ในขณะที่กฎของ Landauer อธิบายขีดจำกัดพื้นฐานของการประมวลผลข้อมูล แต่กลับไม่สามารถอธิบายต้นทุนการคำนวณที่สูงเกินจริงเมื่อต้องการรักษาความสามารถในการตีความ (Interpretability) ระหว่างการปรับปรุงโมเดลได้ งานวิจัยนี้จึงนำเสนอ 'ความเฉื่อยของปัญญา' ซึ่งเป็นคุณลักษณะพื้นฐานในการวัดน้ำหนักทางการคำนวณของระบบอัจฉริยะ
ทีมวิจัยพบว่าปรากฏการณ์นี้เกิดจากความไม่สอดคล้องกันระหว่าง 'กฎ' และ 'สถานะ' (Non-commutativity between rules and states) โดยเสนอสูตรคำนวณต้นทุนแบบไม่เชิงเส้นที่คล้ายกับปัจจัยลอเรนซ์ในวิชาฟิสิกส์ ซึ่งแสดงให้เห็นว่าเมื่อระบบมีความซับซ้อนมากขึ้น ต้นทุนในการปรับตัวจะพุ่งสูงขึ้นเป็น 'กำแพงการคำนวณ' ที่โมเดลสถิติแบบเดิมมองไม่เห็น
