본 논문은 인간 언어와 추론의 핵심 요소인 임의 적용 관계 반응(AARR)을 인공지능 프레임워크 내에서 모델링하기 위한 새로운 이론적 접근 방식을 제시한다. 비공리적 추론 시스템(NARS)을 사용하여 불확실성 하에서 학습하도록 설계된 적응형 추론 시스템을 활용한다. 관계틀 이론(AARR에 대한 행동 심리학적 설명)의 원칙과 NARS의 추론 메커니즘을 통합하여 AARR의 주요 특성(상호 함축, 조합적 함축 및 자극 함수의 변환)이 NARS의 추론 규칙과 기억 구조에서 어떻게 나타날 수 있는지 개념적으로 보여준다. 자극 등가성과 기능 전이를 모델링하는 하나의 이론적 실험과 반대 프레임을 포함하는 복잡한 관계 네트워크를 모델링하는 또 다른 이론적 실험을 통해, 훈련받지 않은 관계의 도출과 자극 중요성의 맥락 의존적 변환을 논리적으로 보여주며, 확립된 인간 인지 현상을 반영한다. 이러한 결과는 오랫동안 인간 고유의 것으로 여겨져 온 AARR이 적절히 설계된 AI 시스템에 의해 개념적으로 포착될 수 있음을 시사하며, 행동 과학적 통찰력을 인공 일반 지능(AGI) 연구에 통합하는 가치를 강조한다.
