“大多数人认为学习是某种存储新信息的机制，但这使得比较不同系统中的学习变得非常困难，因为不同系统可能使用不同的机制来存储信息，” De Houwer 说。“我们将学习定义为系统响应其环境方式的变化——即习得行为。”
正如达尔文的进化论，De Houwer 和 Hughes 对学习的功能性定义关注系统如何适应其环境，而不论这些适应通过何种机制发生。这里的“系统”可以是个体生物，生物的一部分（如基因或脊髓），或者是生物群落。De Houwer 补充道，事实上，进化本身可以被构想为一种学习形式，其中动物物种被视为一个适应其环境的系统。
“因为我们对学习的定义是‘不依赖机制的’，它使得研究不同系统学习的科学家之间能够进行互动，” De Houwer 说。“它打破了不同学科之间的壁垒，允许思想交流，这必将促进对学习的整体研究。”
De Houwer 和 Hughes 写道，除了支持比较不同类型系统中的学习外，该定义还可以帮助研究人员更深入地了解这些系统如何相互影响彼此的学习。例如，一株玉米可能会学会变得更耐旱，因为其基因对脱水产生了表观遗传反应，促使其细胞保留更多水分，最终影响了整株植物的习得行为。
De Houwer 补充道，学习也可以发生在群体层面，例如在鱼群中，这源于群体中部分成员而非全部成员的学习。例如，位于鱼群前端的一条鱼可能在反复发现鲨鱼出没于沉船处后学会了避开沉船，而位于鱼群后端的鱼可能仅仅通过继续跟随前方的鱼而表现出类似的行为，却并未了解关于沉船的情况。
这一分析同样适用于机器人和人工智能的研究。研究人员解释说，尽管可以分别对它们进行研究，但机器人学习如何导航避开障碍物的能力也取决于其算法如何响应环境。
然而重要的是，不能仅仅因为系统的行为因环境而改变，就将其描述为学习。De Houwer 指出，只有当系统因环境中的规律性（例如重复接触某种刺激或多种刺激的共同出现）而改变其对刺激的响应方式时，才能说该系统学会了某些东西。他继续说道，学习研究人员正是要考察环境中的规律性在何种条件下会改变行为。
De Houwer 和 Hughes 总结道，制定一个精确的学习定义可以帮助科学家交流现有发现，并促进新的跨学科研究。
“定义是为更优质科学服务的工具，”他们写道，“我们的定义允许科学家共享知识，从而探索在不同系统中研究学习的新途径。”