Bayesilainen päättely säilyttää priorin tuen. Mikä tahansa prosessi, joka muuttaa hyväksyttävien hypoteesien tilaa, sijaitsee siis Bayesin viitekehyksen ulkopuolella. Sama pätee kaikkiin kiinteän tuen päättelyihin. Bayesilaiset menetelmät ovat vain kanoninen esimerkki.

Perinteinen ratkaisu tähän ongelmaan bayesilaisessa päättelyssä on kiertää hyväksyttävyyskysymys valitsemalla aloituspriori, joka tukee kaikkia laskettavia hypoteeseja (esim. Solomonoffin priori), ja rajata vaihtoehtoja siitä.

Ongelma tässä lähestymistavassa on, että Solomonoffin priori on laskematon. Mikä tahansa realizoitava approksimaatio rajoittuu äärelliseen hypoteesiavaruuteen—jolloin alkuperäinen ongelma palautuu.

Hierarkkiset mallit mahdollistavat bayesilaisen mallin pelkistämisen ja muita vastaavia tekniikoita, mutta lopulta hierarkian ylimmällä tasolla on kiinteä tuki, jota se ei voi ylittää.

Jos siis oppimista, joka laajentaa tukea, ei voida täysin kuvata millään kiinteän tuen menetelmällä, mukaan lukien bayesilainen päättely, niin millainen päättely se on?

Jos häiriö on prosessin tuen ulkopuolella, sitä ei voida käsitellä todisteena päivityksen yhteydessä. Sen sijaan oppimisen täytyy tapahtua, kun häiriö kausaalisesti uudelleenjäsentää prosessia suoraan.

Tukea laajentava varianssi syntyy siitä, että prosessi sallii ympäristön muuttaa sitä mittoissa, joihin se tällä hetkellä määrittää nollamittaa. Oppiminen luonnollisen gradientin kautta, eli alustan gradientin kautta mallin sijaan.

Agentin uskomukset ovat välttämättä joko sen omassa hallinnassa (mitä GDI-artikkeli kuvaa toimijuudeksi) tai ympäristöjen alaisuudessa (mitä GDI-artikkeli kuvaa plastisuudeksi).

Ilman toimijuutta prosessi ei voi toimia menestyksekkäästi itsessään ja maailmassa ylläpitääkseen omaa pysyvyyttään. Ilman plastisuutta malli ei voi löytää tuntemattomia kulmia uskomustensa halkeamista, todellisuuden piilotettuja ulottuvuuksia, ja se kuolee, kun maailma muuttuu.

(Kiitos Claude Opusille, joka auttoi minua useiden näiden kielen harjoittelussa, se on paljon tiiviimpi kuin alkuperäinen ketju!)