来源：分析测试百科网

　　博尔赫斯在他的短篇小说《博闻强记的富内斯》中曾塑造了一个“超忆症”患者富内斯，不论是朝霞的形状，水池的涟漪，还是书皮的纹理，他都能过目不忘。然而，这并非是一个值得羡慕的技能，富内斯虽然能轻易地学会几国语言，但最终却坠入了永无止境的细节之中。

　　试想一下，如果我们经历的每一个无关紧要的细节都被深深烙印在脑海中……

　　这显然不会让我们更加聪明。

　　近日，来自CIFAR儿童和脑发育计划资深研究员Paul Frankland以及机器和脑学习计划副研究员Blake Richards发表于Neuron的一篇综述探讨了这个长久以来被我们忽视的问题——大脑正积极地选择“遗忘”。这两位来自多伦多大学的研究人员提出，记忆的目标不是随着时间推移传递最准确的信息，而是通过掌握最有价值的信息以指导和优化智能决策。

　　Richards说：“大脑能够忘记无关紧要的细节，专注现实世界中能帮助我们做出决策的东西，这是十分重要的。”

　　这篇综述考察了与长期记忆和遗忘有关的研究。Frankland表示：“我们从最近的研究中发现，很多证据表明存在促进遗忘的机制，而且与存储信息的机制不同。”

　　如何遗忘？

　　遗忘的机制之一是削弱或消除编码记忆的神经元之间的突触连接。Frankland自己的实验室还发现另一种机制——干细胞中产生新的神经元。随着新神经元整合进海马，新连接重建海马环路并覆盖存储在这些环路中的记忆，使得它们更难获取。这或许能够解释为何孩子们不记事——因为他们的海马产生更多新神经元。

短暂记忆的网络模式

　　为何遗忘？

　　大脑花费如此多的精力创造出新的神经元损害记忆，似乎是违反直觉的。应用人工智能（AI）理论来理解大脑的Richards，希望通过AI的学习原理来寻求答案。使用这些原理，Frankland和Richards提出了一个观点，即人脑中记忆与遗忘之间的相互作用使我们能够做出更加智能的基于记忆的决策。

　　这一过程以两种方式进行。首先，通过遗忘过时和潜在的误导性信息，能够让我们适应新环境。

　　Richards说：“如果你想要环游世界，而你的大脑不断地冒出多个相互冲突的记忆，那么你将更难做出明智的决定。”

　　遗忘促进决策的第二种方式是让我们归纳将过去的事件，以应用于新事件。在人工智能中，这个原则被称为正则化（regularization），它通过创建简单的计算机模型，优先考虑核心信息，消除特定细节，从而进行更广泛的应用。

正则化能避免过拟合风险：左边的模型更加复杂，但与右侧的简单模型相比，却无法更好地预测新数据（绿点）

　　大脑中的记忆以类似的方式工作。当我们只记得重点而非每一个细节时，这种去粗取精的遗忘会创造出简单的记忆，对于我们预测新的经验更为有效。

　　遗忘机制受环境影响

　　最终，这些机制是由我们所处的环境所引导的。不断变化的环境可能会让我遗忘更多。例如，每天遇到很多新人的收银员只会在短期内记住客户的姓名，但是与客户定期会面的设计师能将这些信息记得更久。

　　“我们在哪种环境中选择记忆或遗忘这取决于环境的稳定性以及事物将来再次出现在我们生活中的可能性。” Richards说。

　　同样，研究表明，发生在我们身上的情景记忆比我们日常接触的常识会更快地被遗忘，这印证了那句俗语：用进废退。但是为了更好地做出基于记忆的决策，你最好抛弃那无关紧要的记忆。