《猜与听》——一位老猎人的顿悟
寓言
老猎人在山中独居三十年，从未带过学徒。村里送来一个聪慧的少年时，他只是淡淡点了头。
少年第一天上山，发现一件怪事：老猎人似乎从来没有真正"听"过森林。每一次，他都早于声音就准备好搭箭。
密林深处，老猎人突然凝神。少年还没反应过来，一只野雉扑棱飞出。
"您怎么先知道的？"
"我没先知道，"老猎人说，"我先猜了。"
少年要他解释"猜"。
"林子里，每一步都可能踩到枯枝，鸟会惊飞——这是最常发生的事。我猜这件事会发生，搭箭就准备好了。"
"那不就是预知？"
"不是预知。是把'最可能的事'提前做好。"
少年跟了几日，发现森林对老猎人几乎无声——他连林中常见的鸟鸣都不大提起。但他问少年："今早进林，你听到了多少声音？"
"很多。每根树枝、每只鸟。"
"你听到的，比森林真实拥有的，多得多。"
少年愣住了。
"那多出来的声音从哪来？"
老猎人没有立刻回答。
那年冬天，老猎人病了一场。雪封山路，少年独自打猎。
头一晚他在林子里走，每根树枝都像在响，每只鸟都像在叫他，他走不到百步就要回头看看。
到第三天，他忽然明白了什么：
那些让他走不动的"声音"——其中大部分，是他脑子的猜测。
老猎人听不到那些声音，是因为他的脑子猜得对。
而他，"听到"了那么多声音，是因为他的脑子大多在猜错。
等脑子的猜测越准，他能听到的就越少。
世界对他的"沉默"，是他的脑子成熟的标志。
第二年开春，老人康复，归山。
少年把这段经历讲给老人听。
老人点头："那么，你告诉我，黄昏、雨雪、我准备动作的早晚，为什么会变？"
"黄昏光线暗，猜错代价更高——你更早准备。"
"雨雪天视野模糊，'猜'成本低、收益高——你几乎每个动作都提前。"
老人点头："你的脑子，把每一次错配的代价都算成了'该不该提前准备'。"
学徒又问："可听起来，我们从来没听过真正的声音。我们听到的，几乎都是自己猜的，然后世界偶尔告诉我们'猜错了'。"
老人半晌没说话，最后慢慢道：
"古时猎人不叫这个，叫 响先声 ——声响之前的响声。你的脑子永远比世界先一步响起来；世界有响的时候，脑子已经准备好或者已经猜错了。"
"你以为大脑是耳朵。其实，脑子先响，耳朵后到。"
少年望着山顶的雪线，第一次听见自己脑中的"先响"。
概念解释
预测编码（Predictive Coding） 是认知科学与神经科学中关于大脑功能的重要理论，认为大脑不是一个被动接收感觉信号的器官，而是一个持续生成并更新环境心理模型、并用感官输入来纠正模型的预测引擎。
本质：大脑不停预测下一步会感知到什么；当预测与实际感官输入不匹配时，预测误差向上传递，用来更新预测模型——直到预测足够准，感觉输入成了"证实"而非"信息"。
- 预测（prediction）= 自上而下的生成
- 预测误差（prediction error）= 自下而上的差值
- 精度（precision）= 预测误差的"信不信"权重——本质就是注意力
寓言 ↔ 概念对照表
| 寓言元素 | 对应概念 |
|---|---|
| 老猎人在声音到达前就搭箭 | 大脑的自上而下预测（top-down prediction） |
| "我没先知道，我先猜了" | 大脑持续运行环境的生成模型（generative model） |
| "把最可能的事提前做好" | 概率推断 / 贝叶斯大脑（Bayesian brain） |
| 森林对老猎人几乎无声 | 预测与感官输入匹配 → 几乎无预测误差 |
| 学徒独自狩猎时，森林吵得走不动 | 预测模型不成熟 → 大量预测误差 → "听到"的多余声音 |
| 黄昏、雨雪时反应早晚不同 | 精度加权（precision weighting）——预测误差的"信不信"权重会随环境变 |
| "错一次的代价越大，越早准备" | 精度/注意力的预测编码解释 |
| "声响之前的响声"——脑子先响 | 大脑是预测引擎，感官输入只是用来纠错的 |
核心公式
预测误差（最简单形式）：预测与实际输入之差
$$ \varepsilon = x - \hat{x} $$
其中 $x$ 是实际感官输入，$\hat{x}$ 是大脑生成的预测，$\varepsilon$ 是预测误差。
精度加权（核心机制）：每个预测误差都有"信不信"的权重
$$ \varepsilon^* = g \cdot \varepsilon $$
其中 $g$ 是精度（增益），等价于注意力。
完整层级模型：大脑用多层预测与误差修正机制，逐层精炼内部世界模型——高层的预测输向低层，低层只把误差向上传。
关键要点
- 大脑不是被动接收器，而是预测引擎：感官输入主要用来纠正预测，不是用来"看世界"
- 预测与误差的层级博弈：高层生成预测向下传，低层算误差向上传；高层做得好时，低层几乎无事可报
- 精度 ≈ 注意力：大脑对哪些误差"信"，本质就是注意力分配——黄昏、雨雪、危险时精度会自动上调
- 行动也是预测：主动推理（Active Inference）扩展——动作不是"命令"，而是另一种降低预测误差的方式（让世界配合预测）
- 历史脉络：从 Helmholtz 1860s 的"无意识推论"，到 Rao & Ballard 1999 的层级模型，再到 Friston 的自由能原理，最后被 Andy Clark 在《Surfing Uncertainty》中通俗化
参考文献
- Rao, R. P. N., & Ballard, D. H. (1999). Predictive coding in the visual cortex: A functional interpretation of some extra-classical receptive-field effects. Nature Neuroscience, 2(1), 79–87.
- Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138.
- Clark, A. (2016). Surfing Uncertainty: Prediction, Action, and the Embodied Mind. Oxford University Press.
- Hohwy, J. (2013). The Predictive Mind. Oxford University Press.
- Huang, Y., & Rao, R. P. N. (2011). Predictive coding. Wiley Interdisciplinary Reviews: Cognitive Science, 2(5), 580–593.
- Wikipedia: "Predictive coding" https://en.wikipedia.org/wiki/Predictive_coding
- 中文维基："预测编码 (神经科学)" https://zh.wikipedia.org/zh-hans/預測編碼_(神經科學)
- 集智俱乐部："自由能原理：生命、意识与智能的统一原理" https://swarma.org/?p=50683
- 中文哲学百科："預測編碼假說" https://mephilosophy.ccu.edu.tw/entry.php?entry_name=預測編碼假說