Az idegrendszer prediktív működésén alapuló elméletek közös eleme, hogy a rendszer központi részei előrejelzéseket készítenek a várhatóan beérkező információkról, majd ezeket az előrejelzéseket összevetik a ténylegesen beérkező jelekkel. A kettő közötti eltérést aztán felhasználják az adott folyamat szabályozására. A motoros rendszer irányításában már régóta előre jelző működést feltételeznek (pl. Rosenbaum, 2009), amely a visszacsatolással együtt lehetővé teszi a mozgások finomhangolását. Azonban az észlelésben csak az utóbbi időben vált széles körben elterjedtté ez a megközelítés (Gregory, 1980; Friston, 2005; Rao & Ballard, 1999) – annak ellenére, hogy már Helmholtz tudattalan következtetései is hasonló elven alapultak (Helmholtz, 1860/1962). A mozzanat, ami az észlelésben kevésbé tetten érhető, az pontosan a beérkező és az előre jelzett inger közötti különbség hatása, illetve az, hogy mitől lesz stabil egy ilyen alapokra felépített percepciós rendszer. Gregory, akinek az elmélete elsősorban nem idői predikcióra épül, nem is oldja fel ezt a dilemmát (Gregory, 1980). A későbbi, idői előrejelzésen alapuló elméletek (pl. Friston, 2005) feltételezik, hogy az észlelőrendszer modellezi a környezetet, az előrejelzés és a modell eltérése („predikciós hiba”) pedig segít a modell pontosításában („prediktív kódolási hipotézis”). Vagyis a visszacsatolás alapesetben a modellt módosítja. Friston prediktív kódolási elmélete (Friston, 2005) azért vált az agyműködés jelenleg egyik leginkább elfogadott általános modelljévé, mert hozzáteszi ehhez a szabad energia elvet (free energy principle), azt a mechanizmust, amely stabilizálja a visszacsatolt rendszert. Ennek lényege, hogy a predikciós hiba mértékéből matematikai transzformációkkal egy energiához hasonló változót hoz létre, és feltételezi, hogy a rendszer célja ennek minimalizálása.1 Emiatt Friston prediktív kódolási rendszere arra törekszik, hogy a modell és a valóság minél közelebb kerüljön egymáshoz. Ez az észlelésben többnyire a modell pontosítását eredményezi, de idetartoznak azok a cselekvések is, amelyekkel a környezetet alakítjuk a modellnek megfelelővé, vagy akár ki is léphetünk egy számunkra átláthatatlan környezetből. Ebből mindjárt következik, hogy Friston prediktív kódolási elmélete nemcsak az észlelést, hanem az élőlény teljes működését kívánja leírni. A másik alapfeltételezés, ami többnyire közös a mai prediktív kódolási rendszerekben, hogy az előrejelzések alapját a bayesi becslés elveiből merítik. Ez figyelembe veszi, hogy egy adott pillanatban az élőlény milyen pontossággal ismeri a környezetből érkező ingerek statisztikai eloszlását,2 és eljárást szolgáltat az előrejelzések optimalizálására. Végül Friston prediktív kódolási elmélete nem egyetlen modellt, hanem az információkat tároló modellek egyfajta hierarchiáját feltételezi, amelyben az alacsonyabb szintek a környezet részletesebb modelljét, a magasabbak pedig annak fokozatosan egyre általánosabb modelljét tartalmazzák. Minden szint előállítja a saját előrejelzését, amelyet az alacsonyabb szinten lévő modellek specifikálásával érvényesít. A predikciós hiba szintről szintre halad felfelé, és hatására a magasabb szinten elhelyezkedő modellek módosítják az alájuk tartozó modelleket. Vagyis a hierarchiában úgy történik az információáramlás, hogy felfelé a predikciós hibajel, lefelé pedig a modellek módosításával történő előrejelzés halad.