¿Se acepta generalmente el marco de codificación predictiva en el campo de la computación neuronal sensorial? ¿Cuáles son los argumentos a favor y en contra de su validez?

La codificación predictiva se respeta como algo que el cerebro está haciendo, por ejemplo, en los sistemas perceptivos. Pero no es lo único que está haciendo.

Existen numerosas cosas que las redes neuronales del cerebro están haciendo, y la codificación predictiva es probablemente un mecanismo entre cientos. También hay evidencia para el aprendizaje de refuerzo (optimización del comportamiento para resultados sin mucho modelo de cómo la estructura o el mundo), así como inferencia bayesiana y maximización de la ganancia de información, entre otros principios universales propuestos.

Las conexiones de retroalimentación, mencionadas en los detalles de la pregunta, siguen siendo un misterio gigante en el cerebro. Son claramente importantes, porque están muy extendidos. Qué señal llevan exactamente (o posiblemente muchas señales) es una cuestión de especulación con muchas teorías propuestas y sin consenso o evidencia sólida. El libro 23 Problems in Systems Neuroscience identifica uno de ellos como “¿Qué se retroalimenta?”

Definitivamente es un marco popular, pero diría que la evidencia real de esto es mixta.

No es obvio para mí que solo debe haber una predicción para cualquier señal neuronal dada, por lo que parece ‘riesgoso’ propagar solo errores con respecto a una predicción. ¿Por qué no propagar tanto los errores como la ‘señal sin procesar’?

Además, parece concebible que las representaciones neurales estables se beneficiarían de entradas distintas a los errores.

La sección ‘desafíos’ de la página de Wikipedia también es relevante:

Codificación predictiva – Wikipedia

Este artículo que acabo de encontrar también parece relevante,

¿Es la teoría de codificación predictiva lo suficientemente articulada como para ser comprobable?