Podwójne zstąpienie pokazuje, że krytyka Lucasa dotyczy tylko lokalnie. tzn. błąd modelu rośnie wraz z większą liczbą parametrów do pewnego momentu ("przeuczenie"), ale potem spada wraz z większą liczbą parametrów. Było błędem w ekonomii upraszczać modele dla rzekomego dopasowania poza próbką — po prostu kontynuuj!

Innym ciekawym tematem ML jest "grokking", w którym modele przechodzą z nadmiernego dopasowania do generalizacji dość nagle. Jeśli jesteś @alz_zyd_, przypuszczam, że mówisz, że to znak, że model jest po prostu myślącą istotą i zaczyna grokować.