注：本文提及的系统论来自杰拉尔德·温伯格的《系统化思维导论》
引入
记忆是我们都有一种能力。从背唐诗宋词，到记忆化学元素、数学公式、物理定律，都离不开记忆。当然，记住别人的面孔、钢琴的指法、游泳的动作等等，也是记忆的范畴。本文谈及的记忆，是我们的意识直接参与的记忆，又称外显记忆。为了方便我们对记忆进行观察研究，还需要把范围进一步缩小到陈述性记忆——这种记忆可以通过语言传授，也能通过语言来测试。
研究方法
黑箱观察
先让我们思考一下，假如让实验对象先记忆一段信息，然后在一段时间后进行记忆测试，我们能观察到什么？
- 谁在记忆？（记忆者）user
- 记忆什么？（记忆材料）content
- 离上次记忆过去多久了？（记忆间隔）time
- 记得怎么样？（记忆结果）result
以上四个变量的任意取值组合，构成了我们每次观察到的记忆状态 (state)。
state = <user, content, time, result>
让我们看看这四个变量，记忆者、记忆材料和记忆间隔的定义域是十分广阔的，而记忆结果却只有记住/遗忘两种取值。并且在同样的记忆者和记忆材料、记忆间隔的条件下，记忆结果只有一种取值。
如果我们把记忆者和记忆材料、记忆间隔作为自变量，那么想要写出记忆结果关于这些自变量的函数，除了完全复制、罗列实验结果，别无他法。这显然是没有用的模型，没有一点泛化能力。
result = f(user, content, time) = ?
该怎么办？有没有觉得这种观察结果和物理中的某种现象很相似？薛定谔的猫！反射性元素的衰变！
单个反射性原子的衰变发生是随机的，无法预测。但是作为一个整体，它们的规律就变得明确起来。
那么，我们把记忆也看成一个群体吧！
但是，请不要着急。别忘了在研究放射性元素半衰期时，物理学家有办法把同位素区分出来，也就是说，这个整体是同质的。
然而记忆是同质的吗？在我们的上述观察中，记忆者、记忆材料、记忆间隔以及对应的记忆结果具有不可再现性。如果我们对同一个记忆者、记忆材料、记忆间隔再次重复测试，由于记忆者已经记过一次同样的材料，两次实验已经不再是以同样的条件进行了。
condition1 = <user1, content1, time1>
condition2 = <user1, content1, time1>
condition1 != condition2
换句话说，我们无法在多个平行宇宙中让同一个记忆者在相同的记忆间隔下记忆同一份材料并获取观察结果。我们无法做一个完美的观察者，我们对记忆的任何观察都会参与到这个系统中，产生影响。
整体法的思路似乎破产了。但是，请让我们回到记忆状态上来，思考一下，用记忆者和记忆材料来对记忆状态做区分是否对我们的研究很重要？记忆的结果与记忆者和记忆材料，从直觉上来看，是相关的。但是我们想要研究记忆的普遍规律，就应当作出一些泛化。所以，让我们暂时忽略这些区别吧！
state = <time, result>
忽略了这些区别后，我们可以开始应用整体法了，而其中最有力的武器就是统计。如果我们将整体中的 标识为保留率 (retention)，那么我们就能研究保留率与记忆间隔之间的关系。
但是这依然没有完全解决 condition1 != condition2 的问题。或许忽略了记忆者和记忆材料，但是对于测试不同次数的记忆来说，它们的状态依然是不同的。也就是说，我们需要考虑到这些测试事件之间的影响。为了解决这个问题，我们需要引入一个隐变量，将测试对状态的影响考虑进来。
//TODO
白箱建模
光通过黑箱观察，我们是无法脱离已观察到的数据的。想要对记忆系统进一步深入理解，我们需要建立一个模型。这个模型绝不是对已观测数据的简单复制，而是通过建立几个基本组件，来模拟记忆系统的行为。
//TODO
系统特征
随机性
记忆就像衰变，同一时间、对同一信息的记忆测试结果只有记住与遗忘两种情况。只有当记忆测试的量达到一定程度才会显现出统计上的规律。我们可以把对记忆的测试视作对一个二项分布进行抽样，然后统计样本的均值来估计这个二项分布的概率。
开放性
由于观察一个人是否记住了某个信息，需要进行测试。测试会改变记忆的状态。也就是说，对记忆的纯粹观察是不存在的，任何对记忆的观察都会参与到记忆系统中。
也就是说，记忆是一个开放系统。对记忆进行观察的我们同时还是记忆系统所处环境的一部分。