特别好的一篇预测编码视角解释审美体验的论文，阅读难度适中，写得层层递进且很有趣味，比如文章对好奇心的解释是目前看到过最吸引我的（有好多觉得有趣的内容没在下面总结出来）。因为是同样的诠释框架，在里面也可以看到“迈向生物智能理论”或“概念内在规范性”中提到的内容。这篇文章也让我想到昨天和AI讨论中关于我对“和谐”或“不和谐”敏感可能是因为我对预测误差较为敏感。以及和C一起读的时候开了好多“对可以减少的预测误差的元期望”的玩笑（比如只要给我们足够的时间和资源我们肯定能解决黎曼猜想x、认知预期自大狂），因为我们对认知任务总是很自信（这可能是因为我们啊哈的时候太多了！）…总之这篇从什么方面来讲都很有趣，和C一起读也更像是进行了一场艺术创造活动（ 本文提出，审美体验的核心矛盾源于可接受性与不可理解性间的动态张力：艺术既要求主体开放接纳外部刺激以重构内在模型（"心灵适应世界"），又通过非常规形式持续制造超越当前认知框架的预测误差。这种张力通过"认知弧"的三阶段递归机制展开：首先，审美对象通过可解决的预测误差触发好奇心，形成对不确定性解决速率的"元期望"（基于贝叶斯先验的预期信息增益速率）；随后，主体启动认知行动（如知觉探索或假设检验），其资源投入强度与元期望置信度正相关；最终，当实际解决速率显著超越元期望时，触发顿悟式愉悦，此时新构建的生成模型通过"透明性效应"被知觉为刺激的固有属性（如穆尼图像一旦被解析即无法回归混沌感知），同时通过"自我验证（self-evidencing）"机制将解决方案归因于外部现实——这种双重归因源于预测加工框架下信念更新的本质：生成模型的重构既降低预测误差（验证世界结构的可理解性），又最大化模型证据（验证主体认知架构的适应性）。 该过程呈现多层级的递归开放特征：低层闭合（如视觉轮廓识别）诱发高层开放性问题（如符号隐喻解读），每个认知弧的成功既增强生成模型的层级复杂度（通过奥卡姆剃刀原则平衡模型精度与简约性），又积累认知信任资本（形成对后续不确定性解决速率的乐观预期）。实验证据表明，顿悟强度与元认知预测误差（实际/预期解决速率比值的对数偏移量）呈显著正相关（Dubey et al., 2018），且不确定性解决的突现时刻伴随多巴胺能系统的相位性放电（Ruan et al., 2018的EEG研究），验证了预测误差速率敏感的情感调节机制。这种层级递归机制使艺术既能通过局部闭合提供即时奖赏，又能通过全局开放性维持认知系统的持续进化张力。