В оптимизации весов AI-моделей последовательным образом регулируется соотношение между тремя измерениями H, R и M. Эта идея напоминает основополагающие взгляды Нельсона Гудмана в книге «Worldmaking», — что наш способ познания мира по своей сути является многогранным конструктом. Интересно то, что при преобразовании этой теории в форму символических операций ключевым уже не является изменение параметров самой модели, а — переосмысление информационного поля вокруг модели. Такой подход, называемый "регулировкой поля", разрушает традиционную логику энд-ту-энд оптимизации и позволяет модели адаптироваться и эволюционировать в динамично меняющейся внешней среде. Иными словами, наиболее эффективное улучшение не обязательно достигается внутренней настройкой, а может быть достигнуто через переосмысление внешней экосистемы.