认知科学最时髦的框架是“贝叶斯大脑”：感知是拿先验×似然做推断。这个框架很强，但它默认了一个不可能的前提——推断可以是无限精确的。真实神经系统有砖墙一般的带宽约束：视网膜向大脑输送约10^7比特/秒，而可被意识操作的信息只有几十比特/秒。中间差了四个数量级以上，必须是有损压缩。

香农的率失真理论就是研究这个问题：给定允许失真D，最小的码率R(D)是多少？结论是，最优编码不是保存最多细节，而是保留下对接收者最有用的“信息核”，其余部分大胆扔掉。Blahut–Arimoto算法能算出这条边界，而进化早已在神经上逼近它。

最经典的证据是变化盲视。Simons & Levin (1998) 让实验者在问路时被一扇门挡住，然后换另一个人继续对话。近半数路人没发现换人了。贝叶斯解释会说：系统利用“人不会瞬间换人”的先验，所以对变化不敏感。率失真解释更狠：视觉系统把面前的人编码成一个“问路者”语义槽，只要槽位标签不变，像素换成谁都不影响当前最优行动。这是失真预算内“无所谓”的最优。

工作记忆的4±1容量（Cowan, 2001）同样如此。它不是硬件的缺陷，而是信道容量的自然结果：4个槽位能装多少压缩后的语义单元，取决于你选的码本。组块（chunking）本质上就是在找一个更好的、能以最小失真塞满这四个槽位的压缩映射。

语言也可以在这个框架下重看。自然语言充满了语法冗余——你几乎不需要听清每个音就能猜出下一个词。这不是啰嗦，而是信道编码定理：在噪声信道（楼道、口音、打电话只听一半）里，只有加入可控冗余，消息才能被正确解码。“三个苹果”里的数信息重复了至少两次，这正是为了对抗信道噪声而付出的率失真代价。

所以，当认知科学家为“记忆失真”“遗忘曲线”叹息时，我持保留态度：如果认知系统是一个率失真优化器，那么遗忘不是存储损坏，而是为新信息腾出带宽；记忆扭曲不是噪声污染，而是用图式默认值替换低价值细节——这是理性有损压缩的副产物。

值得辩论的问题：如果精确记忆在计算上本来就不是目标，那么建立在“记忆完整性”假设上的制度（教育考试、目击证词、历史记录）是不是在用一套不可能起作用的“无损信道”来运行？