记忆的三组分模型

长期记忆有三个主要组成部分：

• 记忆可提取性^[1]决定任一时刻的回忆概率
  
• 记忆稳定性^[2]决定可提取性随时间下降的快慢。每次复习之后，稳定性会增长。
  
• 记忆复杂性^[3]决定稳定性在复习中增长的难度。
  

用 SuperMemo^[4] 的术语来说的话，三组分模型如下所示：

• 可提取性^[1]决定复习评分（可提取性高意味着回忆率高，而评分也高）
  
• 稳定性^[2]决定复习间隔（稳定的记忆能历经多年而不忘）
  
• 复杂性^[3]决定建立稳定记忆的难度（条目^[5]难度高）
  

在 SuperMemo 中，我们遵循最小信息原则（即尽可能降低记忆复杂性），努力取得高评分（可提取性），使用长间隔（稳定性）。

长期记忆的三组分模型是在记忆的双组分模型^[6]的基础上扩展的。前两个记忆组分运作于突触层面上：可提取性^[1]和稳定性^[2]。复杂性^[3]是网络层面的组分，指的是形成记忆所涉及的突触模式的复杂性。

还有许多与记忆存储有关的变量没有包含在三组分模型中。例如睡眠倾向的自稳态^[7]和昼夜节律组分，这些成分在网络层面上影响记忆的编码和提取。

在 SuperMemo 的 SM-17 算法^[8]的语境下，三组分模型亦可称为 DSR 模型（即难度 D、稳定性 S 和可提取性 R）。

图：示例知识片段^[5]的记忆状态随时间的变化。横轴表示跨越整个重复历史^[9]的时间。顶部面板展示了可提取性（为了便于分析，进行十次方变换，R^10）。灰色的可提取性网格标记了 R=99%, R=98% 等标签。中部面板用深蓝色展示了最优间隔。复习日期由蓝色垂线和浅蓝色标签标记。最优间隔的末端对应的 R 为 90% 左右，由红色垂线标记（仅当实际复习间隔大等于最优间隔时）。底部面板可视化了稳定性（为了便于分析，以 ln(S)/ln(days) 的形式展示）。该图表指出 ，可提取性在最初几次稳定性很低时的复习^[10]中下降得很快（指数型）。然而在第 7 次复习后，经过十年时间，可提取性从 100% 只下降到了 94%。所有的数值都来自实际的复习历史和记忆的三变量模型。

图：记忆复杂性说明了最小信息原则的重要性。在记忆简单的问题和答案时，我们可以依靠简单的记忆连接，并在复习时统一刷新这种连接。对于复杂记忆，其概念激活得可能不完整，或是顺序因上下文而不一致。因此，在复习时很难让记忆稳定性均一增长。复杂的项目是很难记住的。简单项目的一个例子是词对，例如「苹果=pomo」（世界语）。虽然为了认识一个苹果可能需要建立复杂的联系网，但「苹果」和「pomo」之间的联系是不可简化的（即最大限度的简化）

Thoughts Memo 汉化组译制
感谢主要译者 Jarrett Ye
原文：Three component model of memory - supermemo.guru
本术语表条目用于解释《间隔重复的历史》（2018 年 6 月）作者：彼得·沃兹尼亚克

← 返回目录