【锚点】这一篇只钉一个判断：【遗忘和记错不是记忆系统的故障，而是率失真（rate-distortion）最优解——在有限比特预算下，大脑主动选择让「对任务不重要」的信息失真，把比特省给别处。】

【显式】先摆一个反直觉实验。Huttenlocher、Hedges 与 Vevea（2000, JEP: General）让被试看圆内一个点，几秒后回忆位置。结果：回忆点系统性地向圆心收缩。这不是随机噪声——偏差方向一致，是「类别调整」。

【隐式】为什么向圆心收缩？圆心是类别的原型。把每个位置都往原型拉，等于用更少的码字覆盖整个分布——这就是压缩。代价是精确坐标的失真，收益是更低的码率。这正是率失真函数 D(R) 在起作用：给定比特预算 R，最小化失真 D。

【细微】关键在失真度量是任务相关的。若任务只要求「大致在哪个区」，精确坐标就是冗余比特，丢掉不损失效用。所以「记性好」的人往往不是容量大，而是失真度量选得准——知道哪些细节可以扔。Sims（2016, Frontiers in Psychology）用率失真模型复现了多种人类知觉偏差，发现偏差方向与最优编码器一致。

【极难发现】从视网膜到海马体是同一套数学。Atick & Redlich（1990, Neural Computation）证明：在自然图像统计下，视网膜会主动去相关（whiten）——这就是信息瓶颈/率失真的解。知觉偏差与记忆偏差不是两个 bug，是同一个压缩目标在不同层级的表现。

【流程节点链路】观测刺激 → 编码为「原型 + 残差」 → 残差按任务度量截断（有损） → 解码时原型主导 → 回忆偏向原型。每一环都是压缩管线的一个节点，缺一不可；这也解释了为什么偏差可预测而非随机。

引申：如果记忆是率失真最优，那「改善记忆」不是加容量，而是改失真度量。这对两件事有直接后果——法庭上目击者记忆的「准确性」该按什么度量算？教育里该训练孩子记什么、丢什么？换句话说：我们可能一直在优化错误的失真函数。