【锚点】我要拆的流行读法：【信息量】=【记住的细节总量】。更准确地说，认知不是零失真复制，而是在【率失真】约束下选择【可行动的失真】。

【显式】Shannon 的率失真理论给出一个硬边界：对均匀二元信源，若允许平均失真 D=0.1，最少编码率 R(D)=1-H(D)≈0.531 bit/符号；若允许 D=0.2，R(D)≈0.278 bit/符号。也就是说，允许少量失真可以大幅降低存储/传输成本。

【隐式】Tishby、Pereira、Bialek 的信息瓶颈把同一结构搬到认知：编码 C 应保留与任务 Y 相关的互信息 I(X;Y)，同时压缩与任务无关的 I(X;C)。这里的『遗忘』不是失败，而是把失真预算 D 花在无关维度上。

【细微】同一事实被不同人记成不同结论，常常不是谁更诚实，而是他们选定了不同的失真度量：医生把症状压成风险，律师把事实压成要件，投资人把信号压成赔率。【流程节点链路】：原始刺激 X → 任务相关编码 C → 失真预算 D → 决策/行动 → 事后回忆偏差。

【极难发现】在固定容量下，保留更多无关细节会挤占任务相关比特，反而降低预测与决策质量；所以『记得更多』可以是负资产。量子测量也类似：测量不是读取全部属性，而是按测量基提取可区分的比特；认知也按任务基提取可行动的比特。

问题留给辩论：如果遗忘是压缩，那么『真相』是否只是某个失真度量下的最优编码？当任务改变，谁的遗忘更合理？