但僅僅是不確定性、混亂或者不可預測性是不足以讓我們感到好奇的，例如電視上無意義的噪音雪花畫面。相反，我們需要感覺到混亂中有一種隱含的期望，可以在解決我們的不確定性方面取得一些進展。近期的好奇心測算理論將其描述為針對預期不確定性的解決方案，相當于預期的信息增益或學習進度。
這些理論表明，維持注意力并驅使我們進一步探索刺激的是一種潛在的認知承諾：
即我們將能夠解決問題的不確定的承諾——即，如果繼續研究我們的感知事件（即積極測試我們的感知假設），并讓它對我們更有效果，“這件事情就會變得有意義”。
不確定性的認知 以及 能夠解決這種不確定性的期望都是通過不同主體的特定模型所預先認定的。
一個人是否能夠期望處理特定類型的不確定性取決于一個人的模型是否已經捕捉到了該問題所在領域的一些相關規律，從而有助于理解它。例如，一段即興自由爵士樂對新手而言可能難以捉摸（他們可能會走神或者早早結束這段體驗），但對爵士樂愛好者來說，這種難以捉摸是在意料之中的。
一些好奇的描述把我們對于環境里那些保證不確定能解決的部分的吸引力，說成是我們能降低預測誤差（也就是這種不確定性）的速率的敏感度。這種元預期不是去預測我們環境的特征，而是預測我們自己去預測這些特征的能力。如果心理功能就是為了盡量減少預測誤差，那么關于我們預測誤差最小的預測——在當下的環境或者活動里——能夠衡量我們應對的水平，還有我們是不是得投入更多資源。那我們怎么得到這些元預期呢？可能跟我們得到所有期望的方式一樣：通過經歷類似的環境或者活動——就像演奏樂器、欣賞藝術或者碰到特定類型的刺激——還有體會我們在減少不確定性這方面的能力。
