻觉机器”，这种工具能够模拟常日由***物导致的幻觉状态。

通过比较预测编码模型与其他技能的表现，机器学习的进步可用于供应关于大脑中发生的事情的新见地。
至少，将预测编码引入人工智能系统可以明显提高这些机器的智能水平。

但在此之前，我们还有很多事情要做。
科学家须要连续进行像Keller、Schwiedrzik等人正在进行的研究，格拉斯哥大学的神全心理学家Lars Muckli表示，预测性编码“对付神经科学来说就像是进化对生物学一样主要”，他对完善该理论做了大量事情。
但就目前而言，Sprevak指出，“现有证据仍旧不敷以让我们下定论。
”

原文地址：

https://www.quantamagazine.org/to-make-sense-of-the-present-brains-may-predict-the-future-20180710/

即日起到8月19日，新智元限量发售多少早鸟票，点击阅读原文购票，与环球AI领袖近间隔互换，见证环球人工智能家当跨加倍展。

新智元官网：http://www.aiera.com.cn/

大会官网：http://aiworld2018.com/

活动行购票链接：

http://www.huodongxing.com/event/6449053775000

活动行购票二维码：