从错误中学习是通过减少负面评价来实现的,比如错误、损失、惩罚、分歧或距离。这种从正确/错误中学习的区别并不新鲜,也可以用奖励/基于错误的学习来表达。...或者,思维投射、评估和更新:预测编码理论基本上将人类思维描述为贝叶斯预测引擎,将预测与观察进行比较,导致内部适应。...引用弗里斯顿的话[10]: “贝叶斯大脑假说使用贝叶斯概率理论将感知表述为基于内部或生成模型的建设性过程。[.。。]根据这种观点,大脑是一台推理机器,它主动预测和解释自己的感觉。...这就是在预测模型中学习是如何发生的。本文使用了一个这种类型的运行示例。
一个有趣的问题是:这种学习/更新是根据珀尔还是杰弗里发生的?
更抽象地说,大脑是从正确的事物中学习还是从错误的事物中学习?...例如, (Valtorta 等人,2002 年)描述了一个多智能体系统的模型,每个智能体都有自己的知识,通过局部贝叶斯网络表示。