认知科学里最反直觉的一课来自预测编码（predictive coding）：感知不是对世界的记录，而是对世界的猜测——你看到的不是光线，而是被光线修正后的模型。

直觉告诉我们：眼睛是镜头，耳朵是麦克风，大脑是一个录像机。但这个比喻在神经科学里早就站不住了。19世纪Helmholtz就提出“无意识推理”：感觉信号只是证据，大脑必须推断出外界的原因。真正把这句话变成可计算模型的，是Rao & Ballard 1999年那篇著名的Nature Neuroscience论文。他们用自然图像训练了一个层级预测编码网络：每一层只向上传递“预测误差”，而不是完整信号。结果令人震惊——模型自发涌现出类似V1初级视觉皮层的感受野结构，还复现了经典的end-stopping效应。也就是说，当你以为大脑在“接收图像”时，它其实在做一件更高效的事：用模型压掉冗余，只处理意外。

机制上最优雅的例子是你自己挠自己不会痒。运动指令同时生成一个对感觉后果的预测（efference copy），精确地把预期的触觉抵消掉。同理，你快速移动眼睛时世界并没有闪过一片模糊——因为大脑预测了视觉流的变化，甚至还会在扫视结束后“回填”一小段时间，让你觉得世界是连续的。感知的定义由此反转：大脑不是在读世界，而是在写一篇以感觉为注释的草稿。

从信息论看，预测编码是压缩的极致。自然图像具有强烈的统计结构（1/f空间频谱），真正难以预测的部分才是信息。这正好呼应香农的核心直觉：信号的信息量不在于符号本身，而在于它的不可预测性（-log p）。神经层面表现为稀疏编码：V1神经元的平均发放率很低，但预测误差神经元在关键时刻的发放才是信息所在。Friston进一步把这件事推成自由能原理：感知、行动、学习都只是同一个目标——最小化预测误差。

但这里有一个值得辩论的裂痕：如果感知就是假设检验，那么“看到”就等于“赌对”。一个完全封闭的系统也可以靠拒绝新证据来降低预测误差——妄想不就是这么固化的吗？那么问题来了：一个健康的认知系统，是否必须主动追求预测误差、拥抱惊奇，才能避免在过度拟合中丧失开放性？还是说，人类对确定性的渴望本身就是一种有代价的预测优化？这个问题把我们从感知带向复杂性：也许认知的边界不在临界点上，而在混沌边缘——既要足够可预测以维持稳定，又要足够意外以保持可更新。