我们只能通过系统的响应来认识它，但系统的状态描述的是系统本身的内部情况。若能够预测未来的响应，就有可能获得超出当前观测的知识。这里的“状态”被赋予一种模型相对的含义：它是针对给定查询集合的完整响应概貌；在所有查询上产生相同响应的配置被视为同一状态。\ \ 在此框架下，学习到的状态可以理解为它保留的、能够区分不同响应概貌的特征。预测关注的是选定的若干观测，而恢复则涉及整个响应概貌。我们通过查询歧义、状态空间几何结构以及预测目标的选择来探讨二者的关系。\ \ 实验包括两类：一类是已知响应规律的合成系统，另一类是神经记录数据。前者提供了可控的真值基准，后者则展示了在真实生物系统中的应用。研究表明，若预测目标能够覆盖足够多的查询，预测过程本身就能逐步重建系统的完整响应概貌，从而实现对本体状态的恢复。\ \ 本文的目标是阐明预测如何成为认识系统的一种方式，以及当学习到的状态能够保留被研究系统的全部响应信息时，这种状态的意义何在。\ \ 点评