Teorie prediktivního zpracování: Mozek jako predikční stroj

Jak očekávání utvářejí naši realitu

Když vejdeme do známé místnosti, nemusíme postupně analyzovat každou hranu, barvu a předmět. Okamžitě vidíme stůl, židli, okno a dveře.

Když posloucháme člověka v hlučné restauraci, často rozumíme celé větě, přestože jsme část slov objektivně neslyšeli.

A když zahlédneme v šeru neurčitou postavu, můžeme ji na okamžik považovat za člověka, i když jde pouze o kabát pověšený na věšáku.

Naše vnímání zřejmě nevzniká jen tím, že mozek pasivně přijímá informace ze smyslů a skládá je do obrazu světa. To, co vidíme, slyšíme a cítíme, je ovlivněno také tím, co očekáváme, co jsme v minulosti zažili a co je v dané situaci pravděpodobné.

Právě na této myšlence stojí rámec označovaný jako prediktivní zpracování neboli predictive processing.

Podle něj není mozek pouze přijímačem informací. Je aktivním systémem, který si průběžně vytváří odhady příčin smyslových vstupů, porovnává je s přicházejícími daty a své odhady podle potřeby aktualizuje.

Některé ambiciózní verze této myšlenky tvrdí, že predikce představují základní princip téměř veškeré činnosti mozku — od vnímání a pohybu přes emoce až po vědomí a rozhodování.

To je fascinující možnost. Zatím však není jisté, zda predictive processing skutečně představuje velkou sjednocující teorii mozku, nebo spíše obecný a užitečný způsob, jak popisovat některé jeho funkce.

Nevidíme svět přímo

Na první pohled se může zdát, že vnímání funguje podobně jako kamera.

Svět vytváří podněty, smyslové orgány je zachytí a mozek z nich sestaví vnitřní obraz reality.

Problém spočívá v tom, že smyslová data jsou často neúplná a nejednoznačná.

Obraz dopadající na sítnici je dvourozměrný, přesto vidíme trojrozměrný svět. Předměty vypadají přibližně stejně velké, i když se jejich obraz na sítnici se vzdáleností výrazně mění. Rozumíme slovům vysloveným různými lidmi, různou rychlostí a v různém hluku.

Mozek proto nemůže pouze „odečítat“ realitu ze smyslových vstupů. Musí usuzovat, jaké skryté příčiny mohly dané vstupy vyvolat.

Tato myšlenka není úplně nová. Již v 19. století mluvil Hermann von Helmholtz o vnímání jako o formě nevědomého usuzování.

Predictive processing tuto myšlenku rozvíjí pomocí moderní teorie pravděpodobnosti, výpočetních modelů a neurovědy.

Co je prediktivní zpracování

Představme si, že mozek má určitý vnitřní model světa.

Tento model obsahuje pravidelnosti získané během evoluce, vývoje a individuální zkušenosti:

• předměty pokračují za překážkou, i když je chvíli nevidíme,
• tvář má obvykle oči nad nosem a ústa pod ním,
• po blesku může následovat hrom,
• rozhněvaný výraz může signalizovat konflikt,
• bolestivé zkušenosti je vhodné příště předvídat.

Na základě těchto znalostí mozek vytváří předpovědi o tom, co pravděpodobně uvidí, uslyší nebo ucítí.

Přicházející smyslové informace pak porovnává s očekáváním.

Jestliže se očekávání a vstup shodují, model není potřeba výrazně měnit. Jestliže se neshodují, vzniká predikční chyba.

Predikční chyba zde neznamená, že mozek udělal něco špatně. Je to pouze informace o rozdílu mezi očekávaným a skutečně zaznamenaným vstupem.

Zjednodušeně:

Mozek předpoví, co by měl vnímat. Smysly oznámí, co zaznamenaly. Rozdíl mezi obojím pomáhá model aktualizovat.

V klasickém modelu predictive coding proudí hierarchií mozku dvěma směry odlišné signály. Z vyšších úrovní sestupují predikce, zatímco z nižších senzorických oblastí stoupají informace o tom, kde predikce selhala. Friston a Kiebel tento princip formalizovali jako hierarchickou inferenci nad generativním modelem příčin smyslových vstupů.

To ovšem neznamená, že bylo již jednoznačně prokázáno, že celý mozek používá jeden univerzální predictive-coding algoritmus. Přesnější je říci, že jde o rodinu příbuzných modelů.

Mozek jako Bayesovský detektiv

Predictive processing bývá spojováno s představou takzvaného Bayesovského mozku.

Bayesovská inference propojuje dvě hlavní složky.

První je naše předchozí očekávání neboli prior. Druhou je informace obsažená v aktuálních datech. Jejich kombinací vzniká aktualizovaný odhad — posterior.

Představme si, že v noci zaslechneme z přízemí ránu.

Naše smyslová data jsou omezená: slyšeli jsme zvuk, ale neviděli jeho příčinu.

Mozek může zvažovat několik hypotéz:

• spadl nějaký předmět,
• otevřelo se okno,
• v domě je zloděj,
• hluk přišel zvenčí.

Výsledný odhad nezávisí jen na charakteru zvuku. Ovlivňuje ho také kontext.

Když silně fouká, zvýší se pravděpodobnost otevřeného okna. Když jsme předtím slyšeli kroky, stane se pravděpodobnější hypotéza nezvaného návštěvníka. Pokud máme doma kočku, může být nejpravděpodobnějším vysvětlením shozená váza.

Mozek nemusí vědomě počítat pravděpodobnosti. Označení „Bayesovský“ vyjadřuje spíše předpoklad, že při odhadování příčin kombinuje předchozí znalost s novými informacemi způsobem, který lze přibližně popsat teorií pravděpodobnosti.

Predikce neznamená pouze předpovídání budoucnosti

Slovo predikce může být zavádějící.

Nemusí jít pouze o vědomou předpověď toho, co se stane zítra. Predikcí může být také okamžitý odhad příčiny současného smyslového vstupu.

Když vidíme pouze část předmětu zakrytou stolem, mozek předpokládá, že předmět pokračuje i za překážkou.

Když slyšíme začátek známého slova, jazykový systém předvídá jeho možné pokračování.

Když se připravujeme zvednout šálek, motorický systém odhaduje budoucí polohu ruky i očekávaný dotyk a váhu předmětu.

Prediktivní mechanismy mohou tedy pracovat současně v mnoha časových měřítkách — od milisekundových odhadů senzorického vstupu až po očekávání budoucího vývoje vztahu, kariéry nebo vlastního života.

Čím vyšší úroveň modelu, tím abstraktnější a dlouhodobější mohou predikce být.

Vnímání jako „řízená halucinace“

Anil Seth používá pro tento způsob vnímání provokativní označení řízená halucinace.

Nechce tím říct, že svět neexistuje nebo že si jej můžeme libovolně vymýšlet.

Pointa spočívá v tom, že vědomě neprožíváme nezpracovaná smyslová data. Prožíváme nejlepší aktuální model jejich příčin.

Běžné vnímání je „řízené“ tím, že musí být průběžně omezováno informacemi ze světa. Když se naše očekávání s realitou neshodují dostatečně výrazně, musíme model upravit.

Halucinace v klinickém smyslu by naopak mohla vznikat tehdy, když je obsah zkušenosti příliš silně určován očekáváním a příliš málo korigován senzorickými vstupy. Jde však stále o obecný teoretický rámec, nikoli o kompletní vysvětlení všech halucinací.

Sethův model navíc přesouvá pozornost od vnějšího světa k tělu. Pocit, že jsme živým a přítomným „já“, může podle něj souviset s tím, jak mozek předvídá a reguluje vlastní fyziologický stav.

Nevnímáme jen svět. Mozek předpovídá také tělo

Informace o vnitřním stavu organismu se označují jako interocepce.

Patří sem signály související například s:

• srdečním rytmem,
• dýcháním,
• napětím cév,
• zažíváním,
• teplotou,
• bolestí,
• únavou,
• hladem a žízní.

Tradičně bychom si mohli představit, že tělo nejprve změní svůj stav a mozek tuto změnu následně zaznamená.

Prediktivní model nabízí obousměrnější pohled.

Mozek průběžně odhaduje, jaký tělesný stav by měl v daném kontextu nastat. Když předvídá fyzickou námahu, sociální konflikt nebo nebezpečí, může začít připravovat organismus ještě předtím, než situace plně nastane.

Při představě veřejného vystoupení se nám proto může zrychlit tep, přestože stále sedíme doma. Při pohledu na jídlo může tělo zahájit přípravu na jeho zpracování. Při očekávání bolesti může vzrůst napětí a subjektivní citlivost.

Emoce z tohoto pohledu nejsou pouze reakcí na hotovou situaci. Mohou být součástí předvídavé regulace organismu.

Sethova hypotéza spojuje vědomý pocit přítomnosti s úspěšným sladěním interoceptivních predikcí a tělesných vstupů. Její aplikace na depersonalizaci, úzkost nebo alexitymii jsou zajímavé, ale zatím představují spíše výzkumné modely než definitivně potvrzené mechanismy.

Kdo rozhoduje, zda věřit očekávání, nebo smyslům?

Mozek neustále řeší zásadní problém.

Má více věřit tomu, co očekává, nebo tomu, co právě přichází ze smyslů?

Když jsou smyslová data jasná a spolehlivá, mělo by nové pozorování získat vysokou váhu. Když jsou neúplná nebo zašuměná, může být výhodnější opřít se o předchozí zkušenost.

Tato odhadovaná spolehlivost se v predictive processing označuje jako preciznost.

Preciznost neznamená přesnost ve smyslu správnosti. Vyjadřuje míru jistoty nebo důvěry, kterou systém určitému signálu přisuzuje.

Představme si, že čekáme na přítele na nádraží.

V mlze zahlédneme vzdálenou postavu v podobném kabátě. Vizuální informace je nekvalitní, a proto může naše silné očekávání převážit: na chvíli skutečně „vidíme“ přítele. Když se postava přiblíží, senzorická data se zpřesní a původní odhad opravíme.

Vážení preciznosti nabízí prediktivnímu rámci možné vysvětlení pozornosti.

Mozek totiž nemůže stejně intenzivně zpracovávat všechny rozdíly mezi očekáváním a realitou. Musí odhadnout, které chyby jsou informativní a které představují pouze šum.

Pozornost lze z tohoto pohledu chápat jako zvýšení váhy vybraného signálu:

Toto je důležité. Tomuto rozdílu věnuj pozornost. Podle něj možná změň model.

Jde o elegantní myšlenku. Není však zatím jasné, zda vážení preciznosti poskytuje úplné neurobiologické vysvětlení pozornosti, nebo pouze jeden z užitečných popisů její funkce.

Dvě možnosti: změnit model, nebo změnit svět

Když vznikne rozdíl mezi očekáváním a skutečností, organismus může reagovat dvěma hlavními způsoby.

První možností je změnit svůj odhad:

Myslel jsem, že dveře jsou otevřené. Vidím však, že jsou zavřené. Opravím svůj model.

Druhou možností je provést akci:

Očekávám, že budu na druhé straně dveří. Otevřu je, a tím změním smyslový vstup.

Tato druhá cesta se označuje jako aktivní inference.

Organismus podle ní není pasivním pozorovatelem, který pouze opravuje své názory. Pohybuje se, zkoumá prostředí a mění svět tak, aby dosahoval preferovaných stavů.

Fristonův model spojuje vnímání a jednání pod jeden princip: systém může snižovat nesoulad buď aktualizací modelu, nebo změnou přicházejících vstupů prostřednictvím akce.

Je však potřeba dát pozor na příliš jednoduchou interpretaci.

Aktivní inference neznamená, že si můžeme realitu „vypředpovídat“ silou myšlenky. Akce je omezena fyzikálními možnostmi těla, prostředím, ostatními lidmi i kvalitou našeho modelu.

Předpověď, že dokážeme létat, nás bez letadla do vzduchu nedostane.

Proč mozek minimalizující chyby nevyhledává jen nudu

Jestliže se mozek snaží minimalizovat překvapení a predikční chyby, mohlo by se zdát, že nejlepší strategií je zavřít se do temné místnosti, kde se nic neočekávaného neděje.

Tato námitka se označuje jako problém temné místnosti.

Biologické systémy však neočekávají pouze senzorickou jednotvárnost. Mají také hluboce zakotvená očekávání o stavech slučitelných se životem — například o pohybu, příjmu potravy, sociálním kontaktu, zkoumání prostředí nebo změnách tělesného stavu.

Dlouhodobé setrvání v temné místnosti by proto samo začalo vytvářet nesoulad s těmito biologickými a naučenými preferencemi.

Organismus může navíc aktivně vyhledávat informace, které sníží jeho budoucí nejistotu. Dítě zkoumá předměty, člověk se rozhlédne za roh a vědec provede experiment. Krátkodobě tím mohou zvýšit momentální překvapení, ale získají informace, které pomohou zlepšit budoucí predikce.

Co je princip volné energie

Karl Friston se pokusil prediktivní inferenci zasadit do mnohem širšího matematického rámce nazvaného princip volné energie.

Základní otázkou není jen to, jak mozek vnímá, ale jak mohou živé systémy dlouhodobě udržovat svou organizaci v měnícím se světě.

Organismus může přežít pouze v omezeném rozmezí stavů. Nemůže mít libovolnou teplotu, hladinu kyslíku nebo koncentraci glukózy. Musí se opakovaně vracet do oblastí, které jsou slučitelné s jeho existencí.

V informační teorii Friston pracuje s pojmem překvapení neboli surprisal. Nejde o subjektivní údiv, ale o matematickou nepravděpodobnost určitého pozorování vzhledem k modelu.

Protože organismus nemůže přímo vypočítat pravděpodobnost všech skrytých příčin svých vstupů, používá matematicky dostupnější veličinu — variační volnou energii — která funguje jako horní hranice překvapení. Minimalizací této veličiny může systém přibližovat svůj vnitřní model pravděpodobným příčinám pozorování.

Zde je nutné zdůraznit dvě věci.

Zaprvé, variační volná energie není energie, kterou subjektivně cítíme, ani zásoba fyzické energie mozku. Jde o matematický pojem z variační inference.

Zadruhé, princip volné energie není totéž co konkrétní hypotéza o nervových obvodech.

Čtyři pojmy, které se často zaměňují

Prediktivní zpracování

Široká myšlenka, že mozek používá generativní modely, očekávání a informace o odchylkách k vnímání, učení a jednání.

Prediktivní kódování

Konkrétnější algoritmická hypotéza, podle níž jsou predikce a predikční chyby přenášeny hierarchickými neuronálními okruhy.

Aktivní inference

Model, který k percepčnímu usuzování přidává jednání. Organismus může měnit své přesvědčení, ale také svět a tělo.

Princip volné energie

Velmi obecný matematický rámec popisující, jak by sebeorganizující se systémy mohly prostřednictvím inference a akce setrvávat v omezeném repertoáru životaschopných stavů.

Tyto koncepty spolu souvisejí, ale nejsou zaměnitelné.

Princip volné energie může poskytovat obecné normativní zastřešení, aniž by z něj automaticky vyplývalo, že mozek používá jednu konkrétní podobu prediktivního kódování.

Právě zaměňování těchto úrovní někdy vytváří dojem, že matematická elegance principu volné energie dokazuje konkrétní tvrzení o činnosti neuronů. Nedokazuje.

Friston, Seth a Clark: Tři odlišné pohledy

Karl Friston se soustředí především na formální a matematickou stránku. Ptá se, jak mohou adaptivní systémy odvozovat příčiny svých vstupů a udržovat se v životaschopných stavech.

Anil Seth obrací pozornost k vědomí a tělu. Zajímá ho, jak prediktivní regulace vnitřního prostředí přispívá k emocím, pocitu přítomnosti a zkušenosti vlastního já.

Andy Clark zdůrazňuje vztah mezi mozkem, tělem a prostředím. Prediktivní systém podle něj nemusí budovat kompletní vnitřní kopii světa. Může část práce přenést na tělo, nástroje a strukturované prostředí.

Každý z těchto autorů tedy používá prediktivní rámec trochu jinak:

• Friston hledá jednotící formální princip.
• Seth zkoumá prožívané tělo a vědomí.
• Clark se zaměřuje na jednající organismus zasazený do prostředí.

Rozdíly mezi nimi nejsou pouze stylistické. Týkají se také otázky, zda je mysl primárně uzavřená uvnitř mozku, nebo vzniká v širších smyčkách mezi mozkem, tělem a světem.

Predictive processing a teorie perceptuální kontroly: Stejná myšlenka, nebo dvě odlišné teorie?

Myšlenka, že organismus není pasivním příjemcem podnětů, ale aktivně mění své prostředí tak, aby dosáhl určitého vnímaného stavu, se neobjevila až s teorií aktivní inference.

Podobný pohled rozvíjel americký psycholog a inženýr William T. Powers již od 50. let 20. století v rámci teorie perceptuální kontroly neboli Perceptual Control Theory – PCT.

Základní tvrzení PCT zní:

Chování není kontrolováno podněty. Chování je prostředkem, kterým organismus kontroluje své vnímání.

Na první pohled je podobnost s aktivní inferencí nápadná.

V obou případech je organismus chápán jako aktivní systém fungující v uzavřené smyčce mezi vnímáním, jednáním a prostředím. Nečeká pouze na podnět, aby na něj zareagoval. Průběžně porovnává aktuální situaci s určitým očekávaným nebo preferovaným stavem a jedná tak, aby vzniklý nesoulad omezil.

Přesto nejde o dvě označení téže teorie.

PCT: Chování slouží ke kontrole vnímaného výsledku

PCT vychází z principů teorie řízení a záporné zpětné vazby.

Kontrolní systém obsahuje několik základních prvků:

• referenční hodnotu – jak má být určitá proměnná vnímána,
• aktuální percepci – jak ji organismus vnímá nyní,
• chybu – rozdíl mezi referenčním a aktuálním stavem,
• výstupní jednání – činnost, která má rozdíl zmenšit,
• zpětnou vazbu z prostředí – informaci o tom, zda jednání skutečně změnilo kontrolovanou percepci.

Představme si člověka, který chce během porady vnímat, že ostatní respektují jeho odbornou kompetenci.

Jeho referenční stav může znít:

„Chci být vnímán jako někdo, kdo má situaci pod kontrolou.“

Když kolega zpochybní jeho návrh, může to člověk vnímat jako ohrožení své kompetence. Vznikne kontrolní chyba. Aby ji zmenšil, začne svůj návrh podrobněji obhajovat, zvýší hlas, odvolá se na svou pozici nebo kolegu přeruší.

Konkrétní chování se může měnit podle situace. Stabilní zůstává to, co se člověk jeho prostřednictvím snaží kontrolovat: vlastní vnímání respektu, kompetence nebo autority.

To je jeden z nejdůležitějších rozdílů mezi PCT a běžným lineárním vysvětlováním chování.

Stejný podnět nemusí vyvolat stejnou reakci a stejné chování nemusí mít stejnou příčinu. Dva manažeři mohou mikromanagovat, ale každý tím může kontrolovat něco jiného:

• jeden se snaží zabránit chybám,
• druhý chrání svou autoritu,
• třetí se snaží vyhnout kritice svého nadřízeného,
• čtvrtý potřebuje udržovat pocit předvídatelnosti.

PCT se proto neptá pouze:

„Co toto chování způsobilo?“

Ptá se především:

„Jaký vnímaný stav se člověk tímto chováním snaží vytvořit nebo udržet?“

Aktivní inference: Organismus naplňuje preferované predikce

Aktivní inference popisuje podobnou dynamiku pomocí jiného jazyka.

Organismus má generativní model světa a těla. Tento model neobsahuje jen odhady toho, co se pravděpodobně stane, ale také takzvané preferované stavy — výsledky, do kterých organismus očekává nebo „potřebuje“ směřovat.

Když se aktuální vstupy s těmito preferovanými stavy neshodují, systém může:

• změnit svůj model,
• nebo jednat tak, aby změnil svět a budoucí smyslové vstupy.

Člověk, kterému je zima, může vstát, zavřít okno a obléknout si svetr. Tím mění své prostředí i tělesné signály tak, aby se přiblížily preferovanému fyziologickému stavu.

V populárním podání lze tedy PCT a aktivní inferenci shrnout podobně:

Organismus vnímá rozdíl mezi současným a preferovaným stavem a jedná, aby tento rozdíl omezil.

Při podrobnějším pohledu se však objeví zásadní rozdíly.

Obě teorie pracují s chybou, ale není to stejná chyba

V PCT je chyba definována jako rozdíl mezi:

referenčním stavem a aktuální percepcí.

Člověk chce být vnímán jako respektovaný, ale vnímá odmítnutí. Chce mít v místnosti příjemnou teplotu, ale vnímá chlad. Chce zachovat blízký vztah, ale vnímá rostoucí odstup.

Jde tedy především o odchylku od cílového stavu.

V predictive processing je predikční chyba původně definována jako rozdíl mezi:

predikovaným a skutečně zaznamenaným smyslovým vstupem.

Člověk očekává souhlas, ale uslyší nesouhlas. Předpokládá, že dveře jsou otevřené, ale narazí na překážku. Očekává známou melodii, ale zazní jiný tón.

Jde především o informační odchylku, která může vést k aktualizaci modelu.

Rozdíl je dobře vidět na jednoduchém příkladu.

Manažer očekává, že vedení jeho návrh odmítne. Návrh je skutečně odmítnut.

Predikční chyba je malá, protože situace odpovídá očekávání.

Současně ale může vzniknout velká kontrolní chyba, protože manažer chtěl dosáhnout schválení projektu, uznání své práce nebo většího vlivu.

Může nastat i opačná situace. Manažer očekává odmítnutí, ale vedení jeho návrh překvapivě schválí.

Predikční chyba je velká, protože výsledek neodpovídal očekávání. Kontrolní chyba však může být velmi malá, protože preferovaného výsledku bylo dosaženo.

PCT se tedy ptá:

„Je situace taková, jakou ji chci mít?“

Predictive processing se ptá:

„Je situace taková, jakou jsem ji očekával?“

Aktivní inference se snaží oba typy nesouladu propojit prostřednictvím preferovaných predikcí. Přesto není užitečné je jednoduše zaměňovat.

Reference není úplně totéž co prior

Další podobnost se týká pojmů referenční hodnota v PCT a prior v predictive processing.

Prior označuje předchozí očekávání o tom, co se pravděpodobně děje nebo stane.

Reference v PCT označuje stav, který chce systém vnímat.

Očekávání a preference mohou být totožné, ale nemusí.

Člověk může očekávat konflikt, aniž by si konflikt přál. Může chtít změnu zaměstnání, ale současně očekávat, že se mu ji nepodaří uskutečnit. Může předpokládat neúspěch a přitom stále usilovat o úspěch.

Aktivní inference tento problém řeší rozlišováním mezi přesvědčeními o pravděpodobném vývoji a preferencemi budoucích pozorování. V popularizačním výkladu se však tyto dvě věci někdy slévají.

PCT je v tomto ohledu názornější: jasně odděluje aktuální vnímání od referenčního stavu, který se systém snaží udržet.

Kde končí vnímání a začíná jednání

PCT zachovává klasickou kontrolní smyčku:

reference → porovnání → chyba → výstup → změna prostředí → nová percepce.

Jednání je výstupem systému. Prostřednictvím prostředí ovlivňuje to, co bude organismus následně vnímat.

Některé formulace aktivní inference se snaží hranici mezi vnímáním a jednáním více rozpustit. Pohyb může být popsán jako naplňování proprioceptivní predikce.

Když člověk sáhne po šálku, vyšší úrovně systému podle tohoto modelu předpovídají smyslové důsledky pohybu — například pocit, že ruka leží na šálku. Motorické a reflexní mechanismy následně mění polohu těla tak, aby se příchozí proprioceptivní signály s touto predikcí shodovaly.

PCT by stejnou situaci popsala přímočařeji: systém má referenční percepci ruky u šálku a prostřednictvím výstupního jednání kontroluje vnímanou polohu ruky.

Oba modely mohou vést k podobnému popisu pozorovaného chování, ale používají odlišnou architekturu i matematický aparát.

PCT je teorií kontroly. Predictive processing teorií inference

Nejjednodušší rozlišení zní:

PCT se zaměřuje na to, co organismus prostřednictvím jednání kontroluje. Predictive processing se zaměřuje na to, jak organismus odhaduje příčiny svých smyslových vstupů.

PCT velmi dobře vysvětluje, proč může být chování proměnlivé, zatímco jeho účel zůstává stabilní.

Predictive processing lépe tematizuje, jak očekávání, nejistota a předchozí zkušenost ovlivňují samotný vznik percepce.

Obě otázky spolu úzce souvisejí.

Aby člověk mohl nějakou percepci kontrolovat, musí ji nejprve vytvořit a interpretovat. A způsob, jakým ji interpretuje, je ovlivněn jeho předchozími modely.

Současně nestačí pouze vysvětlit, jak percepce vznikla. Potřebujeme také porozumět tomu, proč na jejím základě člověk jedná právě určitým způsobem.

Jak se mohou oba modely doplňovat

Představme si zaměstnance, který dostane od nadřízeného stručný e-mail:

„Zítra se zastavte v mé kanceláři.“

Samotný text obsahuje málo informací.

Generativní model zaměstnance doplní pravděpodobný význam:

„Šéf je asi nespokojený. Něco jsem udělal špatně.“

Predictive processing zde pomáhá vysvětlit, jak předchozí zkušenosti a očekávání vytvořily konkrétní interpretaci nejednoznačné zprávy.

Následně vstupuje do hry PCT.

Zaměstnanec se možná snaží kontrolovat percepci vlastní kompetence, bezpečí nebo přijetí. Interpretace e-mailu signalizuje, že jsou tyto percepce ohroženy. Vznikne kontrolní chyba.

Člověk začne procházet staré e-maily, připravovat si obhajobu, ptát se kolegů nebo se pokusí schůzku odložit.

Jeho jednání přitom může změnit prostředí. Nadřízený zaznamená jeho nervozitu a obrannost, začne komunikovat formálněji a zaměstnanec tuto změnu vyhodnotí jako potvrzení původního očekávání.

Vznikne uzavřená smyčka:

1. Předchozí model vytvoří interpretaci.
2. Interpretovaná situace je porovnána s referenčním stavem.
3. Vznikne kontrolní chyba.
4. Člověk jedná, aby ohroženou percepci obnovil.
5. Jednání změní prostředí a reakce druhých lidí.
6. Nové vstupy mohou potvrdit původní model.

Člověk tak nemusí pouze pasivně podléhat chybnému očekávání. Svým kontrolním jednáním může nevědomky pomáhat vytvářet situaci, kterou předpokládal.

PCT lépe ukazuje, proč vznikají vnitřní konflikty

Významnou předností PCT je možnost popsat konflikt mezi dvěma kontrolními systémy.

Člověk například současně chce:

„Říct otevřeně, co si myslím.“

a zároveň:

„Zachovat si přijetí a dobrý vztah.“

První reference vyžaduje otevřenost. Druhá může v daném prostředí vyžadovat mlčení nebo přizpůsobení.

Výstup jednoho systému tak narušuje percepci kontrolovanou druhým systémem. Člověk může dlouhodobě přešlapovat mezi dvěma strategiemi, aniž by některá z nich konflikt skutečně vyřešila.

Predictive processing může podobnou situaci popsat jako soupeření různých modelů, preferencí nebo možných politik jednání. PCT však poskytuje názornější model toho, proč může chronický konflikt přetrvávat: dva systémy se pokoušejí prostřednictvím stejného jednání kontrolovat neslučitelné percepce.

Právě na tuto logiku navazuje terapeutický a koučovací přístup Method of Levels. Neřeší pouze povrchové chování, ale pomáhá člověku přesunout pozornost k vyšším úrovním, z nichž jsou konfliktní cíle organizovány.

Co z toho plyne pro koučink

Spojení obou rámců může být pro koučink užitečné, pokud z nich neuděláme jednu jedinou teorii.

Predictive processing přináší otázky:

• Jak klient tuto situaci interpretuje?
• Co předem očekává?
• Jaké zkušenosti jeho očekávání vytvořily?
• Kterým informacím přisuzuje vysokou a kterým nízkou důvěryhodnost?
• Co by jeho model mohlo aktualizovat?

PCT doplňuje otázky:

• Jaký vnímaný stav se klient snaží udržet?
• Co je jeho referenční hodnotou?
• Jaký rozdíl mezi žádoucím a aktuálním stavem vnímá?
• Jak jeho jednání ovlivňuje kontrolovanou percepci?
• Co nebo kdo tuto kontrolu narušuje?
• Nesnaží se současně kontrolovat dvě neslučitelné věci?

Predictive processing tedy pomáhá zkoumat, jak vzniká klientova realita.

PCT pomáhá zkoumat, co se klient v této realitě snaží kontrolovat.

Příbuzné, ale nikoli totožné teorie

PCT a aktivní inference vycházejí z podobného obrazu organismu.

Člověk podle obou modelů není pasivní objekt řízený vnějšími podněty. Aktivně zasahuje do prostředí, aby vytvářel určité smyslové a životní výsledky.

Jejich shoda však nesmí zakrýt rozdíly.

PCT je především teorií cílově orientované kontroly založené na referenčních hodnotách a zpětné vazbě.

Predictive processing je rámcem percepční inference založeným na generativních modelech, očekáváních a predikčních chybách. Aktivní inference tento rámec rozšiřuje na jednání a preferované budoucí stavy.

Nejpřesnější proto není říci, že Friston pouze novým matematickým jazykem zopakoval Powerse.

Přesnější je tento závěr:

Teorie perceptuální kontroly a aktivní inference jsou dvě příbuzné, ale odlišné odpovědi na stejnou základní otázku: Jak živý organismus prostřednictvím vnímání a jednání dosahuje svých cílů v proměnlivém prostředí?

PCT přitom tuto otázku formulovala o několik desetiletí dříve a pro praktickou práci s lidským chováním často nabízí jednodušší a přehlednější model.

Predictive processing ji doplňuje o podrobnější úvahy o tom, jak předchozí zkušenost, očekávání a nejistota utvářejí samotnou percepci, kterou se následně snažíme kontrolovat.

Mozek nemusí všechno uchovávat uvnitř

Když používáme kalendář, nemusíme si všechny termíny pamatovat.

Když uspořádáme nástroje v dílně, nemusíme pokaždé přemýšlet, kde je hledat.

Když nastavíme pravidelný režim, snižujeme počet každodenních rozhodnutí.

Andy Clark podobné praktiky chápe jako kognitivní lešení. Prostředí není jen kulisou myšlení. Může přebírat část paměťové, orientační a rozhodovací zátěže.

Z tohoto pohledu není poznání pouze procesem uvnitř lebky. Vzniká ve smyčce:

mozek – tělo – jednání – prostředí – nový smyslový vstup.

To má důležité praktické důsledky.

Když chceme změnit chování, nemusí být nejúčinnější přesvědčovat sami sebe, abychom měli více vůle. Často je jednodušší upravit prostředí tak, aby žádoucí jednání bylo pravděpodobnější a nežádoucí obtížnější.

Nejde přitom o důkaz, že telefon nebo zápisník jsou doslova částí mozku. Je to spíše funkční argument, že lidská kognice systematicky využívá vnější zdroje.

Co predictive processing vysvětluje dobře

Prediktivní rámec je přitažlivý proto, že umožňuje propojit mnoho zdánlivě oddělených jevů.

Pomáhá formulovat hypotézy o:

• percepčních iluzích,
• rozpoznávání řeči,
• senzorickém učení,
• motorické kontrole,
• pozornosti,
• bolesti,
• emocích,
• placebo a nocebo efektech,
• halucinacích,
• úzkosti,
• depresi,
• psychóze,
• autismu,
• působení psychedelik.

Například model REBUS Robina Carhart-Harrise a Karla Fristona navrhuje, že psychedelika mohou dočasně snižovat váhu některých vysokoúrovňových přesvědčení, a tím zvyšovat vliv méně filtrovaných senzorických a emočních informací. Jde o teoretický model mechanismu, nikoli o prokázané úplné vysvětlení psychedelické zkušenosti nebo terapeutického účinku.

Experimenty již také nacházejí konkrétní nervové okruhy reagující na rozdíly mezi očekávaným a skutečným vstupem. Studie na myších publikovaná v roce 2024 například popsala spolupráci thalamu a kortexu při zpracování senzorických predikčních chyb v kontrolované navigační úloze. Taková zjištění podporují existenci specifických predikčních mechanismů, sama o sobě však nedokazují univerzální platnost celé teorie.

Proč může být úzkost tak přesvědčivá

Prediktivní zpracování nabízí užitečný způsob přemýšlení o úzkosti.

Úzkostný systém může očekávat hrozbu a připravit tělo na nebezpečí. Člověk následně zaznamená zrychlený tep, napětí nebo změnu dechu.

Tyto tělesné změny mohou být interpretovány jako další důkaz, že se skutečně něco nebezpečného děje.

Vznikne kruh:

Očekávám hrozbu → tělo se připraví → cítím aktivaci → aktivaci považuji za důkaz hrozby → očekávání zesílí.

Neznamená to, že úzkost je pouze „chybnou predikcí“ nebo že ji lze odstranit jednoduchou změnou myšlení. Úzkostné poruchy mají biologické, psychologické i sociální souvislosti.

Prediktivní pohled ale ukazuje, proč subjektivní jistota nemusí odpovídat objektivnímu nebezpečí. Silný pocit může vzniknout i tehdy, když systém přisuzuje příliš vysokou váhu očekávání a příliš nízkou váhu uklidňujícím informacím.

Proč se naše přesvědčení někdy nemění ani před důkazy

Prediktivní modely se nemusí aktualizovat pokaždé, když narazí na nesoulad.

Jestliže mozek považuje nový signál za nespolehlivý, může ho označit za šum nebo výjimku.

Člověk přesvědčený, že mu ostatní lidé chtějí uškodit, může neutrální chování interpretovat jako skrytou manipulaci. Přátelské gesto nemusí jeho přesvědčení změnit, protože je vysvětleno jako neupřímné.

Čím silnější a jistější prior, tím více důkazů může být potřeba k jeho změně.

To pomáhá vysvětlit, proč nestačí lidem pouze předložit fakta. Fakta nejsou zpracovávána ve vakuu. Jejich význam a důvěryhodnost se posuzují uvnitř existujícího modelu.

Predictive processing však nesmí být používáno jako univerzální vysvětlení každého nesouhlasu. To, že člověk nezměnil názor, nemusí automaticky znamenat rigidní prior. Může mít jiné informace, zkušenosti nebo hodnoty.

Co to znamená pro změnu a učení

Učení vyžaduje, aby systém připustil, že predikční chyba obsahuje důležitou informaci.

Pokud je odchylka příliš malá, můžeme ji ignorovat.

Pokud je příliš velká a ohrožující, můžeme ji odmítnout, racionalizovat nebo se situaci vyhnout.

Nejlepší podmínky pro učení proto mohou vznikat tehdy, když je rozdíl mezi očekáváním a zkušeností dostatečně výrazný, ale stále psychologicky zvládnutelný.

To je jeden z možných důvodů, proč jsou při změně užitečné malé experimenty.

Místo přesvědčování člověka, že jeho dosavadní model je chybný, můžeme vytvořit zkušenost, která poskytne nová data:

• vyzkoušet jiné chování,
• pozorovat výsledek,
• porovnat jej s očekáváním,
• a postupně model aktualizovat.

Důležitá není jen nová informace, ale také bezpečí a důvěra, které určují, zda jí systém přisoudí dostatečnou váhu.

Predictive processing v leadershipu

Prediktivní rámec může být užitečný také pro pochopení vedení lidí.

Lidé nereagují pouze na to, co vedoucí řekne

Reagují také na to, co očekávají, že tím sleduje.

Stejnou větu „Potřebujeme si promluvit“ může jeden člověk interpretovat jako běžnou pracovní konzultaci a druhý jako předzvěst kritiky nebo propuštění.

Rozdíl nevzniká jen ve větě samotné. Vzniká v modelu vztahu, firemní kultury a předchozích zkušeností.

Nejistota zvyšuje vliv předchozích očekávání

Když je situace nejasná a chybí spolehlivé informace, lidé se více opírají o své existující modely.

V organizaci bez otevřené komunikace proto mohou prázdná místa rychle vyplnit obavy, fámy a předchozí zkušenosti.

Transparentnost nesnižuje nejistotu tím, že odstraní veškeré otázky. Poskytuje spolehlivější data, podle nichž mohou lidé své odhady aktualizovat.

Psychologické bezpečí ovlivňuje učení

Pokud je chyba spojena s ponížením nebo trestem, lidé ji budou skrývat, popírat nebo reinterpretovat.

Tým se pak připraví o predikční chyby, které by mohly pomoci zlepšit jeho model fungování.

Psychologické bezpečí neznamená odstranění nároků. Znamená prostředí, ve kterém lze odchylku zaznamenat a zkoumat, aniž by automaticky ohrozila identitu nebo postavení člověka.

Kultura vytváří společné priory

Firemní kultura není jen soubor deklarovaných hodnot.

Je to systém očekávání:

• co se skutečně oceňuje,
• co se trestá,
• komu lze věřit,
• zda je bezpečné říkat nepříjemné věci,
• jestli má smysl přicházet s iniciativou,
• jak se vedení zachová pod tlakem.

Tyto modely nevznikají z firemních prezentací, ale z opakovaných zkušeností.

Predictive processing v koučinku

Koučink lze z tohoto pohledu chápat jako práci s klientovým modelem světa, sebe sama a budoucnosti.

Klient nepřichází pouze s popisem reality. Přichází s určitým způsobem, jak realitu predikuje a interpretuje.

Užitečné otázky mohou znít:

• Co v této situaci očekáváte?
• Jak poznáte, že se vaše očekávání naplnilo?
• Jaké informace by mohly ukázat, že váš model není přesný?
• Co automaticky považujete za šum nebo výjimku?
• Z jakých zkušeností vaše očekávání vzniklo?
• Platí stejné podmínky i dnes?
• Jaký malý experiment by mohl váš předpoklad otestovat?
• Co by vám umožnilo přisoudit novému výsledku dostatečnou váhu?

Smyslem není klientův model „rozbít“. Každý model vznikl z nějakého důvodu a v určitém prostředí mohl být adaptivní.

Otázkou je, zda stále pomáhá předvídat současný svět a jednat v něm.

Největší problém: Teorie, která může vysvětlit všechno

Síla predictive processing je zároveň jeho slabinou.

Pokud lze každé chování zpětně popsat jako minimalizaci predikční chyby, získáváme velmi pružný slovník. Nemusíme ale získat testovatelnou vědeckou teorii.

Člověk změnil názor? Aktualizoval model.

Názor nezměnil? Přisoudil datům nízkou preciznost.

Vyhledal novou zkušenost? Snižoval epistemickou nejistotu.

Zůstal u známého? Minimalizoval očekávané překvapení.

Pokud rámec dokáže bez dodatečných omezení vysvětlit jeden výsledek i jeho opak, jeho vysvětlující hodnota klesá.

Polemický preprint Madhura Mangalama z roku 2025 právě z tohoto důvodu označuje predictive processing za příliš flexibilní a obtížně falzifikovatelný rámec. Jde však o nerecenzovaný, jednostranně kritický text, nikoli o vědecký konsenzus nebo definitivní vyvrácení celé oblasti.

Provádí mozek vůbec všechny potřebné výpočty?

Další námitka se týká výpočetní náročnosti.

Přesná Bayesovská inference může být u složitých modelů výpočetně mimořádně obtížná. Mozek má přitom omezený čas, energii i počet neuronů.

Analýzy Johana Kwisthouta a Iris van Rooij ukazují, že řada výpočtů předpokládaných modelem prediktivního Bayesovského mozku může být v obecné podobě výpočetně nezvládnutelná. Nízká predikční chyba sama o sobě nezajišťuje, že bude aktualizace modelu snadná.

To neznamená, že mozek nemůže používat žádné Bayesovsky podobné postupy.

Může využívat aproximace, zjednodušené modely, heuristiky, omezené lokální výpočty nebo předem naučené rychlé reakce.

Teorie však musí vysvětlit, jaká omezení činí navrhovaný výpočet biologicky proveditelným. Nestačí pouze říci, že mozek nějakou aproximaci provádí.

Posiluje očekávání vjem, nebo jej potlačuje?

Výzkum predikce obsahuje zdánlivý rozpor.

Některé studie ukazují, že očekávané podněty vnímáme rychleji a přesněji. Očekávání tedy jejich zpracování posiluje.

Jiné výzkumy nacházejí sníženou nervovou odpověď na očekávané podněty. Jestliže mozek předem ví, co přijde, může očekávanou informaci „vysvětlit“ a více zdůraznit neočekávanou odchylku.

Tento konflikt se označuje jako perceptual prediction paradox. Pressová, Kok a Yon navrhli, že oba procesy mohou působit v různých fázích: očekávání nejprve pomůže rychle vytvořit pravděpodobný vjem a následně může být zvýrazněna překvapivá informace potřebná pro učení.

Preprint publikovaný v březnu 2026 tuto hypotézu experimentálně podpořil pomocí EEG. U 36 účastníků autoři zaznamenali časnou výhodu očekávaných pohybů ještě před příchodem podnětu a pozdější zvýraznění neočekávaných výsledků.

Výsledek je zajímavý, ale předběžný. Studie zatím neprošla recenzním řízením, pracovala s jedním typem úlohy a sama o sobě nemůže celý paradox definitivně uzavřít.

Co zatím říkají empirické důkazy

V roce 2024 vyšel přehled zaměřený přímo na empirický stav predictive coding a aktivní inference.

Jeho závěr byl podstatně střízlivější než některé populární prezentace teorie.

Autoři našli omezenou až střední podporu pro predictive coding. Některá pozitivní zjištění však bylo možné vysvětlit i alternativními modely založenými převážně na dopředném zpracování.

Modely aktivní inference často dobře odpovídaly pozorovanému chování. Málokdy ale byly přímo porovnávány s konkurenčními modely, například s reinforcement learningem. To znamená, že dobrá shoda s daty ještě neprokazuje, že aktivní inference představuje skutečný mechanismus, který data vytvořil.

Nejpřesnější současný závěr proto zní:

Prediktivní mechanismy nepochybně hrají v činnosti nervového systému důležitou roli. Zatím však není prokázáno, že veškeré vnímání, rozhodování, jednání a vědomí lze vysvětlit jedním univerzálním principem minimalizace predikčních chyb nebo volné energie.

Užitečný rámec, nikoli definitivní teorie všeho

Predictive processing změnilo způsob, jakým přemýšlíme o vztahu mezi vnímáním, zkušeností a realitou.

Ukazuje, že nevnímáme svět bezprostředně a bez předpokladů. To, co vidíme a cítíme, vzniká v interakci mezi přicházejícími informacemi a modely, které jsme si vytvořili.

Tyto modely nám umožňují jednat rychle a efektivně. Bez nich by každá situace byla zcela nová a každé rozhodnutí by začínalo od nuly.

Stejné modely nás však mohou také omezovat.

Můžeme vidět to, co očekáváme. Ignorovat informace, které se do našeho obrazu nehodí. Zaměnit tělesnou aktivaci za důkaz nebezpečí. Nebo opakovaně vytvářet prostředí, které potvrzuje naše předchozí přesvědčení.

Nejdůležitější přínos predictive processing proto možná nespočívá v tvrzení, že celý mozek minimalizuje jedinou matematickou veličinu.

Spočívá v připomenutí, že zkušenost není pasivní kopií světa.

Je průběžně vytvářeným odhadem.

A zralé myšlení nezačíná otázkou:

„Je můj obraz reality pravdivý?“

Ale spíše:

„Jaký model právě používám, z jakých zkušeností vznikl a co by mě přesvědčilo, že potřebuje aktualizaci?“

Nejčastější otázky

Dr. Ivan Černohorský

Více o autorovi