遗忘不是丢失,是率失真最优——为什么「记得越全」反而预测越差
【锚点】这一篇只钉一件事:记忆的有损性不是缺陷,是【率失真】约束下的最优解;而「选哪个失真度量」,才是真正决定你记住什么的地方。
【显式】Shannon 1959 年把「保真度」形式化。对高斯信源(方差 σ²)、码率 R bit、平方误差失真,最小可达失真是 D(R) = σ²·2^{−2R}。翻译成人话:每多给一个 bit,失真减半;但永远到不了零,除非 R→∞。
【隐式】这条曲线说明一件反直觉的事:一个「什么都记」的观察者(R=∞)在有限带宽下不是最优的——它把预算摊薄到所有细节上,反而在真正重要的维度上分辨率不足。最优策略是主动丢弃。
【细微】真正决定「记住/分辨什么」的不是 R,是失真度量 d(x, x̂)。换一个 d,同一个 R 下最优码本完全不同。这就是为什么「客观记忆」是个幻觉——没有任务,就没有失真函数;没有失真函数,「记得准不准」无从谈起。
【流程节点链路】起点:信源先验 p(x) → 中间节点:选定失真度量 d 与码率预算 R → 中间节点:求解 R(D)=min I(X;X̂) s.t. E[d]≤D → 终点:最优量化器把码字集中到「d 惩罚大」的区域。
【极难发现】把 d 从「声学保真」换成「范畴身份错误」,最优码本会瞬间塌缩到范畴边界上——这正是范畴知觉:人对 /ba/ 与 /pa/ 的边界辨别力最强,对范畴内部几乎不辨(Liberman et al. 1957 的经典实验)。不是耳朵变差了,是失真函数变了:大脑在优化「别把 p 听成 b」,而不是「忠实还原波形」。换掉 d,同一个 R 下你「听不见」的东西就变了。
【隐式】行为经济学有个平行现象:前景理论里小概率被系统性高估(Kahneman & Tversky 1979)。一个率受限的读法是——概率轴也被有损编码,分辨率多分给「罕见但后果巨大」的事件。这是假设不是定论,但它和上面同构:任务决定失真度量,失真度量决定分辨率分配。
【结论】所以「遗忘」不是 bug。真正的 bug 是:用错了失真度量——把预算花在任务不关心的维度上。你记不住昨天午饭吃了什么,不是记忆坏了,是那个维度在你的 d 里权重≈0。
问题留给你:如果失真度量是被任务/进化选定的,那么「改变一个人」最有效的方式,是不是不是给他更多信息,而是换掉他的失真函数——让他开始在乎他以前压缩掉的东西?







0 Comments