我们的注意力能力存在一个悖论。当我们高度专注于周围环境时，我们的感官会更敏锐地感知它们接收到的信号。但有时当我们专注于某事时，我们会忽略感官视野中如此显而易见的事物，以至于我们不禁会质疑自己感知的有效性。
早在 1999 年，心理学家 Daniel Simons 就创造了一个巧妙的场景，有力地证明了这一现象。（在下面的剧透之前，我们建议您在不到两分钟的时间内通过观看 Simons 的视频 此处 来亲自测试一下。）
在这个场景中，有两支队伍，每支队伍由三名球员组成，一支队伍穿着黑色，另一支队伍穿着白色。观众被要求计算白队在视频过程中传了多少次球。果然，视频结束后，大多数人都能准确猜出传球次数。然后旁白问道：你看到大猩猩了吗？
结果发现，一个穿着大猩猩服装的人慢慢地走进了画面，就在众目睽睽之下。大多数第一次观看视频并专注于数传球次数的人完全忽略了出现在不该出现的大猩猩。考虑到观众有意地观察着场景展开的狭窄视野，这似乎很奇怪。
预测性处理
神经科学家 Anil Seth 在他的著作《你是谁：意识的新科学》中对这一现象提出了有趣的解释。Seth 的描述借鉴了神经科学中认知和感知的主要理论之一。
预测性处理，也称为预测编码，表明我们的经验内容和对世界的感知主要基于我们大脑通过过往经验构建的预测模型。我们的大脑被困在颅骨的限制中，肩负着一项艰巨的任务，即试图确定我们感官信号的起因。通过使用预测模型来确定我们的感知，我们的大脑能够超越我们感官的数据，形成对世界现象的、感觉上具体的体验。
在某种意义上，我们的大脑一直在努力解决哲学家们称之为逆向推理问题，即我们无法直接获取感官信号的起因。我们的感官信号是外部世界现象的影响，并不一定反映产生它们的起因的性质。凭借这些有限的数据，我们的大脑通过生成模型来预测其起因，从而填补了缺失的空白。
在这个预测性处理框架中，我们的感知是 自上而下的现象，是大脑对我们外部和内部发生的事情的“最佳猜测”。这与自下而上的感知模型形成对比，在自下而上的模型中，我们的感官主要告知我们感知到的内容，感知是对该数据的未过滤读取（我们看到的、听到的、闻到的等）。
但在预测性处理中，我们的感官在我们整体感知中仍然起着重要作用，因为我们的预测（所谓的“先验”）和对世界的生成模型会不断与我们的感官告诉我们的信息进行交叉比对。这种交叉比对不可避免地会导致预测错误，因为我们的模型并不总是能完美地匹配我们感官告诉我们的信息。然后，这些错误在帮助大脑更新其预测方面起着至关重要的作用，为它在下一次遇到不同情境时提供更多数据供其选择。
在《你是谁》一书中，Seth 描述了生成模型是大脑可感知内容的储备库。一个人要能够感知到一群人传球这样的事物，就需要一个生成模型，该模型包含当遇到一群人传球时我们预期的感官信号；快速的动作，身体的晃动，也许还有与运动相关的气味。
我们的生成模型使我们的大脑能够对外界事物做出明智的猜测，并且我们的传入感官信号会与这些预测实时进行比较，从而产生预测错误，这些预测错误会更新我们的生成模型，持续努力以最大限度地减少预测错误。
感知层级
感知层级是这些展开过程中的另一个组成部分。我们对世界的预测发生在不同程度的尺度上，可能涉及完整的物体和实体，如猫和汽车，但我们也预测构成这些实体的特征，如毛皮和轮子。
诸如看到一群人传球这样的高级预测会向下级预测级联，例如他们穿着的衣服类型、他们进行的动作类型以及伴随他们的各种声音。这些会进一步向下延伸到更低级的预测，关于球的形状、光线在地面上的反射以及这些身体在空间中的运动。
虽然我们的大脑无法直接获取感官信号的起因，但它们也不知道这些感官信号的可靠性。因此，理解为什么我们经常在专心致志时错过事物的关键方面被称为精度加权。这指的是我们的感官信号在多大程度上影响我们的感知。
如果某人转过头，瞥见一群人传球，那么这些视觉感官信号的可靠性就会很低，对我们感知的 Yetong 影响不会像我们停下来盯着那群人那样大。简单地瞥一眼某物会导致这些感官信号的估计精度被降低，因此对我们感知的最佳猜测的影响就会减小。
当我们的感官信号被认为特别可靠时，就会出现上调，它们会对我们的感知产生更强烈的影响。虽然这可能有点难以理解，但提高感官信号的估计精度就是“专心致志”。
从这个角度看待专心致志，就解释了为什么我们有时会忽略感官视野中的事物。如果我们正在增加某些特定感官数据对我们感知的最佳猜测的影响，那么不属于我们注意力焦点的数据对我们感知的最佳猜测几乎没有影响。因此，虽然专心致志对于聚焦特定感官信号很有用，但它也可能阻碍我们获得周围正在发生的事件的更完整的感知画面。
