본 논문은 생명체가 드물거나 단 한 번만 마주치는 다양한 문제를 어떻게 해결하는지, 즉 '초적응성(hyperadaptability)'을 설명하는 새로운 이론을 제시합니다. 초적응성은 광범위하고 반복적인 경험 없이 문제를 임시방편으로 해결하는 능력을 의미합니다. 이 논문은 행동을 자기 수정적 탐색 절차의 물리적 표현으로 규정하여 초적응성을 설명합니다. 무작위 탐색 대신, 시스템은 단순성과 효과성에 따라 무한한 연속 행동 집합을 동적으로 정렬하여 강력한 문제 해결 능력을 달성합니다. 행동은 인지 그래프 상의 경로에서 샘플링되며, 그 순서는 행동 실행/그래프 수정 피드백 루프에 의해 결정됩니다. 인지 그래프는 Hebbian 학습과 유연한 정보 저장을 지원하는 새로운 조화 신경 표현을 사용하여 구현됩니다. 복잡한 미로에서의 빠른 항해 능력 획득과 고전 강화 학습 문제의 어려운 확장에서 높은 보상을 달성하는 시뮬레이션 실험을 통해 이 접근 방식을 검증합니다. 이 프레임워크는 발달 학습에 대한 새로운 이론적 모델을 제공하고, 복잡한 기술을 자율적으로 습득하고 예외적인 상황을 처리할 수 있는 로봇의 길을 열어줍니다.
