來自美國高級研究院、埃默里大學及以色列魏茲曼科學研究所的研究團隊，開發了一個新的數學框架，以理解人類如何在記憶中儲存有意義的敘事。
他們的研究方法使用隨機樹，這是一種可以表示分支結構的數學對象，來模擬人們如何記住故事。
研究的主要作者指出，目標是建立一個針對複雜材料故事的人類記憶的嚴謹理論。該研究發表在《物理評論快報》上，結合了數學、計算機科學和物理學的概念，探討敘事中的事件和細節在大腦中的聯繫。
研究人員發現回憶故事的可預測模式
儘管許多科學家認為敘事過於複雜，無法形成統一的數學理論，但最新的研究顯示情況並非如此。根據高級作者 Misha Tsodyks 的說法，儘管故事的複雜性，回憶這些故事的過程中存在統計模式，可以用幾個簡單的基本原則來預測。
研究人員在摘要中提到：「我們引入了一個隨機樹的統計集合，將敘事表示為關鍵點的層次結構，每個節點是其後代葉子的壓縮表示，這些葉子是原始敘事片段。」
Tsodyks 和他的團隊通過在 Amazon 和 Prolific 招募的超過 100 名參與者進行在線回憶實驗，測試了他們的隨機樹記憶模型。團隊使用了 11 個不同長度的敘事，從 20 到 200 句，這些敘事最初由美國語言學家 William Labov 編輯。參與者被要求回憶這些故事，研究人員分析了他們的回應，以檢驗他們的理論是否成立。
隨後，團隊使用 Labov 在 1960 年代錄製的口述敘事，並利用現代工具如人工智能和大型語言模型分析大量數據。
研究人員發現，人們經常將整個故事的情節總結為單一句子，這導致了敘事在記憶中以樹狀結構存儲的結論。在這個模型中，靠近根部的節點代表更廣泛的總結，而更詳細的事件則向外分支。
大腦以數學可預測的樹狀結構儲存敘事
研究的作者認為，當某人第一次聽到或閱讀一個故事並理解它時，他們的大腦會構建一個樹狀結構來表示該敘事。由於每個人對故事的解釋不同，因此每個人的記憶樹具有獨特的結構。
為了測試這一觀點，Tsodyks 和他的團隊創建了一個基於特定結構的隨機樹集合的模型。他們發現這個模型可以用數學解決，其預測與實驗數據相符，主要見解是所有有意義的材料，如敘事，可能以類似樹狀的方式在記憶中表示。
研究人員現在認為，他們的發現對理解人類認知有更廣泛的啟示，因為敘事是人們理解個人經歷以及社會和歷史事件的常見方式。
此外，這些發現還突顯了將數學模型與人工智能技術結合的潛力，以更好地研究有意義的信息如何在記憶中儲存和組織。
日本電話卡推介 / 台灣電話卡推介
一㩒即做：香港網速測試 SpeedTest HK
