본 논문은 폐쇄적 환경(closed-world)에서의 AI 성공이 개방적 환경(open-world)으로 전이되지 않는 이유와, 개방적 환경 AI를 위한 필요한 학습 원리를 탐구한다. 폐쇄적 환경에서는 명확한 성공 기준과 풍부한 예시 데이터를 통해 AI 시스템을 개선할 수 있지만, 개방적 환경에서는 성공 기준이 모호하고 예시 데이터가 부족하여 이러한 접근 방식이 효과적이지 않다. 따라서 개방적 환경 AI를 위해서는 풍부한 특징, 분리된 표현, 추론 시 학습 등 새로운 학습 원리와 기술이 필요하며, 논문에서는 이러한 원리들을 제시하고 대규모 실험을 통해 검증한다.
