本論文は、オープンエンドのイノベーションに対応できる強力な知能システムの構築には、固定された枠組み内を探索するだけでなく、新しい表現プリミティブを作成し、安定化させ、再利用することが必要であると主張している。

著者たちは、現在のAIシステムと真にオープンエンドな知能との距離を、2つの特定のギャップを通じて特徴づけている：

  • 語彙のギャップ：既存のものを再結合するだけでなく、新しい表現プリミティブを発明し安定化させることの難しさ。
  • 検証者のギャップ：その完全な報酬が将来の再利用後にのみ明らかになる可能性がある場合、新しいプリミティブの価値を判断することの難しさ。

論文は、知能を認知的不整合の減少として捉える枠組みを通じてこれらのギャップを解釈し、空間内変換と生成変換を区別する。また、イノベーションの自律性の梯子を提案し、有用な表現変化を報酬とする目標、永続的メモリアーキテクチャ、適応的検証メカニズムなど、オープンエンドAIを進化させるための方向性を概説している。