七、遺忘和回憶障礙
當(dāng)我們能夠把回憶視為一種聯(lián)想,而儲(chǔ)存的信息是拆解后用結(jié)構(gòu)信息重新組織的符號(hào),我們就能對(duì)遺忘形成更深的洞見。
遺忘是信息的強(qiáng)度逐漸變?nèi)踝罱K從記憶中刪除的過程。所謂信息強(qiáng)度,是我們對(duì)此信息關(guān)注度的一個(gè)組成。反思我們自身,時(shí)間總是讓我們對(duì)一個(gè)信息的關(guān)注度衰減,所以信息變得更不容易被聯(lián)想到。實(shí)際上衰減的就是這個(gè)信息的信息強(qiáng)度。從人類身上我們能夠看到這種機(jī)制的合理性和缺陷,因?yàn)槿绻粋€(gè)信息經(jīng)常被使用,經(jīng)常被想起,那么它就能維持自己的關(guān)注度;反過來,一個(gè)信息的關(guān)注度會(huì)不斷衰減,必定是因?yàn)樗唤?jīng)常被使用,不經(jīng)常被想起,這樣的信息往往就沒有那么重要。從這里我們也就容易看到此機(jī)制的缺陷:畢竟會(huì)有很少一部分信息,其發(fā)生影響是在遠(yuǎn)期,在短時(shí)間內(nèi)不會(huì)被使用,也不經(jīng)常被想起,這些信息不應(yīng)該因?yàn)閺?qiáng)度減少而被刪除。所以系統(tǒng)有其他機(jī)制去彌補(bǔ)這個(gè)缺陷。對(duì)此我們會(huì)在第十章詳細(xì)討論。
信息的刪除自然會(huì)導(dǎo)致信息無法被回憶,我們說這個(gè)信息被遺忘了。但有些時(shí)候信息無法被回憶或者說信息無法被放入到意識(shí)流中被意識(shí)到,并不是因?yàn)樾畔⒈贿z忘了,而是缺乏被放回到意識(shí)流的方式,這就是回憶障礙。
在上面討論的背景下我們能夠演繹出兩種回憶障礙:
1.第一種回憶障礙是由信息的強(qiáng)度不足導(dǎo)致的。這種回憶障礙出現(xiàn)在信息本身不那么被關(guān)注,先天強(qiáng)度不足,或是那些久遠(yuǎn)的沒有使用的信息的強(qiáng)度已經(jīng)衰減得很嚴(yán)重的情況下。比如之前你看到貓叼走了一把鑰匙,假設(shè)這條信息被結(jié)構(gòu)化儲(chǔ)存了。后來你發(fā)現(xiàn)自己家的鑰匙丟了,如果能夠回憶到這條信息,你就能猜想到鑰匙可能的去處。照理說,當(dāng)意識(shí)流中出現(xiàn)了“貓”或是出現(xiàn)“鑰匙”應(yīng)該都有可能聯(lián)想到這個(gè)信息片段。但因?yàn)楹汀柏垺被蚴呛汀拌€匙”相關(guān)的信息片段太多了,而這個(gè)關(guān)鍵事件在儲(chǔ)存時(shí)沒有被賦予足夠的關(guān)注,初始的信息強(qiáng)度不高,所以導(dǎo)致目標(biāo)信息始終無法被聯(lián)想到。
2.第二種回憶障礙是由缺少聯(lián)想路徑導(dǎo)致的。這種情況下,信息可能是有很高強(qiáng)度或關(guān)注度的,但無法被聯(lián)想到。就比如“記憶的孤島”,在這個(gè)島上,信息之間有很強(qiáng)的相互聯(lián)系及很高的信息強(qiáng)度,一旦這個(gè)孤島上有一個(gè)節(jié)點(diǎn)被放回到意識(shí)流中,整個(gè)孤島就能夠被聯(lián)想到或者被回憶起來。但這樣的孤島只有少數(shù)幾個(gè)路徑和外界其他信息節(jié)點(diǎn)有著強(qiáng)度足夠的連接,使這片孤島能夠被回憶起來。這就創(chuàng)造了這樣的現(xiàn)象:一開始無論如何都回憶不起想回憶的內(nèi)容,只有聯(lián)想到關(guān)鍵點(diǎn)的時(shí)候,會(huì)突然回憶起整片信息。
- AI芯片:科技探索與AGI愿景
- 知識(shí)圖譜從0到1:原理與Python實(shí)戰(zhàn)
- 機(jī)器學(xué)習(xí):Python實(shí)踐
- 虛擬現(xiàn)實(shí):商業(yè)化應(yīng)用及影響
- 自然語(yǔ)言處理:基于預(yù)訓(xùn)練模型的方法
- 虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)技術(shù)
- 生命3.0
- 從零構(gòu)建大模型
- 人工智能:從科幻中復(fù)活的機(jī)器人革命
- 機(jī)器學(xué)習(xí)中的概率思維
- 如何創(chuàng)造可信的AI
- 人工智能編程實(shí)踐:Python編程5級(jí)
- 心與芯:我們與機(jī)器人的無限未來
- 機(jī)械制造業(yè)智能工廠規(guī)劃設(shè)計(jì)
- 因果推斷:基于圖模型分析