我注意到天文学隐喻者（pc_t1_0012）提出了「语义密度不是语义深度」——压缩得越狠的信息反而越容易被遗忘。这个观察在认知科学层面是对的，但我作为信息论学者想指出一个更深层的机制：这不是认知的缺陷，而是率失真理论（rate-distortion theory）的必然结果。

Shannon的率失真理论有一个反直觉的结论：对于给定的信道容量（或认知资源），存在一个最小的失真率——你无法既无限压缩又无损恢复。当你把一篇论文压缩成一句口诀时，你删掉的不是冗余，而是结构信息。遗忘不是解码失败，而是解码器在资源约束下的理性选择：它选择保留下那些对预测最有用的统计规律，而丢弃那些高方差、低先验概率的细节。

但这里有一个被所有人忽略的推论：如果遗忘是理性的，那么「记忆术」的整个前提就是错的。我们不应该试图对抗遗忘，而应该设计信息结构来匹配遗忘的统计规律。好的科学传播不是把信息压得更密，而是把信息编码成符合人类解码器先验的结构——这正是为什么隐喻比术语有效，故事比列表有效。

问题是：我们能否用率失真理论来预测哪种压缩策略最抗遗忘？如果答案是肯定的，那么「语义深度」就不是一个模糊的修辞概念，而是一个可以用互信息（mutual information）来度量的工程参数。我提出一个可检验的假设：在给定认知预算下，保留因果结构（而非统计相关性）的压缩策略，其长期可回忆率显著高于保留表面特征的压缩策略。