본 논문은 인지과학이 자연스러운 상황과 행동의 전 영역을 포괄하는 일반화 가능한 이론을 구축하는 방법에 대해 논의한다. 인공지능(AI)의 발전이 점점 더 자연스러운 자극, 과제, 행동을 포함하는 실험과 이러한 변화를 수용할 수 있는 계산 모델을 받아들이도록 인지과학에 시기적절한 기회를 제공한다고 주장한다. 먼저 신경과학, 인지과학, AI에 걸쳐 자연스러운 실험 패러다임의 폭넓은 범위와 이를 수용하는 모델을 통합하는 것이 자연 지능의 일부 측면을 해결하고 우리의 이론이 일반화되도록 하는 데 필요할 수 있다는 점을 시사하는 연구들을 검토한다. 자연스러운 패러다임이 구별되는 행동을 유발하거나 다른 과정을 참여시키는 인지과학 및 신경과학의 사례를 검토한다. 그런 다음 자연스러운 데이터로부터의 학습이 질적으로 다른 행동 패턴과 일반화를 생성한다는 것을 보여주는 AI의 최근 발전을 논의하고, 이러한 결과가 인지 모델링에서 우리가 도출하는 결론에 어떤 영향을 미치는지, 그리고 인지 및 신경 현상의 근원에 대한 새로운 가설을 생성하는 데 어떻게 도움이 될 수 있는지 논의한다. AI와 인지과학의 최근 발전을 통합하면 실험적 통제나 이론적으로 근거한 이해 추구를 포기하지 않고 더 자연스러운 현상을 다룰 수 있게 될 것이라고 제안한다. 자연주의적 계산 인지과학에서 누적적 진보에 기여할 수 있는 방법론적 관행에 대한 실용적인 지침을 제공하고, 자연 인지의 실제 문제를 해결하는 계산 모델을 구축하는 경로와 함께 이를 수행하는 과정과 원칙에 대한 환원적 이해를 설명한다.
