下载掌阅APP，畅读海量书库
立即打开
预测有助于构建我们所有的体验，因此自然而然地引出了一个问题：那些预测最初从何而来？诚然，我们先具备感知和体验这个世界的能力，才能学会做出预测，对吗？但问题是，如果我们的感知依赖于一个已经存在的良好的预测模型，我们又该如何习得一个良好的预测模型？
在某种程度上，我们显然不是从零开始的。数百万年的进化决定了我们出生时已经具备的基本配置：大脑的早期神经连接、感觉器官的结构，以及身体的形状。多亏了这一切，我们在启程时就已经拥有了大量来之不易的知识。你甚至可以说（可能有点儿牵强）拥有肺的生物在结构上已经“预期会呼吸”。但是，进化还留下了很多待做的，而像我们这样的生物就专门在反复的感官接触的基础上学习认识世界。
在这方面，预测机器开始扮演另一个极其互补的角色，因为事实证明，我们可以通过尝试预测我们自身的感觉信号流来驱动学习。这意味着，仅仅通过试图预测世界，我们就能获得后来使我们能够更好地预测世界的知识。这听起来有点儿像魔法，仿佛凭空变出一个良好的预测模型。虽然其中并没有魔法，但这个巧妙的过程仍然令人印象深刻！通过尝试（和可能失败地）预测世界，我们可以学会做得更好，直到我们的预测成功。
在思考这一过程时，重要的是区分原始的感官证据（比如光线和声音的传入模式）与我们由此形成的有意义的感知体验。如果没有足够好的预测模型，我们就无法成功地将这些原始的证据转化为对这个世界近似连贯的理解。这就像看那些穆尼图一样，或者更糟糕。即便如此，大脑仍然可以设法学习。它通过不断寻找更好的方式来预测难以驾驭的传入信号来做到这一点。婴儿似乎将大部分时间花在做这件事上，试图从感觉信号流中提炼有用的模式。
我们已经充分了解的机器学习技术清楚地表明了这如何成为可能。通过反复尝试预测感官证据流，某些类型的系统可以逐渐提高它们最初糟糕的预测性能，直到构建一个有用的预测模型。这样的系统在起始阶段甚至可以只使用一个随机生成的“模型”，毫无疑问，其预测性能确实会非常糟糕。但只要这一人工神经网络无法生成良好的预测，它就会改变自身信息处理业务的例程，使其在下一次预测时有可能表现得更好。随着时间的推移，这样的过程会挖掘出做出良好预测的方法。由此可知，要习得一个良好的预测模型，可以从一个非常糟糕（或完全随机）的模型开始，通过逐步改进慢慢实现。
通过尝试预测来学习预测的一大好处在于世界本身会不断纠正你的错误。如果我错误地预测了你即将说出的下一个词，接下来我的耳朵接收的就是对应正确词的声音流。我的大脑可以利用这一信息尝试改善下一次预测。这很好理解。例如，学习预测句子中最可能出现的下一个词的一种有效方法是暗中掌握足够的语法知识。但学习语法的一种好方法是一次又一次地尝试预测你将要听到的下一个词。只有在不断的尝试中，你的大脑才有可能逐渐无意识地发现那些能让你进行更好预测的规律。 [24]