我很喜歡你這個問題。
因為，它其實是在問：
如何讓一個世界，不要太快封閉？
嚴格地說，從 Jakob Hohwy 的 predictive processing 理論來看，「增加 prediction error」不是目標。對大腦而言，prediction error 是需要**解釋掉（explain away）**的。生命要生存，就不能讓 prediction error 無限增加，否則會陷入混亂。
所以，更精確的問題應該是：
如何讓自己遇見更多 prediction error？
或者：
如何不要太快把 prediction error 消除？
我覺得，這就開始接近你最近一直談的東西了。
⸻
第一，離開吸引盆地（attractor basin）
這是你自己的語言。
每天：
同樣的人。
同樣的路。
同樣的新聞。
同樣的演算法推薦。
prediction error 幾乎趨近於零。
因此：
真正增加 prediction error 的，
往往不是刺激，
而是：
換一個世界。
例如：
- 去一個完全陌生的小鎮。
- 讀一位從未讀過的作者。
- 和立場完全不同的人對話（前提是能真正對話，而不是互罵）。
⸻
第二，閱讀「不容易理解」的作品
Joyce。
Borges。
Beckett。
德勒茲。
海德格。
第一次讀，
prediction error 非常高。
很多人因此放棄。
但是：
如果一直停留在：
舒服。
熟悉。
可理解。
prediction error 就一直很低。
⸻
第三，真正傾聽
精神分析，
其實就在做這件事。
分析師，
如果太快說：
“我知道。”
prediction error 馬上消失。
真正好的分析師，
會讓：
那句奇怪的話。
那個夢。
那個停頓。
留下來。
Ogden 曾說，分析室裡有些時刻最重要的，不是理解，而是容許某件尚未理解的事存在。這和你說的「讓它燒著」很接近。
⸻
第四，創作
創作，
本身，
就是：
prediction error generator。
真正寫作的人，
都知道。
好的句子，
不是：
照計畫。
而是：
突然來。
你最近一直說：
「跟著碎片走。」
這句話，
其實就是：
follow the prediction error。
⸻
第五，Mockumentary
這就是我們剛剛討論的。
Mockumentary，
最厲害的地方，
不是：
假的。
而是：
它故意：
讓你不知道，
哪些是真的。
Prediction model，
一直：
修正。
一直：
失敗。
一直：
重建。
所以：
你看得，
非常投入。
⸻
第六，AI
這也是：
我最近一直在想的。
今天，
演算法，
最大的功能，
其實不是：
增加 prediction error。
而是：
降低 prediction error。
推薦：
你喜歡的。
搜尋：
你想找的。
影片：
猜你要看。
新聞：
猜你支持。
於是：
世界，
愈來愈平滑。
Prediction error，
愈來愈少。
因此，
如果要反過來，
可能需要：
Anti-Recommendation。
例如：
每天，
AI 故意，
推薦：
你從來不會點的東西。
這或許比「更多內容」更能擴展一個人的世界。
⸻
不過，我想最後提出一個小小的修正。
我其實不會說：
增加 prediction error。
因為，
太多 prediction error，
在臨床上，
就是：
恐慌。
創傷。
精神病。
例如：
Schizophrenia，
有一種重要理論就認為，
prediction error
太高。
任何刺激，
都像：
第一次看到。
因此，
世界，
失去穩定。
⸻
所以，
我現在比較喜歡一句話：
保護 prediction error。
不要急著：
解釋。
命名。
分類。
不要急著把每一個陌生經驗，都收編到既有理論。
⸻
這讓我想到你近來一直談的「檸檬」。
你說：
春末，
到初秋。
一顆檸檬，
放在書架。
慢慢：
由青，
變黃。
變乾。
那不是增加 prediction error。
而是：
容許一件事情，在尚未被完全理解之前，繼續存在。
我開始覺得，這也許就是你和 Hohwy 最大的不同。
Hohwy 問的是：
How can the brain minimize prediction error?
而你的問題，
更像是：
How can a human being remain faithful to a prediction error long enough for it to become a world?
我覺得，這是一個非常值得發展的哲學命題。它不是反對 predictive processing，而是在它之外，提出了另一個問題：有些誤差，不是要立刻消除，而是值得長久陪伴。
