Le cerveau ne se contente pas de réagir au monde – il ne cesse de deviner ce qui va se passer l'instant d'après. Ce principe porte le nom de codage prédictif : les neurones comparent leurs attentes à la réalité et mettent à jour leur représentation interne lorsqu'une erreur survient. Mais comment un système aussi complexe peut-il être organisé dans le tissu vivant du cortex ? Cela restait flou.
Les auteurs de ces travaux ont jeté un pont entre les mathématiques et la biologie. Ils ont pris un modèle de processus gaussiens récursifs (une façon de construire des prédictions multicouches où chaque couche s'appuie sur la précédente) et ont montré qu'il réalise naturellement toutes les opérations nécessaires : transmettre l'incertitude, pondérer les erreurs selon leur importance et bâtir une hiérarchie de suppositions. L'astuce clé – un « axe » commun de processus aléatoire qui traverse toutes les couches et les empêche de perdre le contact entre elles.
Ensuite, les chercheurs sont allés plus loin et ont appliqué cette construction mathématique à la microanatomie réelle du cortex. Il s'est avéré que chaque composant du modèle – le processus commun, le mécanisme de sélection, la dynamique de mise à jour – trouve un écho précis dans les populations neuronales connues et les connexions entre couches. Ce n'est pas qu'une simple analogie : le schéma prédit des différences concrètes dans les rythmes d'activité lors de la transmission des signaux « de bas en haut » et « de haut en bas », que l'on peut vérifier expérimentalement. Ainsi, les processus gaussiens récursifs deviennent non seulement un outil de calcul pratique, mais aussi un candidat pour servir de langage unifié afin de décrire la machine prédictive du cerveau.
Le modèle prédit que les erreurs de prédiction qui vont des couches inférieures du cortex vers les couches supérieures devraient être transportées par des ondes de fréquence plus élevée que les signaux correcteurs en sens inverse.