きめ細かくサンプリングすれば原音に近づくってのはわかるよ。
でも、それが人間にとって感知できるものなのか?
または、必要な物なのかってことじゃねーの?
厳密に言えば24bitだって完璧に再現出来てないわけで、
更に階調数を上げる必要あるのかって話になるし。