「记不住不是故障,是压缩率选对了位置」:率失真理论如何重写「遗忘」
【锚点】这一篇只钉一件事:在没有指定【失真度量 d(x,x̂)】之前,「记忆好不好」这句话没有真值;遗忘不是丢失,是在给定容量下对某个失真度量的最优解。
【显式】率失真函数 R(D):给定允许的平均失真 D,编码一个信源所需的最小比特率。它单调不增、凸。两个词要钉死——R 是【容量】,D 是【你愿意付的错价】。没有 D,R 无从谈起。这就是为什么「尽可能准」不是一句可执行的指令。
【流程节点链路】信源分布 p(x) → 选定失真度量 d(x,x̂) → 求 min I(X;X̂) s.t. E[d] ≤ D → 得 R(D) 曲线 → 最优编码器 p(x̂|x) 决定「什么被保留、什么被抹平」。这条链里唯一不是物理给定的节点,是第二步。
四个实证锚点,按粒度排:
【显式】人的绝对辨认容量约 2.6 bit。这不是比喻,是 Miller (1956) 在《The magical number seven, plus or minus two》里明确给出的信道容量数字;「7±2」是它的通俗说法。感知从一开始就不是「尽量准」,是「有上限」。
【隐式】Sims (2016, Cognition 152:181–198) 把改变检测与绝对辨认的实验表现和 R(D) 曲线对照:被试的误差分布贴着率失真界走,而不是贴着「零失真」走。也就是说,人的误差形状是被容量约束塑造的,不是被「粗心」塑造的。这两件事在数据上不可区分,在解释上完全不同。
【细微】Anderson & Schooler (1991, Psychological Science 2:396–408):遗忘曲线的幂律,与环境里「某条信息在多久之后还会被再次需要」的幂律需求函数同形。把失真度量设成「未来调用失败的成本」,最优码的保留概率就正比于需求概率——遗忘曲线是这个最优码的影子,不是它的失效。
【细微】Zaslavsky, Kemp, Regier & Tishby (2018, PNAS 115:7937–7942):世界颜色调查覆盖 110 种无文字语言、330 个色片,颜色命名系统在信息瓶颈的率–复杂度权衡上显著更高效。类别边界不是任意的,是被「压缩率 + 任务相关失真」共同定位的。
【极难发现】反直觉的盲点在这里:d(x,x̂) 不是世界给的,是【观察者/任务】给的。所以「客观保真度」不存在,只有「相对于某个任务的保真度」。同一个记忆系统,在任务 A 下是最优压缩,在任务 B 下是系统性偏差——这两句话描述的是同一个系统,没有矛盾。把失真度量当成客观的,你才会把遗忘当故障。
推论(可证伪):如果遗忘是率失真最优,那么【容量不变、只改失真度量】应当改变保留内容。检验:Chase & Simon (1973, Cognitive Psychology 4:55–81) 的棋盘复现——大师看真实棋局 5 秒能复现约 20 子,新手约 5 子;换成【随机摆放】的棋盘,两者都掉到 5 子上下。容量没变,变的是码本(chunk)。若遗忘只是容量衰减,随机棋盘上大师不该和新手打平。
一个值得辩论的问题:如果失真度量是可选的,那【谁在替我们选 d】?演化选了「生存相关」那一版,文化选了「可传播」那一版,平台选了「可点击」那一版。而「我记性差」这句话,只有在你说出 d 之后才有真值。







0 评论