Az EN funkcionális hátterét magyarázó egyik aktuális modell a Winkler és Schröger (2015) által javasolt AERS (Auditory Event Representation System) modell. Ebben a prediktív modellben a szerzők javaslata szerint a hallórendszer protojellemzőket von ki a bejövő akusztikai információból a kezdeti hangelemzési folyamat során. A protojellemzők olyan alapvető hallási jellemzők, mint az intenzitás és a frekvencia, illetve összetettebb jellemzők, mint például a beszéd esetében a zöngésség és a formánsátmenet. Miután kinyertük a jellemzőket, ezek egy egységes szenzoros emlékezeti reprezentációban kapcsolódnak össze, és ezt a reprezentációt hasonlítjuk össze az akusztikai környezet modelljéből származó predikciókkal. A beszédfeldolgozás esetében a protojellemzők fonetikai reprezentációkká, például fonémákká vagy prozódiai jellemzőkké kombinálódnak. Az akusztikus környezet prediktív modellje vagy kizárólag a környezet aktuális szabályszerűségeiből vagy a hosszú távú memóriában tárolt, már létező szabályszerűségekből ered. A beszéd esetében a tárolt reprezentációk az anyanyelvi nyelvi reprezentációk, mint pl. fonémák, prozódiai mintázatok, szavak stb. Így a beérkező akusztikai információkat folyamatosan összehasonlítjuk a prediktív modellel, és ha a predikciók kudarcot vallanak, a modellt egy frissítési folyamatnak kell kijavítania. Az AERS modell javaslata szerint az EN ezen frissítési folyamat EKP-korrelátuma.