Rescorla-Wagner Model of Associative Learning

Föreställ dig att du lär dig förutsäga när regn kommer att inträffa. Initialt, när du ser mörka moln, har du ingen förväntan om regn. När regn överraskar dig, uppdaterar du: moln förutsäger nu regn. Med tiden blir mörka moln en bra prediktor, så när regn anländer, minskar överraskningen (prediktionsfelet). Enligt Rescorla-Wagner-modellen förklarar denna minskning av överraskning varför inlärningen saktar ner. Din hjärna lär sig mest av oväntade utfall; förväntade utfall lär dig inget nytt. Denna princip – inlärning från fel – är central för hur prediktionsnätverk i hjärnan fungerar.