Dublă coborâre arată că Critica lui Lucas se aplică doar local. adică, eroarea modelului crește odată cu mai mulți parametri până la un punct ("supraajustare"), dar apoi scade odată cu mai mulți parametri. A fost o greșeală din partea economiei să simplifice modelele pentru presupusa potrivire în afara probei — continuă așa!

Un alt subiect distractiv de ML este "grokking", în care modelele trec de la supraajustare la generalizare destul de brusc. Dacă ești @alz_zyd_, cred că spui că acesta este semnul că modelul este doar o ființă gânditoare și începe să înțeleagă