Your brain is a prediction machine — and that reframes ADHD

The intuitive model of the mind is a camera: the world comes in through the senses and the brain records it. The current best model is almost the reverse. The brain is a prediction engine that guesses the world first and uses the senses only to check the guess. Take that seriously and two things change — what attention actually is, and why "just try harder" is the wrong prescription for an ADHD-shaped mind.

Perception is a controlled guess

The framework is called predictive coding, or more broadly predictive processing. Its claim is that the brain does not sit and wait for sensory data. It runs a continuously updated model of the world and generates top-down predictions of what the senses should report next. What actually travels up from the eyes and ears is mostly not "the image" — it is the error: the difference between what the model predicted and what arrived. Perception is the brain's best guess, corrected by surprise.

Andy Clark summarised the shift in a 2013 paper whose title is the whole idea: "Whatever next?" The neuroscientist Anil Seth puts it more provocatively — perception is a "controlled hallucination," a prediction the brain holds until the world pushes back hard enough to revise it. This is not mysticism. It is the most economical way to build a fast agent out of slow, noisy neurons: transmitting only the surprising part of a signal is far cheaper than re-transmitting the whole thing, moment after moment.

Karl Friston generalised this into the free energy principle: a system that persists must act to minimise the long-run gap between its predictions and its inputs — it must, in effect, keep surprise low. You can quarrel with how universal that claim is, and critics do. But you do not need the grand version to use the local one.

Attention is precision, not effort

Here is the part that matters for anyone who has been told they have an attention problem. In predictive processing, attention is not a spotlight you point by willpower. It is the weight the brain assigns to prediction errors — what the literature calls precision. When the system decides a given error signal is trustworthy and important, it turns up its gain, and that channel dominates. When it decides an error is noise, it turns the gain down, and the signal is ignored no matter how "important" it is on paper.

Dopamine is one of the messengers that sets this gain. It carries, among other things, a reward-prediction error: the difference between the reward you expected and the reward you got. So the machinery that decides what is worth attending to and the machinery that decides what is worth wanting are the same machinery, tuned by the same chemical. That single fact reframes the whole conversation.

ADHD as a dysregulated prediction loop

The folk theory of ADHD is a moral one: a deficit of effort, a weak will. The predictive-processing reading is mechanical and, I think, both truer and kinder. If attention is precision-weighting tuned by dopamine, then an atypical dopamine system does not produce a person who won't focus. It produces a person whose gain control is miscalibrated — who assigns high precision to the wrong error signals and low precision to the ones a tax deadline says are important. The boring, predictable task generates little prediction error and little dopaminergic gain, so it is not that the ADHD mind refuses to do it; the signal never gets loud enough to win the competition for control.

This also explains the paradox that confuses observers: the same person who cannot start a routine form can disappear for nine hours into a hard problem. Hyperfocus is not the opposite of the deficit. It is the same precision system, locked onto a source that is generating a rich, fast stream of prediction error and reward. The knob is not stuck low. It is unstable, and it swings.

The problem with ADHD is not knowing what to do. It is doing what you know.Russell Barkley (paraphrased)

Russell Barkley's long argument is that ADHD is better described as a disorder of executive function and self-regulation than of attention as such — a problem of using knowledge to govern behaviour across time. Predictive processing gives that a substrate: regulating behaviour over time is exactly the job of keeping a stable model running against a noisy, tempting present.

The design consequence: lower the cost of prediction

If the loop is the problem, then the intervention is not more willpower applied to a badly tuned system. It is redesigning the environment so the system is easier to predict. This is the practical core, and it is where I spend real effort as a founder who runs on this kind of brain.

Concretely, lowering the cost of prediction means a few different moves:

• Defaults over decisions. Every open choice is a live prediction problem the brain has to price. A default — same first task each morning, same tools, same commit ritual — removes the error signal entirely. The decision that never happens costs no precision.
• Externalise the model. A second brain — a wiki, a written system — offloads the part of the world you would otherwise have to hold in an unstable head. You are not remembering; you are reading. The prediction is made once, in writing, and reused.
• Make the right action the low-error path. Structure the environment so the correct next step is the one with the least friction and the most immediate, legible feedback. Do not fight the gain control — feed it. A visible progress bar generates the reward-prediction error the task itself withholds.
• Ration novelty deliberately. Novelty is dopaminergically expensive and seductive. Treat it as a budget: a little, placed where it powers work, not scattered where it fragments attention.

None of this is a productivity hack in the LinkedIn sense. It is the opposite of self-optimisation theatre. It is accepting that the machine is what it is and building the room around it so the machine's cheap path and the right path are the same path.

A worked redesign: one impossible morning

The theory earns its keep only if it changes what you actually do, so here is the loop applied to a concrete failure most people with this wiring will recognise. The task is a tax form due in a week — low stimulation, no urgency yet, no reward until it is finished. The neurotypical advice is to schedule an hour and sit down. For a miscalibrated precision system, that hour arrives and the form generates almost no prediction error, so the gain never rises to meet it, and the hour is spent on something the loop found louder. The failure then gets stored as a moral fact about your character. It is not one. It is a predictable output of the machine described above.

Redesign the morning to lower the cost of prediction instead of raising the demand for willpower. First, remove the decision: the form is the first task, every relevant morning, before email exists, so the loop never has to price a choice between it and something more stimulating. Second, manufacture the missing error signal: break the form into a two-minute opening move — one field, one number — because a task you can start in two minutes generates a small completion reward the whole form withholds, and the loop will chase that. Third, borrow urgency the environment is not supplying: a fixed external deadline, a person expecting it, a timer that makes the abstract "next week" concrete enough to register as a real prediction error now rather than a vague one later.

None of that is discipline. Every move works on the environment — the defaults, the size of the first action, the visibility of the reward and the deadline — so that the cheap path for a miscalibrated loop and the correct path become the same path. When it works, it does not feel like heroic focus. It feels like the form was simply easier to do than to avoid, which is the entire goal: you did not out-muscle the system, you rebuilt the room until the system's laziness pointed at the right target.

The honest footnote is that this fails on the days the loop is swinging hard, and no environment design fully fixes that. The point is not perfection; it is moving the base rate. A morning engineered this way wins more often than a morning built on the assumption that you can summon precision on command — and "more often" compounds.

Where the model breaks

Predictive processing is a framework of unusual reach, and reach is exactly what should make you suspicious. Three limits are worth stating plainly.

One: the grand version may be unfalsifiable. Friston's free energy principle is elegant and arguably explains too much — a theory that can absorb any result is not obviously a theory. The local claims about prediction error and precision have empirical support; the cosmic claim that everything that exists is minimising free energy is closer to a framework for building theories than a theory you can test. Use the parts that pay rent.

Two: a mechanism is not a permission slip. "My dopamine system miscalibrates precision" explains a difficulty; it does not dissolve agency, and treating it as an excuse is its own trap. The value of the model is that it points at the environment as the lever — which is a place you can actually act — not that it relocates responsibility to your neurochemistry and stops there.

Three: ADHD is heterogeneous, and one elegant story flattens it. The precision-loop reading is a lens, not a diagnosis. Real presentations vary enormously; some of what gets called ADHD is anxiety, or sleep debt, or a mismatch between a person and a badly designed job. A model this satisfying is tempting to apply everywhere, and the honest move is to hold it as one good description among several, not the key to a person.

So stop asking a miscalibrated system to try harder. Ask instead what in the room is generating the wrong prediction errors — and change the room before you blame the brain.

Sources

1. primaryAndy Clark, "Whatever next? Predictive brains, situated agents, and the future of cognitive science," Behavioral and Brain Sciences (2013); Surfing Uncertainty (2016).
2. primaryKarl Friston, "The free-energy principle: a unified brain theory?" Nature Reviews Neuroscience (2010).
3. primaryAnil Seth, Being You: A New Science of Consciousness (2021) — perception as "controlled hallucination."
4. primaryRussell A. Barkley, ADHD and the Nature of Self-Control (1997) — executive function and self-regulation.
5. secondaryLisa Feldman Barrett, How Emotions Are Made (2017) — prediction and interoception.
6. secondaryWolfram Schultz et al., work on dopamine and reward-prediction error (1997 onward).

Twój mózg zgaduje świat, zanim go zobaczy. Co to zmienia w ADHD

Intuicyjny model umysłu to kamera: świat wchodzi przez zmysły, a mózg go nagrywa. Najlepszy dostępny dziś model niemal odwraca ten porządek. Mózg najpierw zgaduje, co zaraz zobaczy, a zmysłów używa do sprawdzenia zgadywania. Potraktuj to poważnie, a zmienią się dwie rzeczy: czym naprawdę jest uwaga i dlaczego „po prostu bardziej się postaraj" to zła recepta na umysł ukształtowany przez ADHD.

Percepcja to kontrolowane zgadywanie

Ta rama nazywa się predictive coding, szerzej predictive processing. Jej teza: mózg nie siedzi i nie czeka na dane zmysłowe. Prowadzi nieustannie aktualizowany model świata i generuje odgórne predykcje tego, co zmysły powinny zaraz zaraportować. To, co faktycznie płynie w górę z oczu i uszu, w większości nie jest „obrazem" — to błąd: różnica między tym, co model przewidział, a tym, co przyszło. Percepcja to najlepsze zgadywanie mózgu, korygowane zaskoczeniem.

Andy Clark streścił tę zmianę w pracy z 2013 roku, której tytuł jest całą ideą: „Whatever next?". Neurobiolog Anil Seth w książce Being You (2021) ujmuje to ostrzej: percepcja to „kontrolowana halucynacja", predykcja, którą mózg trzyma tak długo, aż opór świata zrobi się na tyle silny, by wymusić rewizję. Mistycyzmu w tym nie ma; jest za to zwykła oszczędność: przesłanie samej zaskakującej części sygnału kosztuje o wiele mniej niż nadawanie całości raz za razem. Właśnie tak najtaniej zbudować szybkiego agenta z wolnych, zaszumionych neuronów.

Karl Friston uogólnił to do zasady wolnej energii („The free-energy principle: a unified brain theory?", 2010). System, który trwa, musi działać tak, by minimalizować długofalową lukę między predykcjami a wejściami. Musi więc rzadko dawać się zaskoczyć. Można spierać się, jak uniwersalna jest ta teza, i krytycy to robią. Ale nie potrzebujesz wersji kosmicznej, żeby użyć lokalnej.

Uwaga to waga nadawana błędom predykcji

W predictive processing uwaga nie jest reflektorem, który kierujesz siłą woli. To waga, jaką mózg przypisuje błędom predykcji; w literaturze nazywa się ją precyzją. Jeśli powiedziano ci, że masz problem z uwagą, powiedziano ci coś o tej wadze. Gdy system uzna dany sygnał błędu za wiarygodny i ważny, podkręca jego wzmocnienie i ten kanał dominuje. Gdy uzna błąd za szum, ścisza wzmocnienie i sygnał zostaje zignorowany, choćby na papierze był „ważny".

Dopamina jest jednym z przekaźników, które ustawiają to wzmocnienie. Niesie między innymi błąd predykcji nagrody: różnicę między nagrodą, której oczekiwałeś, a tą, którą dostałeś. O tym, na co zwracasz uwagę, i o tym, czego chcesz, rozstrzyga więc ta sama maszyneria, strojona dopaminą. Ten jeden fakt ustawia od nowa całą rozmowę o problemach z uwagą.

ADHD jako rozregulowana pętla predykcji

Ludowa teoria ADHD jest moralna: deficyt wysiłku, słaba wola. Odczyt z predictive processing jest mechaniczny i, moim zdaniem, zarazem prawdziwszy i życzliwszy. Jeśli uwaga to ważenie precyzją strojone dopaminą, to nietypowy układ dopaminowy nie produkuje osoby, która „nie chce" się skupić. Produkuje osobę, której kontrola wzmocnienia jest źle skalibrowana: wysoką precyzję dostają niewłaściwe sygnały błędu, a niską te, które są ważne dlatego, że zbliża się termin podatkowy. Nudne, przewidywalne zadanie generuje mało błędu predykcji i mało dopaminowego wzmocnienia, więc nie chodzi o to, że umysł ADHD odmawia jego wykonania; sygnał nigdy nie robi się dość głośny, by wygrać rywalizację o kontrolę.

To tłumaczy też paradoks, który myli obserwatorów: ta sama osoba, która nie umie zacząć rutynowego formularza, potrafi przepaść na dziewięć godzin przy trudnym problemie. Hyperfocus nie jest przeciwieństwem deficytu. To ten sam system precyzji, wczepiony w źródło, z którego płynie szybki, gęsty strumień błędu predykcji i nagrody. Gałka nie jest zablokowana nisko. Jest niestabilna i skacze.

Ludzie z ADHD wiedzą, co trzeba zrobić; potykają się dopiero na wykonaniu.Russell Barkley (parafraza)

Russell Barkley w książce ADHD and the Nature of Self-Control (1997) dowodzi, że ADHD lepiej opisać jako zaburzenie funkcji wykonawczych i samoregulacji niż uwagi jako takiej. Chodzi o problem z używaniem wiedzy do rządzenia własnym zachowaniem w czasie. Predictive processing pokazuje, na czym to polega: regulowanie zachowania w czasie to ta sama robota, co utrzymywanie stabilnego modelu wobec zaszumionej, kuszącej teraźniejszości.

Konsekwencja projektowa: obniż koszt predykcji

Jeśli problemem jest pętla, to interwencją nie jest więcej siły woli przyłożonej do źle nastrojonego systemu. To przeprojektowanie środowiska tak, by system łatwiej było przewidzieć. To praktyczny rdzeń i miejsce, w które wkładam realny wysiłek jako founder działający na takim mózgu.

Konkretnie obniżanie kosztu predykcji to kilka różnych ruchów:

• Ustawienia domyślne zamiast decyzji. Każdy otwarty wybór to żywy problem predykcyjny, który mózg musi wycenić. Ustawienie domyślne usuwa ten sygnał błędu w całości: to samo pierwsze zadanie rano, te same narzędzia, ten sam rytuał commita. Decyzja, która się nie wydarza, nie kosztuje precyzji.
• Wynieś model na zewnątrz. Wiki, notatki, spisane procedury: taki second brain trzyma za ciebie tę część świata, której inaczej musiałbyś pilnować w niestabilnej głowie. Nie pamiętasz; czytasz. Predykcja zrobiona raz, na piśmie, i użyta ponownie.
• Uczyń właściwe działanie ścieżką najmniejszego błędu. Ustaw środowisko tak, by poprawny następny krok miał najmniej tarcia i najbardziej natychmiastowe, czytelne sprzężenie. Kontroli wzmocnienia nie pokonasz, więc ją nakarm. Widoczny pasek postępu generuje błąd predykcji nagrody, którego samo zadanie nie daje.
• Reglamentuj nowość świadomie. Nowość jest dopaminowo droga i uwodząca. Traktuj ją jak budżet. Odrobinę wydaj tam, gdzie napędza pracę, i nie rozsypuj jej po całym dniu, bo wtedy rozdrabnia uwagę.

Nic z tego nie jest hackiem produktywności w sensie linkedinowym. To przeciwieństwo teatru samooptymalizacji. To zgoda na to, że maszyna jest, jaka jest, i zbudowanie wokół niej pokoju tak, by tania ścieżka maszyny i właściwa ścieżka były tą samą ścieżką.

Przeprojektowanie na przykładzie: jeden niemożliwy poranek

Z teorii jest pożytek tylko wtedy, gdy zmienia to, co faktycznie robisz, więc oto pętla zastosowana do konkretnej porażki, którą większość ludzi z takim mózgiem rozpozna. Chodzi o formularz podatkowy z terminem za tydzień: mało bodźców, żadnej pilności, żadnej nagrody przed ukończeniem. Neurotypowa rada to zaplanować godzinę i usiąść. Dla źle skalibrowanego systemu precyzji ta godzina przychodzi, a formularz generuje niemal zero błędu predykcji, więc wzmocnienie w ogóle nie rośnie, a godzina idzie na coś, co pętla uznała za głośniejsze. Porażka zostaje potem zapisana jako fakt moralny o twoim charakterze. Nim nie jest. To przewidywalny output opisanej wyżej maszyny.

Przeprojektuj poranek tak, by obniżyć koszt predykcji, a nie podnieść zapotrzebowanie na siłę woli. Po pierwsze, usuń decyzję: formularz jest pierwszym zadaniem każdego istotnego ranka, zanim otworzysz pocztę, żeby pętla nigdy nie musiała wyceniać wyboru między nim a czymś bardziej stymulującym. Po drugie, wyprodukuj brakujący sygnał błędu. Rozbij formularz na dwuminutowy ruch otwierający: jedno pole, jedna liczba. Zadanie, które umiesz zacząć w dwie minuty, generuje małą nagrodę ukończenia; przy całym formularzu ta nagroda przychodzi dopiero na samym końcu, a pętla pogoni za tą wcześniejszą. Po trzecie, pożycz pilność, której środowisko nie dostarcza: sztywny zewnętrzny termin, osoba, która go oczekuje, timer, który czyni abstrakcyjne „za tydzień" dość konkretnym, by zarejestrować się jako realny błąd predykcji teraz, a nie mglisty później.

Nic z tego nie jest dyscypliną. Każdy ruch działa na środowisku: na ustawieniach domyślnych, na rozmiarze pierwszego działania, na widoczności nagrody i terminu — tak, by tania ścieżka źle skalibrowanej pętli i poprawna ścieżka stały się tą samą ścieżką. Gdy to działa, nie przypomina heroicznego skupienia. Masz wrażenie, że formularz był po prostu łatwiejszy do zrobienia niż do uniknięcia, a o to właśnie chodzi: nie pokonałeś systemu siłą, tylko przebudowałeś pokój, aż lenistwo systemu wskazało właściwy cel.

Dodam uczciwie: to zawodzi w dni, gdy pętla mocno skacze, i żadne projektowanie środowiska w pełni tego nie naprawia. Stawka jest skromniejsza niż doskonałość: chodzi o przesunięcie wartości bazowej. Poranek zaprojektowany tak wygrywa częściej niż poranek zbudowany na założeniu, że umiesz przywołać precyzję na żądanie, a „częściej" się kumuluje.

Czego ten model nie załatwia

Predictive processing ma nietypowo szeroki zasięg i właśnie dlatego trzeba mu patrzeć na ręce. Zasada wolnej energii Fristona jest elegancka, ale w wersji kosmicznej może być niefalsyfikowalna: można argumentować, że tłumaczy za dużo, a rama wchłaniająca każdy możliwy wynik nie jest oczywistym kandydatem na teorię. Lokalne tezy o błędzie predykcji i o precyzji mają wsparcie empiryczne; twierdzenie, że wszystko, co istnieje, minimalizuje wolną energię, jest raczej narzędziem do budowania teorii niż teorią, którą da się sprawdzić. Bierz z tej ramy te części, które dają się rozliczyć z przewidywań.

Wyjaśnienie mechanizmu nie zwalnia nikogo z odpowiedzialności za to, co dalej. Zdanie „Mój układ dopaminowy źle kalibruje precyzję" tłumaczy trudność i na tym się kończy: sprawczości nie rozpuszcza, a użyte jako wymówka staje się osobną pułapką. Model nie odsyła cię do neurochemii i tam nie zostawia. Wskazuje środowisko jako dźwignię, czyli miejsce, w którym naprawdę możesz coś zrobić.

ADHD jest przy tym niejednorodne, a jedna elegancka opowieść je spłaszcza. Pętla precyzji porządkuje obraz, ale nikogo nie diagnozuje. Obrazy kliniczne różnią się ogromnie, a część tego, co nazywa się ADHD, to lęk, dług snu albo niedopasowanie człowieka do źle zaprojektowanej pracy. Model, który tak dobrze się układa, kusi, żeby stosować go wszędzie. Uczciwiej jest traktować go jak jeden z kilku dobrych opisów tego, co dzieje się z konkretną osobą, a nie jak klucz do niej.

Przestań prosić źle skalibrowany system, żeby bardziej się starał. Zapytaj, co w pokoju generuje niewłaściwe błędy predykcji, i zmień pokój, zanim obwinisz mózg.

Bibliografia

1. primaryAndy Clark, „Whatever next? Predictive brains, situated agents, and the future of cognitive science", Behavioral and Brain Sciences (2013); Surfing Uncertainty (2016).
2. primaryKarl Friston, „The free-energy principle: a unified brain theory?", Nature Reviews Neuroscience (2010).
3. primaryAnil Seth, Being You: A New Science of Consciousness (2021) — percepcja jako „kontrolowana halucynacja".
4. primaryRussell A. Barkley, ADHD and the Nature of Self-Control (1997) — funkcje wykonawcze i samoregulacja.
5. secondaryLisa Feldman Barrett, How Emotions Are Made (2017) — predykcja i interocepcja.
6. secondaryWolfram Schultz i in., prace o dopaminie i błędzie predykcji nagrody (od 1997).