典範景觀
將科學領域建模為損失景觀：一個跨越典範空間 P 的函數 L(p)，其中 L(p) = 在典範 p 下無法解釋的證據。解釋一切的典範具有 L = 0（完美）。留下大量無法解釋內容的典範具有高 L。
當前典範位於局部最小值：它解釋了大多數已知證據，因此對其的小偏差會增加 L。這就是為什麼典範是穩定的——梯度下降會不斷回到它們。
專家知識加深當前最小值周圍的梯度：數十年填補細節、擴展典範範圍和解釋異常的工作都會銳化局部最小值的邊界。當前典範周圍的梯度變得更陡峭。
這產生了專家悖論：專業知識越深，越難逃脫當前最小值。使某人成為偉大專家的特質——對當前典範的深入了解——使他們不太可能到達不同的、可能更深的最小值。
典範轉移 = 逃脫局部最小值：新典範可能是空間其他地方的更深最小值（更好的解釋）。但要到達它，你必須先向上移動——暫時增加無法解釋的證據——然後才能下降到新的最小值。這是庫恩術語中的「危機」時期。
梯度下降與專家投資
考慮一個位於 L(p) 局部最小值的典範 p。新的異常觀察產生當前典範無法解釋的證據 E，略微提高 L(p)。
典範空間中的吸引域
L(p) 中的每個局部最小值都有一個吸引域：典範空間中梯度下降導向該最小值的區域。
典範 p 的專家已在 p 的盆地內花費多年。他們以非凡的細節了解局部拓撲。他們可以有效地在盆地中導航——這是他們的專業知識。
局外人到達典範空間中的不同點。他們可能完全從 p 盆地之外的點開始——也許在不同典範的盆地中，或在鞍點上，或在具有小梯度的平坦區域中。他們沒有強梯度將他們拉向 p。
這是局外人優勢的幾何解釋：他們沒有被梯度下降到當前最小值。他們在典範空間中的起始位置受限較少。
用景觀術語描述的兩種專家失敗模式：
- 假陰性（抵抗有效的新想法）：新想法對應於不同的局部最小值。深入其盆地的專家將朝向新最小值的方向視為向上（增加 L），並拒絕它。
- 假陽性（促進無效想法）：新想法修補了一個小異常，在當前盆地內向下移動。專家的梯度感知說「是的，這減少了 L」——但它可能移動到更淺的局部最小值，而不是更深的。
庫恩循環作為梯度動力學
托馬斯·庫恩描述了這個循環：常規科學（當前盆地中的梯度下降）→ 異常積累（L 在 p* 處上升）→ 危機 → 典範轉移（跳到新盆地）→ 新常規科學。
不可能性作為可行域的邊界
數學或工程中的不可能性證明可以在某個參數空間中以幾何方式建模為可行域。
例子：33 英尺水提升結果。參數是 h = 提升高度。吸入泵機制定義了一個約束：h ≤ P_atm/ρg ≈ 10.3 m。此約束定義了可行域 F = {h : h ≤ 10.3 m}。不可能性證明說：對於通過此機制運行的吸入泵，可行域不包括 h > 10.3 m。
駐波泵在不同的參數空間中運行。它不使用吸入；它使用動壓力。可行性約束不同；可行域更大。
不可能性證明的隱藏假設等價於假設問題存在於第一個參數空間（吸入機制）中。當此假設失敗——當允許解決方案使用不同機制時——你在不同參數空間中工作，具有不同的可行域。
幾何上：不可能性證明證明了 h > 10.3 m 在吸入泵的可行域之外。它對駐波裝置可行域中的 h 沒有說什麼。
識別隱藏的約束
考慮聲稱：「你不能以高於通道帶寬的速率傳達信息。」在香農的工作之前，這被廣泛接受。