Баєсівський висновок зберігає підтримку пріора. Будь-який процес, який змінює простір допустимих гіпотез, тому знаходиться поза байєсівською системою. Те саме стосується будь-якого виведення з фіксованою підтримкою. Байєсівські методи — це лише канонічний приклад.

Традиційне вирішення цієї проблеми за допомогою байєсівського висновку — обійти питання допустимості, обираючи початковий апріор із підтримкою всіх обчислюваних гіпотез (тобто апріор Соломонова), і звузити його далі.

Проблема цього підходу полягає в тому, що апріор Соломонова є необчислюваним. Будь-яке реалізоване наближення має обмежуватися скінченним простором гіпотез — у цей момент початкова задача повертається.

Ієрархічні моделі дозволяють баєсівську редукцію моделі та інші подібні техніки, але зрештою верхній рівень ієрархії має певну фіксовану підтримку, яку він не може перевершити.

Отже, якщо навчання, яке розширює підтримку, не може бути повністю охарактеризоване жодним методом фіксованої підтримки, включно з байєсівським висновком, то який саме тип висновку?

Якщо порушення є поза підтримкою процесу, його не можна опрацювати як доказ для оновлення. Натомість навчання має відбуватися тоді, коли збурення причинно безпосередньо перебудовує сам процес.

Дисперсія, що розширює підтримку, виникає через процес, який дозволяє навколишньому середовищу збурювати його в розмірах, яким воно наразі присвоїть нульову міру. Навчання через природний градієнт, градієнт субстрату, а не моделі.

Переконання агента неминуче перебувають або під його власним контролем (те, що в статті GDI називається агентністю), або під впливом середовища (те, що в статті GDI описується як пластичність).

Без агентності процес не може ефективно діяти сам по собі та у світі, щоб зберегти власну стійкість. Без пластичності модель не може відкрити невідомі кути у тріщинах, своїх переконаннях, прихованих вимірах реальності, і вона помре, коли світ зміниться.

(Дякую Claude Opus за допомогу у роботі над кількома з них, вона набагато лаконічніша, ніж оригінальна тема!)