Die oben entwickelte Ausgangsdefinition beschreibt Sehen ganz allgemein als die Beziehung dreier Komponenten:
(1) eine Sichtbarkeit,
zum Beispiel der einfache Sichtunterschied „Hell/Dunkel“
(2) deren nicht-sichtbare Bedeutung,
zum Beispiel der Tastunterschied „Ebene/Kante“
(3) deren sichtbare Behandlungsmöglichkeit,
zum Beispiel der Verhaltensunterschied „Aufsuchen/Meiden (der Kante)“
Dieses dreigliedrige Schema ist sozusagen die Hypothese der Theorie. Sie besagt: Wenn man Sichtbarkeiten „von einfach nach komplex“ unterscheidet und dabei jede von ihnen in Beziehung zu einer je speziell zuordnungsfähigen nicht-sichtbaren Bedeutung setzen kann, die in einer entsprechend speziellen Handlungsmöglichkeit wiederum sichtbar gemacht werden kann, müsste sich das Sehen „von allgemein nach besonders“ in einzelne Sehfähigkeiten auffächern lassen und zugleich als deren zusammenhängende Gestalt erkennbar werden.
Ob dieser Weg eine Beschreibung ermöglicht, die die Vielfalt visueller Erfahrungen erfasst und ordnet und eine qualitativ neue Ansicht ihres Zusammenhanges hervorbringt, wird darüber entscheiden, ob die Theorie ihre Hypothese des Sehens belegen konnte.