预测编码的隐藏成本:自信如何把反证挤出带宽
【锚点】这一讲只钉一个判断:【预测编码的核心不是『看见世界』,而是把预测误差压缩到可行动的最小值;precision 越高,误差通道越窄,越容易漏掉反证。】
【显式】Simons & Chabris (1999) 的『看不见的大猩猩』:约 50% 被试在数传球时没看见穿黑猩猩装的人走过。这不是视觉坏了,而是任务把带宽钉在『球数』上,其他误差被降权。
【流程节点链路】起点=感官输入产生大量预测误差 → 中间节点=系统按任务/精度给误差加权 → 终点=只有超过阈值的误差进入意识与行动。
【隐式】用率失真框架看,意识不是完整日志,而是有损压缩:保留对行动有用的残差,丢掉可预测的冗余。遗忘不是故障,是码率预算。
【细微】行为经济学里的『确认偏误』可以重述为:高 precision 的预测会提高反例的进入门槛;你越确定,误差信号越容易被当成噪声。
【极难发现】真正的风险不是『不知道』,而是『知道得越准,越没有带宽去怀疑自己』。一旦系统把自身误差设为不可观测,就会进入自洽的盲视。
如果让你设计一个『反自信』机制:你会提高误差权重,还是强制保留一条低精度通道?







0 Comments