본 논문은 인공 신경망(ANNs)의 발전에도 불구하고, 특히 '허구 생성(confabulation)'이라 불리는 의도적이지 않은 잘못된 정보 생성에 대한 이해가 부족함을 지적합니다. 이를 위해 저자들은 특정한 방식으로 허구 생성을 하는 것으로 알려진 저수 컴퓨터(RCs)를 분석합니다. RCs는 주어진 끌개(attractor)의 역동성을 재구성하도록 학습될 때, 때때로 학습되지 않은 새로운 끌개(untrained attractor, UA)를 생성하는데, 이 논문은 이 UA의 역할과 재구성 실패 및 재구성된 끌개 간 전이 모델링에 미치는 영향을 분석합니다. 연구 결과를 바탕으로, UA는 상태 공간이 제한된 학습 시스템의 고유한 특징이며, 이러한 허구 생성 방식은 RCs를 넘어 다른 시스템에도 존재할 수 있다는 결론을 내립니다.
