眼睛與耳朵送進大腦的訊號並不完整，也帶有雜訊；大腦卻能快速辨認物體、理解語句並預測下一刻。預測處理是一個重要觀點：大腦不只是由下而上接收刺激，也會依先前經驗建立對外界原因的預測，再用感官輸入產生的差異修正模型。知覺因此是預測與證據的協商，不是憑空想像。這套框架能統整許多現象，但範圍很廣，部分神經實作與可檢驗主張仍在研究中。
感官資料本身不會直接說明原因
落在視網膜上的只是二維光線分布，同一影像可能來自大小、距離與照明不同的物體。聲音也可能被背景噪音遮住，耳朵只接收到不完整波形。若大腦必須等所有資訊齊全才開始辨認，知覺會太慢，也常得不到唯一答案。
先前經驗提供了可能原因。例如看到部分被遮住的杯子，大腦通常仍知覺為完整物體，而非幾塊不相連的形狀。聽到含糊語音時，句子上下文會提高某些詞的可能性。這些預期不是事後添加的評論，而可能在感官處理早期就影響哪些解釋更有競爭力。
然而，先驗預期不能無視輸入。若證據持續不符合，大腦需要更新模型，否則行為會與環境脫節。預測處理的核心正是預期與誤差之間反覆調整。
什麼是預測誤差
預測誤差不是「犯錯」的同義詞，而是預期感官訊號與實際輸入之間的差異。當你伸手拿起一個看似裝滿的紙箱，實際重量比預期輕，動作會突然上揚；這個差異促使後續姿勢調整，也更新你對箱子重量的估計。
在階層式模型中，較高層可能預測物體、語意或情境，較低層處理邊緣、聲音頻率等細節。高層預測向下影響處理，未被解釋的差異再向上傳遞。模型若能更好預測輸入，剩餘誤差就降低。
大腦不是追求零刺激或永遠不意外。它要找到能產生感官資料的合理原因，並據此採取行動。新奇訊號有時十分重要，完全忽略反而不利生存。
可靠度決定誰的影響較大
在明亮、清楚且注意集中的情況下，感官證據通常較可靠，輸入對知覺的約束較強。夜色昏暗、訊號模糊或背景吵雜時，先前經驗可能占較大比重。遠處一團黑影若輪廓不清，人會依場景猜是行人、樹或路牌。
這種加權有適應價值。大腦必須判斷某個誤差是有意義的新資訊，還是感官雜訊。注意力在部分模型中被理解為調整訊號精確度，使與任務相關的差異獲得較高權重。
但「可靠度」不是主觀想相信什麼就提高什麼。它受訊號品質、過往統計、身體狀態與任務影響，而且大腦如何在不同層級實作精確度加權，仍是研究問題。
錯覺揭露知覺的推論
視覺錯覺常利用日常世界中的穩定規律。陰影通常代表照明變化，因此大腦可能把同一物理亮度知覺成不同明暗，以維持物體顏色的穩定。這不是視覺系統設計粗糙，而是一般情境下有用的推論遇到特殊刺激。
語音也會受預期影響。句子脈絡能補足被噪音遮蔽的音節，讓溝通在不完美環境中繼續。若脈絡誤導，人們也可能很有把握地聽錯。
錯覺不能單獨證明整套預測處理理論，因為其他計算模型也可能解釋相同結果。它們較穩健地說明：知覺不是感官資料的逐點複製，背景與先前知識會參與解釋。
預測也參與動作
拿杯子時，大腦會預先估計重量、摩擦力與手指需要的力量。感官回饋若與預測不同，動作迅速修正。熟練技能的流暢，部分來自對動作後果的準確預測，而非每一步都等回饋後才決定。
某些預測處理版本進一步主張，行動可以透過改變世界來實現預測。例如身體預測視線將對準目標，眼球運動便減少視覺誤差。這類「主動推論」試圖把知覺與動作放入同一框架，但不同理論使用的數學與神經假設並不完全相同。
學習就是調整世界模型嗎
當結果一再違反預期，大腦可改變聯結與估計。初到新城市時，對道路與交通節奏的預測不準，錯誤頻繁；經驗累積後，模型更能預測下一個轉角與所需時間。
不過，並非每個誤差都導致學習。一次例外可能被視為噪音，重複而穩定的差異才促使大幅更新。既有信念過強時，新證據可能被低估；感官雜訊很大時，保守維持舊模型也可能是合理策略。
學習設計可以利用這點：先讓學習者做出具體預測，再呈現結果並比較差異。若只被動看答案，就少了明確的預期基準。重點是根據證據修正，而不是追求猜中。
不要把理論擴張成萬用答案
「大腦是預測機器」是有用比喻，卻不能直接解釋每一種心理困擾、人格或社會行為。若沒有說明預測內容、誤差來源、更新方式與可反駁結果，理論可能變得什麼都能事後解釋。
神經科學研究會利用腦電、影像、行為與計算模型檢驗較具體主張，但觀察到某區在意外刺激時活動，不等於已證明那裡只負責預測誤差。不同任務、腦區與時間尺度需要分別評估。
臨床領域也有人以預測處理討論幻覺、疼痛或焦慮，但這些狀況成因複雜，模型不能替個人做診斷，更不代表患者只是「預測錯誤」。有感官或心理症狀應由專業人員依完整情況評估。
知覺是受證據約束的建構
預測處理最重要的啟示，是大腦用過去經驗理解不完整的現在，同時讓新證據改寫未來預期。先驗模型提高速度與穩定性，預測誤差防止模型完全脫離世界，訊號可靠度則調節兩者權重。把知覺稱為建構，不代表世界不存在，而是我們所經驗的世界，來自感官證據與大腦模型持續互相校正。