본 논문은 인공 신경망(ANNs)의 발전에도 불구하고, 특히 '허구 생성(confabulation)'이라 불리는 의도적이지 않은 잘못된 정보 생성에 대한 이해가 부족함을 지적합니다. 이를 해결하기 위해, 동적 시스템의 한 형태인 유보 컴퓨터(RCs)를 분석하여 허구 생성 현상을 연구합니다. RCs는 특정한 방식으로 허구 생성을 보이는데, 주어진 끌개(attractor)의 역동성을 재구성하도록 훈련받았음에도 불구하고, 훈련받지 않은 끌개(UA, untrained attractor)를 생성하는 경우가 있습니다. 본 논문은 재구성 실패 시 UA의 역할과 재구성된 끌개 간 전이 모델링에 미치는 영향을 밝히고, UA가 상태 공간이 제한된 학습 시스템의 고유한 특징이며, 이러한 허구 생성 방식은 RCs를 넘어 다른 시스템에도 존재할 수 있음을 결론짓습니다.
