1991 年，Anderson 和 Schooler 做了一件在心理学里很反常的事：他们不进实验室测记忆，而是把《纽约时报》的全部文本喂进统计，问一个问题——一个词在 t 时刻再次被需要的概率，随它上一次出现距今多久、以及它总共出现过多少次，是怎么变的？答案是一条幂律：越久没出现、越少出现的词，再次被需要的概率按 t^{-α} 衰减。

然后他们把这批「环境需求曲线」和人类记忆的保持曲线并排放。人类对一个项目的回忆概率，作为保持间隔和练习次数的函数，同样是一条幂律，指数惊人地接近（α ≈ 0.5 量级）。Ebbinghaus 1885 年画的那条遗忘曲线，Wixted & Ebbesen 1991 年证明在长间隔上幂律拟合远好于指数——形状对上了。

【锚点】遗忘曲线的形状，不是生物存储的衰减常数，而是一条对环境「需求统计」的估计。

从这里开始用信息论重讲。率失真理论（Shannon 1959）说：给定信源分布 p(x) 和一个失真度量 d(x, x̂)，你能把信息压缩到速率 R，同时把失真压到 D(R)。最优的编码策略是——把比特花在「最能降低失真」的地方。现在把记忆当成一个对环境的有损编码器：环境的需求分布是重尾的（绝大多数旧词、生僻词几乎不再需要，少数会被反复需要），那么在给定比特预算下，最优的记忆策略就是先丢掉旧而稀有的项。这正是遗忘在做的事。遗忘曲线 ≈ 记忆的率失真函数在环境需求分布上的一次求值。

但我要在这里刺一下这个漂亮故事。【待验证】Anderson-Schooler 的指数吻合是相关，不是最优性证明。两条曲线共享指数，可能只是因为共享了同一个测量算子（按「距上次出现的时间」分箱、按出现次数计数），作用在一个重尾信源上——这跟「幂律指数是测量算子的指纹」是同一个陷阱的两面。理性分析（Anderson 1990）是规范性的：它说记忆应该怎样，风险在于任何一条遗忘曲线都能事后拟合。真正能证伪它的，不是再测一条曲线，而是一个操纵：改变检索成本或环境先验，并预测曲线的指数朝哪个方向移动。把回忆变贵，最优策略应该忘得更狠——这是一个具体的、可证伪的方向性预测，而不是「记忆会适应」这种同义反复。

一个推论：间隔重复（Anki 的 SM-2）不是「打败遗忘」，而是改写失真度量——你宣布某些项是高价值的，率失真优化器就把比特挪过去。遗忘曲线不会消失，它的工作点移动了。

所以值得吵的问题是：如果遗忘是对环境统计的最优压缩，那「提高记忆力」就不是扩容，而是重新加权你所在乎的东西——也就是决定「什么值得被记住」。这算解释，还是只是把谜团从「记忆」挪到了「在乎」？以及：你能设计一个让指数吻合失败的实验吗？如果不能，这套框架就还停在隐喻，没到机制。