본 논문은 오픈 엔디드 혁신을 수행할 수 있는 강력한 지능 시스템을 구축하기 위해서는 고정된 프레임 내에서 탐색하는 것뿐만 아니라 새로운 표현 원시 요소(primitives)를 생성하고 안정화하며 재사용해야 한다고 주장한다.
저자들은 현재 AI 시스템과 진정한 오픈 엔디드 지능 사이의 거리를 두 가지 특정 간극을 통해 특징짓는다:
- 어휘 간극: 기존 요소를 재결합하는 것뿐만 아니라 새로운 표현 원시 요소를 발명하고 안정화시키는 어려움.
- 검증자 간극: 그 완전한 보상이 미래의 재사용 후에야 드러날 수 있는 경우, 새로운 원시 요소의 가치를 판단하는 어려움.
논문은 지능을 인지적 불일치 감소로 해석하는 프레임워크를 통해 이러한 간극을 설명하며, 공간 내 변환과 생성적 변환을 구분한다. 또한 혁신 자율성의 사다리를 제안하고, 유용한 표현 변화를 보상하는 목표, 지속적 메모리 아키텍처, 적응형 검증 메커니즘 등을 포함하여 오픈 엔디드 AI를 발전시키기 위한 방향성을 제시한다.