Ну, если нужна критика, то вот конструктивно.

1. Не прикапываясь к определениям, просто дайте своим конструктам другое название,
2. Сразу пишите их в мат. символах и понятиях,
3. Я прочитал pdf теории. Во-первых, есть и генетические алгоритмы, которые не очень любят в machine learning (отчасти потому что это угадайка), во-вторых есть эволюционная эпистемология Карла Поппера про развитие естественного языка.
4. Пока из написанного вообще никакой применимости не видно. Приводите примеры своим понятиям и их взаимосвязи, взаимодействию.
5. Есть ещё обучение с подкреплением в machine learning, тоже перекликается.

Пока особой красоты в изложенном не увидел. Если хотите повторить алгоритмами путь эволюции и дать им возможность самим находить ответы — смотрите гегеративные состязательные сети (GAN). Это когда одна сеть учит другую.

И последнее, то что понятия "вредно" и "полезно" аксиоматичны — не приносит практической выгоды. В каждой практической задаче необходимо отличать вредное и полезное, причём для каждой задачи это что-то свое.

Шаблоны, внезапно появившиеся к концу статьи в таблице, совершенно ортогональны объектно-ориентированному программированию, на которое делается упор. Они не про наследование, они — одна из форм полиморфизма.
Вообще про полиморфизм мне в своё время понравилось обсуждение на RSDN, копия поста доступна здесь — gaperton.livejournal.com/15121.html

Ещё один взгляд на технологию программирования.
«Cпособ мышления — Форт язык и философия для решения задач» (автор Броуди) -1984г

Информация — это характеристика пространства, представляющая собой значимый (контролируемый, результативный, повторимый) способ его преобразования.

Извините, но на минуточку:
Дубина — это характеристика пространства, представляющая собой значимый (контролируемый, результативный, повторимый) способ его преобразования.
Что не так?