但是大脑如何在三个选项中选择呢？在预测编码模型中，大脑由分配给预测的精度决定。准确性是大脑对输入信号可变性的统计可变性，也就是大脑版本的误差棒，或者说大脑对模型的确定程度。当准确度高(变异性低)的预测被违背时，大脑会注意:“这个很重要，注意！”预测的低精度(高可变性)使得偏差变得不那么重要:“这只是一个随机现象，忽略它。”

一年后，另一个研究小组提出了第一个自闭症贝叶斯模型(Pellicano & Burr，2012，Trends Cogn Sci。)，认为自闭症患者的大脑不相信自己的预测，所以过于依赖感官输入。对此，另外两个研究小组(其中一个包括Freeston和Lawson)提出，预测编码可以作为这种预测-感知失衡的机制(Lawson，Rees & Friston，2014，Front Human Neurosci。).在2014年，辛和他的同事提出，自闭症患者的大脑并没有低估预测，但不能准确地预测它(辛哈等人，2014，)。例如，当一个又一个事件的发生频率比偶然事件的发生频率高一点时，自闭症患者可能不会注意到这两个事件之间的联系:一个至少在某种程度上对普通人来说是可预测的世界可以让自闭症患者感到困惑，让他们感到反复无常，或者像辛哈所说的“神奇”。

Freeston表示，在许多机器学习系统中，有一个参数“学习率”，它与预测精度起着同样的作用。人工智能是通过反复试验来学习的；如果他把小狗误认为小猫，他会修改内部连接，以便下次做得更好。学习率决定了每次修改的程度，预测精度越高，需要修改的程度就越大。机器学习系统会调整自己的学习速率，使其在学习优化的同时避免过拟合数据(只能识别所有遇到过的小猫小狗，不能概括区分小猫小狗的特征)。学习率通常在开始时很高，然后随着时间的推移而降低。在预测编码模型中，普通大脑也是一开始就给预测分配一个较高的准确率，然后逐渐降低。它可能被化学信号分子下调，如去甲肾上腺素(Yu & Dayan，2005，Neuron)和乙酰胆碱(Moran et al. 2013，J Neurosci .).“据信，准确性是由大脑中的神经调质编码的，这些化学分子可以改变大脑皮层的反应增益。”剑桥大学的丽贝卡·劳森说。当需要开始新一轮学习的时候，大脑会增加准确率。

让我们来看看精神分裂症的独特症状:幻听。去年，耶鲁大学的菲利普·科利特(Philip Corlett)和他的同事通过诱导这种错觉的弱化版本来研究这种错觉的起源(Powers，Mathys & Corlett，2017，Science)。他们招募了30名有幻听症状的人(他们每天都报告听到声音，其中一半被诊断为精神疾病)和29名没有幻听症状的人，并借鉴了俄罗斯生理学家伊凡·巴甫洛夫的方法:在向受试者展示棋盘图像的同时播放纯音，让他们预期两者会同时发生。然后研究人员停止播放纯音。那些听不到声音的人很快就发现了变化，但那些倾向于听到声音的人更有可能仍然认为自己听到了纯音。研究小组从预测编码的角度理解了这一结果。“患有听觉和言语幻觉的人对实验中两种刺激之间的关系有非常非常严格的预期，以至于他们凭空构建了感觉，”Colet说。"这使得他们听到的声音实际上并不是播放给你听的."

也有据支持预测编码模型:自闭症患者不擅长测试他们预测的任务，比如接球。在处理世界上最不可预测的东西——人类的时候，问题就被放大了。要预测一个人在特定情境下会做什么，你需要根据这个人或者类似的人在不同情境下做过什么来做一个猜测。这对任何人来说都很难，尤其是自闭症患者。利普金说:“举个常见的例子，(自闭症患者)很难将在情境A中学到的社交互动运用到情境b中。”缺乏预测能力会导致严重的焦虑，这也是自闭症谱系人群的常见问题。自闭症的一些症状，如偏好常规，可以理解为应对焦虑的一种表现(Van de Cruys，2014，Psych Rev)。“当你看到它们重复做一些动作时，大多数时候它们是在主动逃离自然界的复杂性。”比利时鲁汶大学的桑德·范德克鲁伊说。

假设大脑总是设置高于实际需要的精度，这就好比谷歌地图显示一个人的位置不确定性太低(定位点周围的蓝色圆圈画得太小)，信号的随机变化会让估计的位置跳跃看起来像真实的运动。这时候你一定要看着地图想:是什么会让那个用户这样跳来跳去？别人看到的是噪音，你却把它当成信号。

Colet说，自闭症在某些方面类似于精神分裂症。虽然听到声音的情况并不常见，但自闭症谱系的人产生妄想的比例并不低(妄想是指所有被反驳并坚持下来的错误信念，比如被外星人或超自然力量操纵)。柯莱特认为这些妄想是由于过于相信感官信息而产生的，然后一套新的信念被植入他的大脑并固定下来。

我们如此依赖期望的原因之一是我们的感知落后于现实。我们的大脑有意识地检测到输入需要80毫秒甚至更长时间；我们做的很多事情，包括在吉他上弹十六分音符，在摇晃的地铁上调整站姿，都是在我们意识到之前发生的，我们不会等输入被处理后再采取相应的行动。所以大脑必须一直预测接下来会发生什么。它生成描述世界的模型，在此基础上做出决策，然后根据感官反馈更新模型。用概率论的话来说，大脑就是一个贝叶斯推理机，它把事先的预期和当前的情况结合起来，估计未来事件发生的概率。

大脑是如何做到的？现在科学家们认为这最有可能通过一个叫做元学习(通过学习来学习)的过程来实现——学习找出什么该学，什么不该学。根据这一理论，元学习过程中的偏差解释了自闭症的主要症状。这一理论从本质上重新描述了自闭症是一种知觉疾病，而不是一种社会疾病；它将自闭症的标志性症状——与社会互动的困难——重新解释为例行公事的持续，这种持续来自自闭症大脑处理感官输入的独特方式。

据他们自己承认，预测编码的研究人员刚刚开始在自闭症中测试他们的理论。“那些最早的论文，只是讲述‘就那样’的故事，是事后分析——解释已经收集的数据，”劳森说。但她和其他人也进行了实验，试图更准确地检测预测机制。许多实验涉及联想学习的任务，参与者需要总结一系列图像和其他刺激之间的规则。实验者会不时改变这个规则。改变的效果起初不容易察觉，然后实验者观察参与者能多快意识到规则的改变。

目前这个模型在一些重要细节上还比较模糊。“还有很多没拧下来的螺丝。”耶鲁大学自闭症研究人员Katarzyna Harvald说。一个简单的模型能解释这么多不同的自闭症症状吗？有人质疑。但支持者认为，正是这种多样性支持了一个统一的理论。理解一个基本的原因可能会导致一个同样普遍的治疗方法的发展。“如果预测真的是(自闭症中)隐藏的核心障碍，那么在这个方向上的干预也可能在其他不同方面产生积极影响。”麻省理工学院的计算神经科学家Simone Pawan Sinha说。

与其他试图解释自闭症所有症状的“统一”理论不同，这一理论基于对大脑功能更普遍的描述，这种描述被称为预测编码。假设其所有的感知活动都是一种建模和模型测试的实践——做出预测，看是否实现。用预测编码理论的话来说，自闭症患者的大脑过于关注期望和实际感受之间的差距。当路边的汽车鸣笛而过时，普通的大脑可能只是将其视为城市听觉背景中的偶然波动；对于自闭症的大脑来说，每一声口哨都会让它有意识地注意。"这为自闭症的主要特征提供了一个非常简洁的解释."伦敦大学学院的神经科学家卡尔·弗里斯顿说。他曾经帮助建立了将预测编码理论应用于大脑的数学基础。

预测编码理论认为，当感觉输入推翻大脑的预期时，自闭症患者会出现标志性症状。

“所有的经历都是被控制的幻觉。你所经历的，在某种程度上，就是你期望经历的世界。”

然而，处于持续的觉察状态是很累的。“你总是被自己的感官系统所奴役。”弗里斯顿是这样描述的。自闭症患者过于关注日常事物，这可以解释为什么他们经常报告感觉超负荷。一些患者说，他们总是意识到台灯的嗡嗡声和空调的隆隆声。研究还表明，它们对重复刺激的适应速度更慢(Jamal & Sinha，2017 SfN Conference)。

她还将自己的语言困难归咎于她期望的声音和实际声音之间的不匹配。”她说话后，她的声音又回到了她的耳朵里。她的合作者Shin-ichiro Kumagaya说:“她倾向于过分关注两者之间的差异。Kumaya是东京大学的儿科神经学家。他正在利用Tojisha-Kenkyu研究自闭症。那种效果很像你打电话的时候，听筒偶尔会传回奇怪的回音，让你说不出话来。只有对绫人来说，几乎每次说话都会发生这种情况。

现在43岁的Ayaya对自己有了更好的认识:她在30岁出头时被诊断患有自闭症。作为东京大学科学史和科学哲学专业的博士生，她正在利用自己的日记研究自闭症，从她青春期的陈述中产生假设，并进行鼓舞人心的实验。这种自我分析的研究方法被称为Tojisha-Kenkyu(在日语中，这两个词分别表示“所涉及的人”和“研究”，是指身体残疾或心理有问题的患者因自身兴趣而发起对自身疾病的研究的独特活动)。这种方法始于20年前日本的残疾人权利运动。

将预测编码理论应用到计算机模型甚至机器人实验中是一个很有吸引力的方案。人工神经网络可以用作数字鼠标来测试我们关于大脑功能的理论。研究人员可以改变模型中的参数，看看神经网络是否可以重现自闭症和精神分裂症等各种精神疾病的症状。2012年，计算科学家Jun Tani和一位同事编写了一个机器人来模拟精神分裂症(Yamashita & Tani，2012，PLOS一号)。通过向机器人控制器的计算中添加噪声，他们使其错误地计算出预期输入和感觉输入之间的差距。这种虚假的错误——如果你愿意，你可以说这是机器人的幻觉——传播了机器人的认知水平，破坏了其操作的稳定性。"这个机器人表现出混乱的行为."顾说，他现在是日本冲绳科学技术学院的教授。他和其他人一起开始使用这种方法将预测编码扩展到自闭症研究中。

绫谷聪(Satsuki Ayaya)还记得她小时候和其他小朋友一起玩有多难，仿佛有一个屏风把她和其他人隔开。有时候她觉得自己很迟钝，有时候她变得太敏感；有时声音消失，有时太尖锐。作为一个绝望地试图了解自己的青春期女孩，她开始记录自己的生活。“我开始把自己的想法写进笔记本，比如:我怎么了？或者:我哪里做错了？或者:我是谁？我写了，写了，写了40本笔记本。”她说。

早在19世纪中期，德国物理学家、心理学家赫尔曼·赫尔姆霍茨和哲学家康德就提出了预测编码的基本假设。两人都坚持认为，我们的主观经验不是对外部现实的直接反映，而是一种建构。“所有的经历都是被控制的幻觉，”爱丁堡大学的认知科学家安迪·克拉克说。“你所经历的，在某种程度上，就是你期望经历的世界。”

例如，去年，劳森和她的同事招募了20名自闭症患者和25名普通人。他们向参与者播放高音或低音，并展示一张脸或一所房子的图片。然后要求参与者按下与“房子”或“脸”相对应的按钮。一开始高音高表示之后有84%的可能性是房子，然后规律就变成了低音高对应84%的房子，最后高音高分别对应50%的两种画面的可能性。控制组(普通人)在他们的期望被违背到一定程度时会慢下来，让他们认为规则变了；然而，患有自闭症的参与者按键的速度更均衡，总体而言，他们按键的速度比对照组更慢。(劳森，马蒂斯&里斯，2017年，纳特神经科学。)研究人员得出结论，对于自闭症患者来说，每一次与预期的偏差——例如，当高音之后出现更多面孔时，就会出现一个高音屋——都是规律性变化的表现，而普通人往往会将前几次偏差视为意外，并不在意。

虽然这些研究小组侧重于预测过程中的不同环节，但他们描述的原理大致相同:对于一个自闭症患者来说，世界总是令人惊叹的。“这是自闭症患者中非常常见的描述，”熊谷说。"与神经系统正常的人相比，他们有频繁吃惊的倾向."某种程度上，这种世界观有助于一些学习。例如，研究表明，自闭症患者在需要持续关注细节的任务中表现更好，如寻找错误(Joseph等人，2009年)和辨别声音(Bonnel等人，2006年)。同时，他们不太可能看到视错觉(Mitchell等人2010)和多感官错觉(Stevenson等人2014)，这些都源于感知系统的强烈期望。

“人们认为准确性是由大脑中的神经调质编码的，这些化学分子可以改变大脑皮层的反应增益。”

同样的误判也发生在自闭症患者身上。“也许自闭症谱系障碍包含了一种不能很好地平衡贝叶斯估计的障碍，或者至少它不能以神经系统的典型方式平衡。”克拉克说。

当大脑感知到偏差时，它要么更新模型，要么将偏差视为偶然偏差。在第二种情况下，这种偏离将不再浮到意识层面。“你想听到更少的假新闻，”弗里斯顿说。或者，还有第三种选择:面对模型与世界的偏差，大脑也可能会更新世界——比如，通过移动一只手臂或握住一只手来实现预测。"预测误差不仅可以通过更新模型来实现，还可以通过实施行动来实现."英国苏塞克斯大学的神经科学家阿尼尔·塞思说。这样，预测编码不仅可以是感知系统的工作模式，也可以是运动控制系统的一部分。

而预测和更新不需要——通常没有——意识的参与，大脑在多个潜意识层面建立模型。近20年前，研究人员揭示了视皮层的多层次和预测性工作模式(Rao & Ballard，1999，Nat。神经科学。).初级视觉皮层产生对图像小尺度特征的预测，比如边缘信息，然后通过完善预测来尝试匹配视网膜的信号。然而，如果这种局部微调还不够，它会将任务留给次级视觉皮层，次级视觉皮层会改善对更大规模几何特征的预期。随着等级的上升，更广泛的变化被唤起，直到最高层次:意识。(术语“预测编码”是由神经科学家从通信工程中继承而来的。这个术语是在20世纪50年代建立的，用来描述通信网络只传输偏差而不是原始数据，以减少负载所需的信息量。)

当我们面对新的情况和新的话题时，每一个细节——图像中的每一个亮点，声音中的每一个音调变化——看起来都很有意义。随着经验的积累，我们开始总结规律，知道该怎么做了。细节变得不那么明显；大脑将注意力转移到更大的画面上。这样，大脑解决了上一个挑战，又迎接下一个挑战，从而在无聊和沮丧之间保持最佳表现。自闭症可能代表了一条不同的学习曲线——他们更喜欢细节，而不是更广泛的特征。

在Ayaya的叙述中，她的自闭症有很多感性的“脱节”。比如她能感受到细节，却不能把细节拼凑起来，而普通人却把这些细节组合成“饥饿”。“我很难断定我饿了，”她说。“我觉得烦，我觉得难过，我觉得不对。这些信息是分离的，没有联系的。”她过了很久才意识到自己饿了。通常，那时她会感到头晕。直到有人提醒她吃饭，她才吃饭。

除了解释自闭症的一系列特征，预测编码还可能帮助我们理解自闭症和精神分裂症之间令人困惑的联系。这个理论，在某种程度上，把精神分裂症当成了自闭症的镜像。在自闭症中，感官信号推翻了大脑中的模型；在精神分裂症中，模型战胜了感觉。

对于大约一半的参与者，研究人员还测量了瞳孔大小，因为去甲肾上腺素会使瞳孔放大。去甲肾上腺素被认为是编码精确度的化学分子之一。对结果的理解并不直接，因为每个人遵循的学习曲线略有不同，形成的预期也不同。为了判断一个事件是否会违背预期，研究人员只能分别对每个人的反应模式进行建模。最后一点是，自闭症患者的瞳孔似乎一直处于一触即发的状态。“与我们适应能力强，对应该感到惊讶的事情感到惊讶不同，自闭症患者似乎对一切都略感惊讶。——所以，就像，嗯，这个有点神奇，啊，那个也有点神奇，这个很神奇，那个也很神奇。”劳森说。

在自闭症患者的大脑中，准确性往往会跳到一个高水平，或者卡在一个高水平上——不管出于什么原因，他们的大脑往往会过度适应。哥伦比亚大学的神经科学家钱宁·钱·李普金在2010年首次提出了这一普遍观点。受机器学习的启发，他们提出自闭症患者的大脑倾向于记忆，而不是找出规则和模式。“我们可以认为自闭症患者面临的困境是任务和学习风格之间的不匹配。”钱宁说。

预测编码并没有解释自闭症的一切。比如是什么原因导致自闭症大脑在获得经验后没有及时降低预测准确率？哪个环节出了问题:预测、感官输入、两者对比还是利用两者差距更新模型的步骤？研究人员仍在调查。还有，自闭症会影响哪些预测？它们都是预测，还是特定种类的预测？大脑预测发生在不同的水平和时间尺度上，自闭症患者在许多方面都做得很好。

如果预测编码确实是解释自闭症的模型，它也可以为新的治疗方案指明方向。“不同的自闭症儿童可能在预测链的不同部分表现出异常，”哈沃德·斯卡曲风说。这些差异可能对应一系列的临床治疗。当她与自闭症儿童的父母会面时，她用“预测”的概念来帮助他们理解孩子对世界的体验，告诉他们，“你的孩子只是很难理解下一秒会发生什么。这是他们必须经历的，尤其是在他们非常非常年轻的时候。他们接触各种事件的苦恼和困难在于，他们不知道这些事件应该整合到哪里。”

虽然预测编码的理论至少可以追溯到150年前，但它直到20世纪90年代才成为神经科学的一部分，就像机器学习只是最近才转变为计算机科学一样。这两个领域相辅相成，绝非巧合。

Ayaya对自己经历的详细记录有助于建立一个全新的案例，这为一个新兴的自闭症理论提供了支持。这一理论将自闭症与感知研究中最具挑战性的问题联系起来:大脑如何分配注意力？新奇会吸引注意力，但要“新奇”，大脑需要有一个新的期待，并违背它。大脑还必须给这种预期分配一种确定性，因为在一个嘈杂的世界里，并不是所有违反预期的事件都有同样的新奇感:有时这种事件的发生是有原因的，有时它只是发生了。

一些研究人员仍然对疾病的根源持怀疑态度，认为自闭症不一定是一个预测性的问题。耶鲁大学的心理学家詹姆斯·麦克帕特兰(James McPartland)也表示，他仍然倾向于更多地关注对社会症状的解释。他说，如果只用一个特征来描述自闭症，那只能是社交困难。研究人员应该关注与他人互动的心理机制，如面部识别。“我们很清楚大脑中处理面部信息的脑区，”他说。他还质疑预测编码模型犯了一个因果错误:并不是预测本身的问题导致了社交困难，而是有可能反过来——大脑的许多预测能力可能来自社交接触。"社会信息会成为预测编码正常发展所需的关键信息吗？"他说。

即使没有其他治疗方法，预测编码的想法也可以为一些年轻人提供他们渴望的灵感——就像Ayaya十几岁时渴望的那样。“我注意到了我和其他孩子的不同，然后我想，为什么会这样？”她回忆道。现在她是一个成年人，她说她的焦虑已经减少了，不仅因为她对自己有了更多的了解，也因为她的同伴和朋友表现出的意识。平时和她在一起的人都知道她的情况。她说，“他们认识我。(因此)我可以更容易地问，‘我想那只是让我吃惊，但不是给你的，是吗？’"