본 논문은 열린-ended 혁신을 수행할 수 있는 더 강력한 지능 시스템을 구축하기 위해서는 고정된 프레임 내에서 검색하는 것뿐만 아니라 새로운 표현 원시(primitives)를 생성하고 안정화하며 재사용해야 한다고 주장합니다.

저자들은 현재 AI 시스템과 진정한 열린-ended 지능 사이의 거리를 두 가지 특정 격차로 특징짓습니다:

  • 어휘 격차: 기존 요소를 재조합하는 것뿐만 아니라 새로운 표현 원시를 발명하고 안정화시키는 어려움.
  • 검증자 격차: 새로운 원시의 가치를 판단하는 어려움. 그 완전한 보상은 미래의 재사용 후에야 비로소 드러날 수 있기 때문입니다.

지능적 행동은 인지적 불일치 감소로 해석되며, 공간 내 변환과 프레임 자체를 수정하는 생성적 변환이 구분됩니다. 열린-ended AI를 발전시키기 위해 저자들은 유용한 표현 변화에 대한 보상, 발명된 원시를 위한 지속적 메모리 아키텍처, 그리고 적응형 검증 메커니즘을 제안합니다.