Predictive Coding
Het brein wacht niet op de wereld. Het genereert een model van wat er komt — en vuur vóórdat het arriveert.
Wat is het
Predictive coding is het fundamentele werkingsprincipe van het brein, het meest volledig uitgewerkt door neurowetenschapper Karl Friston. Het brein is geen passieve ontvanger van sensorische signalen. Het is een actieve voorspellingsmachine. Op elk moment genereert het een model van wat het verwacht te zien, en vergelijkt dat met de binnenkomende signalen. Het verschil — de voorspellingsfout — is wat er verwerkt wordt. Niet het signaal zelf.
Dit is een radicale omkering van het intuïtieve model. De meeste mensen gaan ervan uit dat het brein werkt als een camera: de werkelijkheid arriveert, het brein legt haar vast. Maar het bewijs wijst de andere kant op. Hogere corticale regio's sturen signalen omlaag naar lagere sensorische regio's, en genereren daarmee voorspellingen. Sensorische neuronen propageren omhoog vooral het verschil tussen wat verwacht werd en wat arriveerde. Het brein is altijd één stap voor op de input.
De praktische consequentie: perceptie is grotendeels inferentie. Wat je ziet, hoort en voelt is grotendeels de beste voorspelling van je brein, alleen bijgewerkt waar de werkelijkheid die voorspelling schond. De wereld die je ervaart wordt van binnenuit gegenereerd. Binnenkomende signalen zijn correcties, geen instructies.
Wat het doet in het brein
Een goed getrainde chirurg die een operatiezaal binnenloopt, begint niet bij nul. Lang voor de eerste incisie heeft het brein al de volledige procedurele volgorde geactiveerd: instrumenten, posities, waarschijnlijke complicaties, teamrollen. Elke stap is vooraf geladen. De binnenkomende signalen — wat er werkelijk zichtbaar is, wat de vitale functies tonen — dienen alleen om dit bestaande model bij te werken en te corrigeren. Als alles verloopt zoals voorspeld, bereikt bijna niets het bewustzijn. De chirurg opereert vloeiend, automatisch, sneller dan bewust denken toestaat.
Vergelijk dit met dezelfde chirurg die een ingreep voor het eerst uitvoert. Er is geen vooraf geladen model. Elk signaal moet van nul af verwerkt worden. Elke handeling kost moeite. Het brein heeft geen voorspelling om tegen af te zetten. Het doet perceptie in plaats van inferentie, en perceptie is traag.
Daarom voelt expertise van binnenuit moeiteloos: het brein heeft geleerd zo nauwkeurig te voorspellen dat er bijna geen correctiesignalen nodig zijn. En daarom zijn onbekende situaties uitputtend: elk signaal genereert een voorspellingsfout die opgelost moet worden voordat actie mogelijk is.
Hetzelfde mechanisme werkt op sociaal niveau. Als je een kamer binnenloopt vol mensen die je goed kent, heeft je brein hun namen, waarschijnlijke onderwerpen en hun relatie tot jou al voorgeactiveerd. Je bent klaar voordat het eerste woord gesproken is. Loop je een kamer met vreemden binnen, dan is niets van die vooractivering beschikbaar. De sociale verwerkingslast is ordes van grootte zwaarder.
Wat het doet in ThetaOS
Tot voor kort was ThetaOS een retrospectief systeem. Het leerde van wat er al had plaatsgevonden: waar je sliep, welke locaties je bezocht, welke transacties er plaatsvonden. De slaap_log en bezochte_locaties tabellen vertelden het systeem waar je geweest was. Netwerken activeerden als reactie op die geschiedenis. De context-lader laadde wat al waar was.
Dat is nuttig. Maar het is niet hoe het brein werkt. Het brein wacht niet tot je aankomt om context voor te bereiden. Het begint met laden zodra het weet dat je gaat.
De predictieve laag verandert dit. Meetings en optredens die de komende zeven dagen zijn gepland, worden nu behandeld als anticiperende signalen. Als de agenda voor morgen een meeting bij het hoofdkantoor van de nationale politie in Den Haag toont, vuren het Den Haag cluster en Politie Den Haag netwerk vandaag — voordat je vertrekt, voordat je aankomt, terwijl er nog tijd is om voor te bereiden. Het netwerk van mensen, de openstaande draden, de relevante geschiedenis: allemaal vooraf geladen.
| Signaaltype | Richting | Wanneer het vuurt |
|---|---|---|
| slaap_log / bezochte_locaties | Retrospectief | Nadat je aankomt |
| transacties | Retrospectief | Nadat iets gebeurt |
| meetings (komende 7d) | Predictief | Voordat je aankomt |
| optredens (komende 7d) | Predictief | Voordat je vertrekt |
De predictieve laag is een sterker signaal dan de retrospectieve. Een meeting in je agenda is een bijna-zekerheid. Een locatie in je slaap_log is een feit — maar al voorbij. De meeting activeert het netwerk terwijl het er nog toe doet: tijdens de voorbereiding, tijdens de reis, de avond ervoor. Dit is het verschil tussen een chirurg die de procedure vooraf inlaadt en een chirurg die het ter plaatse uitzoekt.
Op 14 april 2026 had Martijn twee meetings in Den Haag: één bij het Ministerie van Binnenlandse Zaken over de Nationale Digitaliseringsstrategie, één bij het hoofdkantoor van de nationale politie over politie OS met Hanneke Ekelmans. Geen van beide locaties stond op die datum in de slaap_log. Maar omdat beide meetings in de agenda stonden, vuurde ThetaOS de avond ervoor al het Den Haag cluster en Politie Den Haag netwerk — met zes mensen uit de nationale politieleiding en de openstaande draad over drugsafvalhergebruik die sinds 2016 sluimerde. Het systeem bereidde de context voor voordat Martijn het huis uitging.
De hiërarchie van signalen
Predictive coding impliceert een hiërarchie. Niet alle signalen zijn gelijk. Een bevestigde afspraak is sterker dan een tentatiefje. Een meeting over twee dagen is actiegerichter dan één over zes dagen. Een optreden met status bevestigd vuurt anders dan één dat nog in de inbox staat. Het systeem moet deze signalen dienovereenkomstig wegen — niet alleen hun bestaan detecteren, maar hun zekerheid en nabijheid rangschikken.
In het brein worden voorspellingsfouten gewogen naar precisie: hoe betrouwbaar is dit signaal? Een hoge-precisie fout werkt het model sterk bij. Een lage-precisie fout wordt genegeerd. ThetaOS past dezelfde logica toe: een bevestigd optreden over twee dagen weegt zwaarder dan een inbox-item over zes. De nabijheid en bevestigingsstatus van een toekomstige gebeurtenis bepaalt hoe sterk de bijbehorende netwerken vuren.
Dit is de richting waarin het systeem beweegt: van een log van wat er gebeurde naar een lopend model van wat er op het punt staat te gebeuren, gekalibreerd naar zekerheid. Retrospectieve en predictieve signalen samen. Het systeem dat alleen het verleden onthoudt is nuttig. Het systeem dat ook de nabije toekomst anticipeert is gereed.
Live