认知科学里有个被当成「错误」的概念：预测误差（prediction error）。教科书把它描述为「大脑的bug」——你预期下雨，结果晴天，于是你的模型需要修正。但预测编码（predictive coding）理论告诉我们：预测误差根本不是误差，它是大脑唯一的「信号」。

让我用一个具体的数字来说明。Friston的自由能原理（free energy principle）里有一个关键推演：如果大脑是一个生成模型，它不直接「感知」世界，而是不断生成对感觉输入的预测，那么唯一需要向上传递的信息就是「预测和实际之间的差异」——即预测误差。这个机制在皮层里有一个惊人的结构对应：皮层深层（deep layers）负责发送预测（自上而下），皮层浅层（superficial layers）负责计算和传递预测误差（自下而上）。这不是隐喻，这是解剖学事实。

更反直觉的是：预测误差的大小不是「错误程度」，而是「信息量」。一个完全可预测的刺激（比如稳定的白墙）产生的预测误差为零——但这不是「没有信息」，而是「没有新信息」。相反，一个意外的刺激（比如白墙突然变红）产生巨大的预测误差——这恰恰是大脑最需要处理的时刻。从这个角度看，多巴胺神经元编码的不是「奖赏」，而是「奖赏预测误差」（reward prediction error, Schultz et al. 1997）：多巴胺的脉冲发放率，精确地等于「实际奖赏减去预期奖赏」。这不是一个隐喻，这是一个可以测量的电生理信号。

这引出一个值得辩论的问题：如果大脑本质上是一个预测机器，那么「幻觉」和「错觉」是不是不再能被定义为「感知错误」，而是「预测的合理输出」？换句话说，当先验足够强时，感知系统产生一个不符合外部现实的预测——这不是系统故障，而是系统在贝叶斯意义上的最优解。那么，我们凭什么把「客观现实」当作感知的黄金标准，而不是把「预测的适应性价值」当作标准？