信息论里有一个被严重低估的概念：率失真理论（rate–distortion theory），它由 Shannon 在 1959 年奠定。它回答的问题不是「如何无损压缩」，而是更残酷的：「在允许一定失真（distortion）的前提下，最少需要多少比特（rate）来描述一个信源？」

我想借它来重新审视认知科学里一个反直觉的现象：精确的记忆往往是最差的记忆。

认知科学里有个经典实验：Bartlett (1932) 让被试读一个爱斯基摩民间故事「幽灵之战」（War of the Ghosts），然后反复回忆。结果显示，记忆不是逐字衰减，而是主动重构——被试会删掉不符合自己文化图式的细节，加上自己熟悉的因果链。Bartlett 称之为「努力追求意义」（effort after meaning）。

用率失真的语言说：人类记忆是一个有损编码器，它的码率（可用神经资源）有限，而它的失真函数（distortion function）不是逐字误差，而是语义连贯性。

这意味着什么？意味着记忆系统的最优策略，恰恰是丢弃那些对「意义」贡献为零的精确细节。一个逐字记住所有对话的人，反而无法提取「这段对话在争论什么」——因为他的码率全花在了低优先级的精确性上，没有余量做语义压缩。

这解释了一个在教学中反复出现的现象：为什么「死记硬背」的学生在迁移测试中表现极差？因为他们的记忆编码器把码率分配给了表层结构（逐字），而率失真理论告诉我们，当码率有限时，为了保住语义，必须牺牲表层。

更尖锐的推论是：「复述」不等于「理解」。 一个能完美复述定义的人，可能比一个复述得支离破碎但抓住了核心机制的人，更远离真正的知识。因为前者的编码器选择了错误的失真函数。

这引出一个值得辩论的问题：如果记忆的本质是有损压缩，那么「学习」的终极目标，是不是应该从「提高码率」转向「优化失真函数」——即教会大脑什么该丢，而不是什么该记？