加餐:人类的记忆模型-《得到大学》笔记

国内新闻 阅读(1058)

人类记忆有两种方式:

1查找记忆

件,然后根据输入找到相应的输出。

特点是:

快速记忆

保存稳定性

不要混淆

这是我们意识水平的熟悉记忆。恐怕很多人也认为人脑的长期记忆就是这样。

2网络存储器

要记住的第二种方法是构建网络并根据输入直接计算相应的输出。网络的内存不存储在特定位置,而是通过所有权存储在一起。它无法直接查看,输出只能根据输入计算。

在网络中,记忆可以被认为是过度拟合的学习(例如,仅学习这种情况),

学习可以被视为一种普遍的记忆(例如,在记住这三种情况时引入第四种情况)。

根据我们通常的记忆特征,我们可以感觉到有机体的底层使用网络记忆方法。

网络内存显然有很多缺点,为什么不使用查找内存?

实际上,寻找记忆可以更容易记忆信息,例如计算机的记忆,这几乎是瞬间的,但前提是有人必须在所有情况下提供有关它的信息。

在本质上,谁将提供有关该生物的所有情况的信息?寻找记忆不允许你从一组有限的例子中学习来对抗生命的敌人:未知。

不仅如此,对于生活在信息不断增长的环境中的生物来说,寻找记忆也意味着需要几乎无限的存储。

虽然网络内存缓慢且令人困惑,但实际上它正在寻找所见(相似)所有案例的普通法并将其压缩到网络中。它不需要记住所有情况,而是根据输入获取输出,从而节省存储空间。

更重要的是,所发现的通用规则可用于预测前所未有的情况。

遗忘 - 记忆的对立

如果存在仅发生一次的规则,则规则普遍的概率非常低,并且学习该规则的个体难以存活。

但是如果有一个规则反复出现,那么规则普遍存在的可能性就更大,而学习这个规则的个体更有可能存活下来。

因此,在许多人中,有些人开发了基于概率的模型选择机制。

当在高频率下使用网络连接时,它会加强连接的形成(答案:为什么需要重复记?洌?;

但是当网络中的连接以低频率使用时,它会削弱连接的形成(答案:为什么忘记了难以记住的信息)。

这种筛选机制使得难以保留特殊规律的模型,只有那些存在于所有情境中的规律才能通过生物学来学习。

随后,具有这种机制的个体在残酷的自然选择中幸存下来,继续繁衍并成为我们的祖先。

这就是为什么我们必须通过重复记住,以及为什么我们不能轻易记住的信息再次被遗忘。

江地主

1.9

2019.08.17 04: 10

字号923

人类记忆有两种方式:

1查找记忆

件,然后根据输入找到相应的输出。

特点是:

快速记忆

保存稳定性

不要混淆

这是我们意识水平的熟悉记忆。恐怕很多人也认为人脑的长期记忆就是这样。

2网络存储器

要记住的第二种方法是构建网络并根据输入直接计算相应的输出。网络的内存不存储在特定位置,而是通过所有权存储在一起。它无法直接查看,输出只能根据输入计算。

在网络中,记忆可以被认为是过度拟合的学习(例如,仅学习这种情况),

学习可以被视为一种普遍的记忆(例如,在记住这三种情况时引入第四种情况)。

根据我们通常的记忆特征,我们可以感觉到有机体的底层使用网络记忆方法。

网络内存显然有很多缺点,为什么不使用查找内存?

实际上,寻找记忆可以更容易记忆信息,例如计算机的记忆,这几乎是瞬间的,但前提是有人必须在所有情况下提供有关它的信息。

在本质上,谁将提供有关该生物的所有情况的信息?寻找记忆不允许你从一组有限的例子中学习来对抗生命的敌人:未知。

不仅如此,对于生活在信息不断增长的环境中的生物来说,寻找记忆也意味着需要几乎无限的存储。

虽然网络内存缓慢且令人困惑,但实际上它正在寻找所有(类似)情况的共同模式,将它们压缩到网络中,而不必记住所有内容,而是根据输入获取输出。节省存储空间。

更重要的是,找到的共同规则可用于预测从未见过的情况。

遗忘 - 与记忆相反

如果法律只出现一次,那么法律普遍适用的概率非常低,学习这一法律的个人很难生存。

但是,如果有法律反复出现,那么法律普遍适用的概率相对较大,学习这一法律的个人更有可能生存。

因此,在许多个体中,一些人开发了基于概率的模型筛选机制:

当以高频率使用网络连接时,连接的形成得到加强(答案:为什么需要重复记忆);

但是当以低频率使用与网络的连接时,连接的形成被削弱(答案:为什么难以记住的信息将被遗忘)。

这种筛选机制使得特殊法律模型难以生存,只有那些在所有情况下的法律才能被有机体学习。

拥有该机制的个人然后在残酷的自然选择中幸存下来并继续繁衍并成为我们的祖先。

这就是为什么我们必须依靠重复的重复来记住,为什么难以记住的信息会被遗忘。

人类记忆有两种方式:

1查找记忆

件,然后根据输入找到相应的输出。

特点是:

快速记忆

保存稳定性

不要混淆

这是我们意识水平的熟悉记忆。恐怕很多人也认为人脑的长期记忆就是这样。

2网络存储器

要记住的第二种方法是构建网络并根据输入直接计算相应的输出。网络的内存不存储在特定位置,而是通过所有权存储在一起。它无法直接查看,输出只能根据输入计算。

在网络中,记忆可以被认为是过度拟合的学习(例如,仅学习这种情况),

学习可以被视为一种普遍的记忆(例如,在记住这三种情况时引入第四种情况)。

根据我们通常的记忆特征,我们可以感觉到有机体的底层使用网络记忆方法。

网络内存显然有很多缺点,为什么不使用查找内存?

实际上,寻找记忆可以更容易记忆信息,例如计算机的记忆,这几乎是瞬间的,但前提是有人必须在所有情况下提供有关它的信息。

在本质上,谁将提供有关该生物的所有情况的信息?寻找记忆不允许你从一组有限的例子中学习来对抗生命的敌人:未知。

不仅如此,对于生活在信息不断增长的环境中的生物来说,寻找记忆也意味着需要几乎无限的存储。

虽然网络内存缓慢且令人困惑,但实际上它正在寻找所有(类似)情况的共同模式,将它们压缩到网络中,而不必记住所有内容,而是根据输入获取输出。节省存储空间。

更重要的是,找到的共同规则可用于预测从未见过的情况。

遗忘 - 与记忆相反

如果法律只出现一次,那么法律普遍适用的概率非常低,学习这一法律的个人很难生存。

但是,如果有法律反复出现,那么法律普遍适用的概率相对较大,学习这一法律的个人更有可能生存。

因此,在许多个体中,一些人开发了基于概率的模型筛选机制:

当以高频率使用网络连接时,连接的形成得到加强(答案:为什么需要重复记忆);

但是当以低频率使用与网络的连接时,连接的形成被削弱(答案:为什么难以记住的信息将被遗忘)。

这种筛选机制使得特殊法律模型难以生存,只有那些在所有情况下的法律才能被有机体学习。

拥有该机制的个人然后在残酷的自然选择中幸存下来并继续繁衍并成为我们的祖先。

这就是为什么我们必须依靠重复的重复来记住,为什么难以记住的信息会被遗忘。