यह पेपर तर्क देता है कि खुले-अंत नवाचार में सक्षम मजबूत बुद्धिमान प्रणालियों का निर्माण करने के लिए स्थिर फ्रेम के भीतर खोजने के बजाय नए प्रतिनिधित्व प्राइमिटिव्स को बनाना, स्थिर करना और पुनः उपयोग करना आवश्यक है।
लेखक वर्तमान AI प्रणालियों और वास्तविक खुले-अंत बुद्धिमत्ता के बीच की दूरी को दो विशिष्ट अंतरालों के माध्यम से चित्रित करते हैं:
- शब्दावली अंतराल: मौजूदा एक को पुनः संयोजित करने के बजाय नए प्रतिनिधित्व प्राइमिटिव्स को आविष्कार करना और स्थिर करना कठिन है।
- सत्यापक अंतराल: जब उसका पूर्ण लाभ भविष्य में पुनः उपयोग के बाद ही दिखाई दे सकता है, तो नए प्राइमिटिव के मूल्य का आकलन करना कठिन है।
बुद्धिमान व्यवहारों को संज्ञानात्मक असंगति की कमी के रूप में व्याख्यायित किया जाता है, जो अंतरिक्ष-अंदरूनी रूपांतरणों को उस फ्रेम को स्वयं संशोधित करने वाले जनरेटिव से अलग करता है। खुले-अंत AI को आगे बढ़ाने के लिए, लेखक उपयोगी प्रतिनिधित्व परिवर्तन को पुरस्कृत करने वाले उद्देश्यों, आविष्कृत प्राइमिटिव्स के लिए स्थायी मेमोरी आर्किटेक्चर और अनुकूली सत्यापन तंत्रों का प्रस्ताव करते हैं।