新颖性是生物生存和人工智能体设计的核心。一方面，认知和神经科学积累了大量实验数据，解决了新颖性检测、响应和适应的各种机制。越来越多的证据表明预测编码理论 5 可以将新颖性研究的各种经验发现整合到连贯的框架中。另一方面，人工智能，尤其是基于深度学习的机器学习系统，大多是在封闭世界假设下开发的：它们的性能通常是使用相对于训练数据分布内的数据进行测试的，这导致这些系统在面对开放世界的新颖性时很脆弱。我们提出了一种综合方法来处理生物和人工智能系统中的新颖性，回顾支持神经认知的研究，并勾勒出基于预测编码理论设计新颖性感知人工智能系统的路线图。