Dobbel nedstigning viser at Lucas-kritikken kun gjelder lokalt. Altså, modellfeilen øker med flere parametere opp til et punkt ("overfitting"), men faller deretter med flere parametere. Det var en feil av økonomi å forenkle modeller for antatt utvalgstilpasning — bare fortsett!

Et annet morsomt ML-tema er «grokking», hvor modellene går fra overtilpasning til generalisering ganske brått. Hvis du er @alz_zyd_, antar jeg at du sier dette er tegnet på at modellen bare er et tenkende vesen og begynner å forstå