Однако теории, сходные с прогнозирующим кодированием, начали активно развиваться лишь в конце XX и начале XXI века. Ключевую роль в этом сыграли работы, связанные с исследованием нейропластичности и адаптивных механизмов мозга. Нейробиологические исследования, включая исследования нейромедиаторов, таких как дофамин, и влияние нейронных сетей, позволили сделать важные выводы о том, как мозг использует прогнозирование и модели для восприятия окружающего мира. Основоположники теории прогнозирующего кодирования, такие как Карл Фридрих фон Вайцзеккер и Грегори Хупер, предложили, что мозг всегда формирует гипотезы о будущем на основе прошлого опыта и коррелирует их с поступающей сенсорной информацией.

Теорема Байеса, предложенная английским математиком Томасом Байесом в XVIII веке, стала важным математическим инструментом для анализа и обновления вероятностных гипотез в свете новых данных.

Суть теоремы заключается в том, что она позволяет пересчитывать вероятность гипотезы, исходя из того, какие данные становятся известны. Байесова теорема описывает, как обновляется вера (или вероятность) гипотезы в ответ на новую информацию. В контексте мозга эта теорема может быть использована для объяснения того, как нейронные сети обновляют свои предсказания о будущем, учитывая как старый, так и новый опыт.

В контексте теории прогнозирующего кодирования эта теорема и формула иллюстрирует, как мозг обновляет свои гипотезы (или предсказания) о мире, основываясь на новых сенсорных данных. Когда мозг сталкивается с новыми событиями (данными), он пересматривает свою априорную вероятность (предсказания), чтобы учитывать эти данные, что позволяет улучшить точность будущих предсказаний.

Таким образом, этот процесс отражает ключевую особенность прогностического кодирования, заключающуюся в том, что мозг не просто реагирует на данные, а активно пересматривает свои ожидания на основе новых входных данных, всегда стремясь к минимизации ошибок предсказания.

Применение байесовской теоремы к нейробиологии и когнитивной науке стало возможным в 1980-х годах, когда ученые начали понимать, как мозг может использовать вероятностные методы для решения проблем неопределенности. В этой парадигме мозг рассматривается как «байесовский инференсер» (интерпретатор), который строит гипотезы о мире и обновляет их в ответ на сенсорную информацию, используя принципы вероятности. Байесовская модель подразумевает, что мозг сохраняет вероятностные модели будущих событий и корректирует их, основываясь на ошибках предсказаний, что непосредственно связано с теорией прогнозирующего кодирования.

Это обновление вероятностных гипотез имеет важное значение, потому что позволяет мозгу не только адаптироваться к изменениям окружающей среды, но и учесть неопределенность в мире, даже если информация неполна. В этом смысле теорема Байеса и её приложения стали основой для того, чтобы понять, как мозг, сталкиваясь с неопределенностью, способен улучшать свои предсказания и предсказывать будущее с учетом прошлых знаний.

Таким образом, связь теории прогнозирующего кодирования с теоремой Байеса стала ключевым моментом в развитии нейробиологических моделей, которые объясняют, как мозг обрабатывает информацию и использует вероятностные вычисления для предсказания будущего. Байесовская теория, будучи основой для обработки неопределенности и адаптации, обеспечила важный математический и когнитивный инструмент для понимания того, как работает мозг в условиях постоянной неопределенности и изменчивости мира.

Прогнозирующее кодирование как адаптивный механизм