ディープラーニングの学習では、大域最適解と局所最適解の性能差が小さい場合がよくあり、わずかに性能を高めるためのコスト（膨大な計算や複雑なアルゴリズム）が見合わないことがあります。人生でも同様に、A案とB案のどちらが良いか議論していても、実はどちらを選んでも大差がないケースがあります。

そうした「準最適」がいくつも存在する場面では、コストやリスクを払って“究極の最適”を求めるより、現状の十分良い選択肢を採用したほうが実利が大きいかもしれません。大局的に見て差がわずかなら、そこそこ満足できる選択をとって、余力をより重要なことに振り向けるのも賢明な判断といえます。