本論文は、オープンエンドの革新を可能にするより強力な知能システムの構築には、固定された枠組み内での検索を行うだけでなく、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によって特徴づける：

  • 語彙のギャップ：既存の要素を再組み合わせするだけでなく、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：新しいプリミティブの価値を判断することの難しさ。その完全な利点は将来の再利用後にのみ明らかになる可能性があるため。

知能行動は認知的不整合の減少として解釈され、空間内の変換と枠組み自体を変更する生成型の変換が区別される。オープンエンドAIを進歩させるために、著者たちは有用な表現変化に対する報酬、発明されたプリミティブのための永続的メモリアーキテクチャ、そして適応的検証メカニズムを提案している。