又没法回答我，我要怎样知道你饿没饿？”
卢赫一头雾水，“你给我递根香蕉看我接不接不就行了。”
艾达否连连点头，“对！没错！我给你根香蕉看你愿不愿意吃，愿意吃就是饿了。
可你不觉得这样很麻烦吗？我首先要有你能吃的东西，还要递给你，还要花时间观察你的反应。
有没有更简洁的方式？”
卢赫斩钉截铁，“没有。谁让我是只猴子，不会说人话，不然我直接回答我饿了就行了。”
“对呀！”艾达否直拍大腿，“你看你一下子就懂了。我想要知道猴子饿不饿，就要费尽心力观察和解读它的行为，这其中还暗含着许多困难。
比如虽然它饿了，但它更渴，所以可能接到香蕉后不往嘴里送，而是再伸手管我要别的东西。
比如虽然它饿了，但它病了没食欲，看都不看香蕉一眼。
再比如，观察对象不是猴子而是只狗，你觉得它连屎都吃，肯定是饿疯了，但其实人家不饿，人家就好那么一口。
又或者像我二舅姥爷家里养的那只金毛，天天刨野草吃，吃得一嘴绿毛，他觉得它脑子有病。
结果送去宠物医院检查，医生说，这狗没病，不是馋就是欠。
所以解析一个生物的行为，尤其是跨物种解析，是十分困难的，因为它们的行为包含许多我们无法理解和揣测的噪声。
而降维方法就是剔除这些噪声，把生物复杂的行为映射到一个低纬度的、更容易理解和推理的空间中。
就像把三维球体投影到二维平面上，只研究它的投影。
这一定会损失一些信息，比如球是否在旋转。但如果目标是球的运动轨迹的话，研究投影就足够了。
投影就是降维三维空间后得到的一个隐空间。
同样的，cEbRA算法处理鼠仙的神经信号后得到的二维图像，也是一个隐空间。
世界上最高效的降维方法是语言，最通用的隐空间是图像和文字。
只要你不蠢不憨心眼不坏，我想要知道你饿不饿，并不需要听你肚子是否咕咕叫，看你是否飞奔到食堂，看你是否狼吞虎咽吃陈面馒头。
只要你一句，我饿了，我就能知晓你确实饿了。”
“所以，你可视化了鼠仙的神经活动，可以让它把它的妖力，具象化地表达出来，成为一个毛茸茸、肉乎乎的水晶球，看穿你的所有未来并回应你的所有问题？”