Dvojitý sestup ukazuje, že Lucasova kritika platí pouze místně. Tj. chyba modelu roste s více parametry až do určitého bodu ("přepřimínání"), ale pak klesá s dalšími parametry. Byla chyba ekonomie zjednodušit modely pro údajné neshodné vzorek — prostě pokračujte!

Dalším zábavným tématem ML je "grokking", kdy modely poměrně náhle přecházejí z přemíry k zobecňování. Pokud @alz_zyd_, asi říkáte, že je to znamení, že model je jen myslící bytost a začíná chápat