본 논문은 인공 신경망(ANNs)의 발전에도 불구하고, 특히 '허구 생성(confabulation)'이라 불리는 의도하지 않은 잘못된 정보 생성에 대한 이해가 부족함을 지적한다. 이를 해결하기 위해, 저자들은 특정한 형태의 ANN인 저수지 컴퓨터(RCs)를 분석 대상으로 삼았다. RCs는 주어진 끌개(attractor)의 역동성을 재구성하도록 훈련받지만, 때때로 훈련받지 않은 끌개(UA, untrained attractor)를 생성하는 '허구 생성' 현상을 보이는 것으로 알려져 있다. 본 논문은 RCs에서 재구성 실패 시 UA의 역할과 재구성된 끌개 간 전이 모델링에서의 영향을 분석하여, UA가 유계 상태 공간을 가진 학습 시스템의 고유한 특징이며, 이러한 허구 생성 방식은 RCs를 넘어 다른 시스템에도 존재할 수 있음을 결론짓는다.
