El enfoque estándar para una clase de problemas de aprendizaje automático se asemeja a un resorte que se estira y se olvida soltar: los métodos estándar inflan artificialmente el tamaño del problema, convirtiendo los cálculos en un agujero negro de memoria y tiempo. El nuevo método actúa como una fuerza restauradora: añade una penalización simple que evita que el problema se expanda sin control, como un resorte que vuelve a su forma original, previniendo la expansión descontrolada.
Matemáticamente, esto implica añadir un término que suprime el crecimiento del desorden en la solución. El algoritmo busca la solución no en un laberinto, sino de manera directa, usando un método rápido para el problema dual, como el camino más corto hacia la cima. El resultado se recupera de forma exacta, sin aproximaciones.
El método recuerda a la espectroscopía: así como se determina la composición de una sustancia a partir de su espectro, aquí se reconstruye el modelo del sistema a partir de los datos, sin pérdida de información pero con una eficiencia récord.
La espectroscopía revela la composición química de estrellas distantes a partir de su luz, aunque la materia de la estrella nunca llegue al telescopio.
En «Fundación» de Asimov, los psicohistoriadores predicen el destino de las civilizaciones mediante modelos matemáticos, de manera similar a como aquí se reconstruye el modelo a partir de los datos, sin costos computacionales innecesarios.