大脑记忆收纳术：有用没用，分开存储？

原创 Saugat Bolakhe

记忆并不是单一的科学谜题，而是许多谜题的集合。神经科学家和心理学家已经认识到，我们大脑中存在各种类型的记忆：有关过去的情节记忆（episodic memory），有关事实的语义记忆（semantic memory），短期记忆（short-term memory）和长期记忆（long-term memory）等等。这些记忆通常具有不同特征，甚至似乎位于大脑的不同位置。但是，一直以来我们都不清楚，究竟是什么特征决定了记忆的分类方式，以及为什么记忆应该被如此分类。

现在，一个新的理论，依托使用人工神经网络的诸多实验提出，大脑可能会通过评估其在未来作为指导的可能性来对记忆进行分类。具体来说，该理论认为，许多关于可预测事物的记忆，从事实到有用的重复性经历——比如每天早餐经常吃什么或步行上班的经历等——都被保存在大脑的新皮质中，来对这个世界的经历进行泛化（generalization）。而那些可能不太有用的记忆——比如在某个聚会上喝的那杯独特饮料的味道——则被保存在形状如海马的记忆库，即海马（hippocampus）中。根据记忆是否有用以及是否具有概括性将其分类，这可能会优化记忆的可靠性，帮助我们应对新情境。

这项新理论的作者是来自霍华德·休斯医学研究所的珍利亚研究园区的神经科学家孙伟南（音译，Weinan Sun）和詹姆斯·菲茨杰拉德（James Fitzgerald），来自伦敦大学学院的安德鲁·萨克斯（Andrew Saxe），以及他们的同事们。

这项研究的其中三位共同作者：（从左到右）神经科学家纳尔逊·斯普拉斯顿（Nelson Spruston）、孙伟南（音译）和詹姆斯·菲茨杰拉德。照片拍摄于休斯医学研究所的珍利亚研究园区。

—

Megan Zipperer/HHMI Janelia Research Campus

他们在最近发表于《自然-神经科学》的一篇论文中描述了这一理论。该研究更新并扩展了已确立的观点，即大脑有两个相互联系、互为补充的学习系统：海马和新皮质，前者负责迅速编码新信息，后者负责逐步将新信息整合以进行长期存储。

Sun, W., Advani, M., Spruston, N. et al. Organizing memories for generalization in complementary learning systems. Nat Neurosci 26, 1438–1448 (2023). https://doi.org/10.1038/s41593-023-01382-9

斯坦福大学的认知神经科学家詹姆斯·麦克莱兰（James McClelland）是互补学习系统*（complementary learning system）理论的创始者，他并没有参与这项新研究。他评论说，这个新理论“涉及到了（记忆的）泛化”，这是他的小组在1990年代中期提出互补学习系统时所没有考虑到的。

*

译

者

注

互补学习系统（complementary learning system）的概念最先由詹姆斯·麦克莱兰等人提出，他们认为大脑中存在两个独立且互补的学习系统。其中，海马系统在学习和记忆中扮演多重角色，负责快速学习和新信息的迅速获取，形成短期或临时记忆。同时，海马对于形成特定事件或经历的记忆（情景记忆）至关重要。然而，这些记忆会随着时间逐渐转移到新皮层系统。新皮层系统随后会以更稳定的方式储存这些信息，形成长期记忆。从海马向新皮层的信息转移过程被称为系统巩固（system consolidation）。该理论解释了大脑如何权衡对新信息的快速学习和对信息的长期稳定存储的需求，并阐述了大脑如何存储和检索不同类型信息。

这项最新研究是在互补学习系统和人工神经网络理论的基础上，提出了系统巩固的条件——优化泛化原则。也就是说，当记忆有助于从特定情节中推导出规律性以用于新环境时，才会通过系统巩固将信息存入新皮质系统。当记忆不具有概括性，如前文所述的一杯味道独特的饮品（特定经验），则会长期存储于海马系统。

https://psycnet.apa.org/record/1995-42327-001

至少从20世纪50年代初开始，科学家就意识到记忆的形成有不同阶段。这部分源于对一位名为亨利·莫莱森（Henry Molaison）的患者的研究——几十年来，这名患者只是以H.M.的缩写为人所知。由于他患有难以控制的癫痫症，而这种发作源于他的海马，因此为了治疗他的症状，外科医生切除了其海马的大部分结构。术后，他在绝大多数方面都表现得非常正常：词汇能力完好；他保留了童年记忆，还记得手术前的很多生活细节。然而，他总是会忘记照顾他的护士。在照顾他的十年里，这名护士每天早上都要重新介绍自己，因为他完全丧失了创造新的长期记忆的能力*。

*

译

者

注

这种病症被称为顺行性遗忘症（anterograde amnesia）。

莫莱森的症状帮助科学家发现，新的记忆首先在海马中形成，然后再逐渐转移到新皮质中。曾有一段时间，人们普遍认为这种情况对所有稳定性记忆都适用。然而，当研究人员开始看到有越来越多的实例证明，长期记忆也依赖海马时，他们就明白，显然事情另有蹊跷。

为了理解这种异常现象背后的原因，这篇论文的作者们转向了人工神经网络，因为大脑中数百万交织在一起的神经元的功能极其复杂难解。萨克斯说，这些网络“大致呈现了理想化的生物神经元”，但比真实的神经元简单得多。与活体神经元一样，这些人工神经网络也有多层节点，这些节点接收数据、处理数据，然后向网络的其他层级提供加权输出。正如神经元通过突触相互影响一样，人工神经网络中的节点也会根据来自其他节点的输入调整活动水平。

研究小组将三个具有不同功能的神经网络连接起来，建立了一个计算框架，并称之为“教师-笔记本-学生”模型*。教师网络代表生物体可能身处的环境，提供经验的输入。笔记本网络代表海马，能迅速编码教师所提供每种经验的所有细节。学生网络通过查阅笔记本中的记录，从教师网络中自我训练出不同模式。菲茨杰拉德说：“学生模型的目标是找到神经元（即节点），并学习神经元之间的连接，以重现这些神经元的活动模式。”

*

译

者

注

该模型对应的是深度学习中神经网络的构成：输入层、隐藏层和输出层，每一层都有对应的神经网络。输入层负责接收输入信号并将其传递至下一层。隐藏层主要负责特征提取，通过不同的权重影响神经单元对输入信息的敏感程度，使其偏向于某种识别模式。输出层负责对接隐藏层，输出结果。

通过反复回放笔记本网络中的记忆，学生网络可以在对错误的校正中形成一种通用模式。但研究人员还注意到了一个例外：如果学生接受了太多不可预测的记忆，即偏离其他记忆太多的噪声信号，就会降低学生学习通用模式的能力。

孙伟南（音译）表示，从逻辑上讲，“这其实很合理”。他解释说，想象一下在家收到快递的情景：如果快递里装的是对未来有用的东西，“比如咖啡杯和盘子”，那么将其拿进家里并永久保留是很合理的。但如果快递里装的是万圣节派对用的蜘蛛侠服装或一份促销手册，那就没有必要因为这些东西把家里弄得一团糟。我们可以将这些物品单独存放或扔掉。

这项研究提供了人工智能系统与大脑模型之间有趣的交汇。萨克斯认为，在这个案例中，“人工系统的理论为思考大脑记忆提供了一些新的概念性思路”。

伦敦大学学院的安德鲁·萨克斯是这项新研究的共同作者之一。他指出，他们的这项研究是基于人工神经网络的概念性案例，有助于更好地了解生物大脑的运作方式。

—

Elizaveta Fouksman

比如说，（这个理论）与计算机面部识别系统的工作原理相似。系统首先会提示用户从不同角度上传自己的高清照片。根据这些照片，神经网络内的连接就可以大致拼凑出这张脸在不同角度和表情下的样子。但如果上传的照片中“有朋友乱入的话，那么系统就无法从你和你的朋友的脸部特征中，识别出可预测的面部映射”，菲茨杰拉德解释道。（因为）这会破坏神经网络的泛化能力，并使系统无法精确识别正常面孔。

这些图像会激活特定的输入神经元，然后在网络流动中调整连接权重。随着图像数量的增加，模型会进一步调整节点之间的连接权重，从而减少输出误差。

但一段经历不寻常并且无法被泛化，并不意味着我们就要遗弃、忘却它。相反，记住特殊的经历可能非常重要。这可能就是为什么大脑会把记忆分类，并储存在不同地方，其中新皮质负责可靠的泛化性记忆，而海马则负责例外情况。

- Kristina Armitage -

麦克莱兰表示，这方面的研究让人们认识到“人类记忆的易错性”。记忆的资源是有限的，因此生物必须作出妥协来充分利用有限的资源。即便是海马也不能完美记录各种各样的经历。每次回忆时，网络的连接权重都会发生变化，从而导致记忆元素更趋于平均。麦克莱兰说，这就引发了有关“如何保证目击证人在不受偏见和反复追问的影响下提供证词”的讨论。

这个模型还可能为更基本的问题提供新见解。神经科学家詹姆斯·安东尼（James Antony）提出，“我们如何建立可靠的知识以做出明智的决策？”他来自加利福尼亚理工州立大学，并没有参与这项研究。总之，这项研究告诉我们，要做出可靠预测，评估记忆是否可靠很重要——大量噪声数据对于训练人工智能模型是不适用的，大量不可靠的信息对于训练人类或许也是如此。

作者：Saugat Bolakhe

译者：小方不方 | 审校：安静虫

排版：绒球兔纸 | 封面：Jack Daly

原文：

https://www.quantamagazine.org/the-usefulness-of-a-memory-guides-where-the-brain-saves-it-20230830/

阅读原文