查兰·兰加纳特：人类记忆、想象、既视感与虚假记忆

你走进厨房,站在冰箱前,脑子一片空白。你明明是为了拿某样东西才来的,但那件东西从脑子里蒸发了。你原地转了两圈,最后随便抓了瓶水回去。刚坐下,你想起来了:我是去拿手表的。

Charan Ranganath(查兰·兰加纳特)用这个几乎人人都有的经验,讲出了记忆最底层的架构。这跟注意力涣散没关系,也跟上了年纪没关系。你从客厅跨进厨房的那一步,大脑把整个当前情境模型换掉了,旧模型丢在原地,新模型从零开始。你要找的那个念头,锁在上一个房间里。

他是 UC Davis 的神经科学家,研究记忆三十年,写了《Why We Remember》这本书。这期播客里,他把记忆从“录像带”的神话里拖了出来,还原成一台极度经济、极度务实、偶尔翻车的预测机器。

记忆回放只是错觉,大脑每次都在重新采样

丹尼尔·卡尼曼(Danny Kahneman)区分过“体验自我”和“记忆自我”。决定一个人幸不幸福的,往往是他事后记住了什么,他当场经历了什么反而排在后面。

Ranganath 本科在伯克利上过卡尼曼的课,那会儿卡尼曼还没拿诺贝尔奖。他说那门课把他震住了。

我们正在进行的这场对话,你事后大概十分钟就能讲完。但你讲出来的东西,和实际发生的完全两回事。记忆里没有对经验的重播,它是另一种东西。(Charan Ranganath)

它偏向开头和结尾,偏向峰值,偏向最好和最坏的那几段。中间大段平庸的过程,直接被扔掉。这听起来像缺陷,Ranganath 却认为这种偏见恰恰有生物学意义。

因为大脑从来不为过去服务。过去已经结束了。大脑真正优化的目标,是从过去里挑出对理解现在、预测未来最有用的部分。所以它必须筛,必须扔,必须留下那些能帮你下次活下来的碎片。

预测错误,才是学习真正发生的地方

他说我们每天都在做“日常算命”。

你去看一场演出,你知道乐队会迟到,知道散场前一定有安可,知道前排会有无数人举起手机。这些预期在你还站在门口的时候就已经生成。这是记忆在替未来排练。

大多数时候这些预测是对的,对到你根本意识不到自己在预测。一旦它错了,信息就来了。

信息论里,信息就是你原本没有的东西。我们基于记忆做出预测,而错误发生的地方,才是全部的动作所在。(Charan Ranganath)

这句话把记忆的定位彻底翻转了。它背上背着“保存”的包袱,真正的活儿却是让你错得越来越少。它是一套不断被现实修正的模型,修正的触发器就是惊讶。

为什么疫情那几年,你几乎想不起任何具体的事

播客里有一段特别扎人的观察。

疫情期间,所有人困在家里,对着同一块屏幕,见同样的人,做同样的事。Ranganath 说他那段时间几乎没有任何值得调取的记忆。事情当然发生过,只是它们太同质了。

他后来把这条经验变成了生活原则:刻意去做那些能留下记忆的事,哪怕过程很麻烦。

体验自我会在过程中受苦,但记忆自我事后会说,天哪,我真高兴我做了这件事。(Charan Ranganath)

他小时候家里条件一般,父母很辛苦,很少旅行。现在他尽可能带孩子去有意思的地方。理由非常功利:那些才是你事后能取出来的东西。

他还给了一个更狠的版本:受苦本身没有意义,除非你能从中拿到一个故事。他讲了自己一次桨板濒死的经历,水流、暗流、朋友被冲走、他被卡在一堆金属格栅下面,几乎死在那儿。事后这件事被讲了无数遍,每讲一次版本就更好一点,最后变成了他和那位朋友之间最牢固的连接。

而他从那次经历里真正学到的东西在另一层:他对自己临场解决问题能力的估计,一直低于实际水平。

青春期比前三岁更关键,这话跟主流说法相反

关于“三岁定终身”,Ranganath 明显不买账。

我觉得青春期被严重低估了。很多精神疾病都在这个阶段开始显现,精神分裂症现在被看作神经发育障碍,因为它的发病窗口就落在青春期到成年早期。(Charan Ranganath)

他还修正了自己一个说法。他原本在书里写“记忆决定你是谁”,后来觉得太绝对。自我是一个持续演化的构造物,它的可塑性被大大低估了。

做父母的人容易有错觉,觉得自己的每个决定都在雕刻孩子。Ranganath 说父母确实有影响,同龄人的影响同样巨大,学校教育的核心价值也不在知识点上。回想一下你在学校学过的那些蠢东西,早忘了。真正留下来的是怎么跟人相处,以及搞清楚自己是个什么人、怎么运转。这部分甚至可能是创伤性的,哪怕你有一对完美的父母。

三岁前的记忆去哪了:路已经全被重铺了一遍

婴儿期遗忘(infantile amnesia)覆盖前两年,童年期遗忘(childhood amnesia)覆盖之后的两年,那段时间的记忆极其碎片化。他给了三个解释。

一是海马体还在发育。海马体是形成情景记忆的关键结构,它需要时间。

二是皮层可塑性太强。他打了个机器学习的比方:你训练一个网络,喂给它最初几个样本,然后接下来几年用海量数据狂轰滥炸,再想让网络还原最初那几个样本的激活模式,做不到。神经活动的分布式表征虽然还在,通往它的路已经被彻底改道了。

三是孩子的自我感还没成形。他们的学习更像是“知道发生了什么”,缺少“我记得,我当时在场”这种第一人称的在场感。那种在场感本身是一项需要发展的能力。

Lex 提了一个更浪漫的猜测:会不会是因为那几年的预测误差率高到离谱,大脑主动把那段混乱封存了。Ranganath 不认同“创伤”这个词。他说那几年确实一切都在变,婴儿头三个月在发现自己的脚趾,但你去看孩子,他们对世界有一种极端的开放和好奇。预测误差对他们算不上痛苦,那是信息源。

人生每个阶段都“最优”,只是优化的目标不同

这是他整期访谈里论述最完整的一段。

前额叶皮层负责把注意力锁定在长期目标上,它在人类身上发育极慢,连接一直调整到青春期晚期和成年早期。然后大约有十年黄金期,之后开始下滑。

所以他以前坐在情景记忆的讲座里总在想:为什么人类只有一个那么短的最优窗口?

后来他把“最优”重新定义了。在人类大部分历史里,这是一套分工。

年轻成年人有孩子,是村落的一部分,要打猎采集,要完成事情。这时候你需要一个强前额叶,锁住大局和长线目标。

小孩在村落里到处乱晃,有安全保障,需要学的东西极多。这时候最好的策略是探索、玩耍、学习。你不该有一个绷得太紧的前额叶,因为你连目标应该是什么都还不知道。用一个错误的目标去训练模型,训不出好东西。

老年人呢?Ranganath 引了艾莉森·高普尼克(Alison Gopnik)的说法,然后自己去查了资料。在大多数社会里,年长者的工作已经不再是形成新的情景记忆,而是把已有的语义记忆,也就是关于世界的知识,传给下一代,把文化传下去。

即使在今天的原住民文化里,这也是长者的角色。他们被尊重,不会被看作过气的人。记忆在生命的每个阶段,都在做它该做的事。(Charan Ranganath)

他举了虎鲸。虎鲸是另一种有明显更年期的动物,鲸群由祖母带领。不同鲸群有不同的传统,捕不同的猎物,有不同的玩耍方式。那是文化。传递文化的是祖母,父母排在后面。

遗忘的三种机制,和“检索失败”这个最像 AI 的答案

记忆没有存在某个抽屉里,它分布式地躺在一大池神经元里,多段记忆共享同一批神经元。这带来三种遗忘。

一种是竞争。重叠的记忆互相挤占,有些就被挤没了。

一种是缺少生物信号。有些化学信号能让突触变化固化下来,没有它们,记忆留不住。

一种是他最看重的:检索失败。

神经网络里没有一个地方写着“这是那段记忆”。整张网络的权重里装着整个记忆生态系统。你喂进去什么,就能取出什么。(Charan Ranganath)

Lex 接过话:所以你得有正确的 query,正确的 prompt。

Ranganath 说完全正确。同一段记忆,换一个线索,可能就调不出来。这也解释了为什么气味和音乐能突然把人拽回十几年前,它们是最强的那种 query。

大脑只用 12 到 20 瓦,所以它必须小气

他反复强调一句话:less is more。

人脑一天的功耗大约是 12 到 20 瓦,一个灯泡的量级。在这么低的预算下,唯一的出路是复用已有信息。这也是为什么大脑没有设计成“什么都记”,它设计成“在关键时刻记”。

关键时刻由神经调质标记。去甲肾上腺素、多巴胺、血清素,这些化学物质在惊讶、恐惧、压力、动机强烈的时刻释放,作用是给当时的神经活动盖一个戳:这段优先保存。

所以他反对“记忆可以训练成记得更多”这个想法。

你不需要记得更多,你需要记得更好。意思是把注意力放在真正重要的东西上。(Charan Ranganath)

他搬出艾宾浩斯(Ebbinghaus)。一百多年前那个人拼命背无意义的音节,一天之内忘掉 60%。到现在也没人能推翻这个基本盘。如果你的目标是“什么都记住”,那你一开始就设错了,人类大脑根本没往那个方向设计。

专家和新手的差别,在额叶不在眼睛

他讲了一个自己实验室的研究。他们造了一批极其古怪的虚构物体,让人训练成识别专家。

视觉研究者喜欢说一切都在视觉皮层。结果却显示,随着人变成专家,活动增幅最大的区域是前额叶。

这和国际象棋专家的研究对得上。学到的并非被动地记住图案,而是学会该看哪里,学会什么重要什么不重要。职业运动员也一样,他们看的是三步之后的位置。这些都是被训练出来的注意力,也就是专家级的记忆技能。

Lex 提到记忆宫殿和间隔重复。Ranganath 认为这些方法没有魔法,本质都是组织。

他用了便利贴的比喻。你的桌上贴满黄色便利贴,其中一张写着你的银行密码。慢慢找吧。如果那张是亮粉色,一眼就能看到。这就是“独特性”的作用。另一种办法是分类:财务一摞,待办一摞。你要银行密码,直接去财务那摞。

记忆宫殿之所以有效,是因为它提供了一个预存的结构。你对童年住所有极强的空间记忆,把任意信息塞进不同位置,走一遍路线就能全部取出来。有人认为情景记忆本身就是从空间导航能力演化出来的,这个演化论证对不对另说,方法的有效性是真的。

不会视觉化的人可以用故事。记忆运动员记一副牌,会给每张牌一个编码,然后串成一个故事。歌也行。他还能唱出《Cheers》里那首关于阿尔巴尼亚的冷门歌,因为当年在电视剧里听过。

记名字难,因为名字本身没有意义

Lex 说自己记名字极差,一介绍就大脑空白,因为社交焦虑把注意力全占了。

Ranganath 说他也一样。

你记住一个名字的时候,其实不在记名字。你在把名字和一张脸、一个身份绑在一起,这本身是件极度任意的事。(Charan Ranganath)

几百年前叫 Miller 的人可能真的磨面粉,那还有东西可抓。现在大部分名字是纯符号,大脑并不擅长学无意义的任意配对。

办法只有一个:人为造连接。

他现场给 Lex 造了一个。Lex Luthor,光头,超级反派。虽然 Lex 不光头,这条关联一旦建立,网络就变厚了。他也说了另一半:如果他先读过“John Smith”的论文,再在会议上见到这个人,名字一下就记住了,因为提前存在一个可以挂东西的网络。

间隔重复的代价:你得到了知识,失去了那个下午

这一段是整期节目里技术上最有意思的细节之一。

Lex 每天用 Anki,那个做间隔重复的软件。方法很简单:刚学的东西频繁复习,之后间隔逐渐拉长到一周、一月、一年。几万张卡片,每天三十分钟就能维护。

Ranganath 解释了它为什么有效,也解释了它拿走了什么。

你现在这场对话,被编码时会绑定大量上下文:这个房间、这些吉他雕塑、那盏大伞灯。过一段时间你在家喝啤酒,想起这场访谈,当前的上下文和记忆里的上下文对不上,产生误差。他的计算模型认为,大脑会因此把绑定具体时空的部分擦掉或减弱,同时强化内容本身。

结果就是,你在越多不同的时间地点回忆同一件事,它就越不依赖某个特定场景,也就越通用。用他的原话,它不会被“过拟合”到某一个上下文上。

这也是为什么我们调取最多的那些记忆,感觉上更像是读到过的东西。你不再生动地重新体验它们,它们就像事实一样直接出现。(Charan Ranganath)

反过来,你闻到一种气味,听到一首歌,走到一个很多年没去的地方,某段记忆会整块砸回来。那是间隔重复的反面:极度绑定上下文,极度鲜活,极度不可移植。

所以间隔重复适合语言、事实、语义类知识。你换来了通用性,付出了现场感的代价。

反复读没用,考自己才有用,因为错误才是学习信号

他提到发表在《PLOS Computational Biology》上的模型,讲“测试效应”(testing effect)。

学西班牙语单词,考自己比反复看效果好。传统学习理论觉得这很奇怪:为什么要给自己制造错误,直接输入一份完美的复制品不好吗?

他的解释是,错误产生了不匹配,不匹配暴露了哪些连接是坏的。

这在概念上和神经网络的反向传播很像。你把好的连接和坏的连接都暴露出来,保留有用的,丢掉没用的。如果你不做压力测试,误差根本没被充分暴露。(Charan Ranganath)

所以他给了一条听起来反直觉的建议:如果你感觉自己在轻轻松松地滑行,那你其实没在学。学习应该一直发生在能力边缘。

这也解释了为什么考自己会让人沮丧。你会想,天哪,我以为我会了。这种挫败感会持续到你接受它为止。就像演电影不能光坐着读剧本,你得真的演,而且会念错台词。

一起扛过事的人,记忆会合并

他提到一个由临床背景带来的视角。心理治疗里很大一部分工作是重新框定,让人用另一种方式看过去。那里没有修改记忆,也没有强加解释,只是提供一个不同的角度,也许更偏向学习,偏向感激。

Lex 提到《路易不容易》里那段。Louis CK 为分手痛苦,一个年长的人告诉他,心碎其实是最好的部分,因为你在那时候最强烈地感受到这份爱有多贵重。最糟的是忘掉它的那一天。

Ranganath 接了一句:所以你觉得“心碎的人”比“孤独的人”更好?

Lex 说是的,他得再去听几首 Bruce Springsteen 才能确定。

50 岁以后,他开始计算还剩多少记忆要带

他说过了 50 岁,他经常想到死亡。前面剩下的年头大概比身后的少了。他反复想的问题是:接下来这段时间,我想带着哪些记忆走。

他讲了一位佛教徒的说法。佛教的核心是放下执着,但怎么放下对亲人的执着?那位佛教徒的答案是:我很珍惜和他们共处的这一刻,而知道他们终将死去,让这一刻更珍贵。

Lex 说他每天冥想死亡,但他对“从世界中抽离”这件事是犹豫的。

Ranganath 把话题引向《薄伽梵歌》。印度教的思路里,行动不用放弃,要放弃的是行动的果实。你做一件事,不因为它带来什么结果,而因为过程本身是世界秩序的一部分。

我时不时会想这个,放下“这本书能不能卖好”、“能不能让你笑”这类念头,就只是分享信息,认识你这个人。这很难,因为我们太被结果驱动了。(Charan Ranganath)

疫情期间,日子变慢,一周却飞逝

他做过一个非正式调查。线上课时问学生:你觉得日子过得比平时慢、快,还是差不多?几乎所有人都说慢。再问:那一周一周呢?多数人说快。

物理上这不可能。按记忆的逻辑,它完全成立。

每天都在同一个场景做同样的事,没有上下文变化,整周就是一段漫长单调的事件。等到周末回头看,你想不起任何具体的东西,于是这一周“没被注意到就过去了”。它和一段充满事件的假期花的时间一样长,在记忆里却几乎为零。

这也是时间压缩的来源。你问一小时前和两小时前差别多大,人会说差别很大。你问一年前和一年零一小时前,差别几乎感觉不到。越往前看,压缩越厉害。所以 50 岁和 45 岁的差距,感觉上远不如 10 岁和 5 岁。

怀旧最初是一种病

这个词是瑞士医生造出来的,研究对象是受创伤的士兵。当时的定义是:回忆过去的样子,让人陷入极度的不幸之中。

Ranganath 说这东西很复杂。对年纪大的人,怀旧可以是巨大的快乐来源,能立刻改善情绪。它也可能走向反面:那些日子太好了,而它们已经结束了。

美国以前多伟大,现在不行了。我小时候多好,现在不是了。你不觉得我们的记忆自我有多么挑食。(Charan Ranganath)

他自己经历过 70 年代。他说那会儿挺糟的,油价排队,担心苏联,担心核战。他半开玩笑地说,可能对他个人更糟一些。怀旧如果只让你当下开心,那没问题;如果它收窄了你对当下的认知,而你又意识不到这种偏见,那在个人层面和集体层面都是有毒的。

既视感:地图换了皮肤,海马体认出来了

大约 75% 的人报告过既视感。他课堂上现场调查,多数人有。

这跟癫痫研究的历史绑在一起。休林斯·杰克逊(Hughlings Jackson)很早就注意到,有些癫痫患者在发作前会有极强烈的既视感。后来怀尔德·彭菲尔德(Wilder Penfield)在做脑部手术定位时,电刺激颞叶可以直接诱发这种感觉,甚至诱发完整的记忆回放。

他更喜欢的解释是这样的:高级皮层区域在整合大量输入时会不断调谐自己。你进入一个熟悉的环境,眼睛不用到处扫,因为大脑大概知道东西在哪。这种流畅感本身,就构成“我来过这里”的体验。

安妮·克利里(Anne Cleary)在科罗拉多州立大学做了一组漂亮的实验。她让人先在虚拟博物馆里走一遍,再进入一个虚拟街机厅。两个场景的地图完全一样,只是换了皮肤,地毯、颜色、主题全不同。

大多数人意识不到两者是同一个布局,却会报告强烈的既视感。

所以这是一次部分匹配,勾起了熟悉感,但不足以触发完整的回忆。癫痫患者身上,这个机制被异常激活,就出现了那种人造的熟悉。(Charan Ranganath)

他顺带讲了一个更日常的版本。你听到 apple 这个词,大脑处理得非常顺畅,因为见得太多了。你听到 rutabaga,大脑要多费点劲。这两者在颞叶引起的活动模式不同。既视感就是这个效率机制的一个副产品,一次过度的调谐。

虚假记忆不需要催眠,只需要一个你信任的人反复说

他先否定了真假的二分法。

我喜欢说,没有所谓真记忆和假记忆之分。就像 Johnny Rotten 说的,我不相信假记忆,就像我不相信假歌一样。(Charan Ranganath)

记忆里既有真实发生的碎片,也有你的推断和理论。就像科学家收集数据,但得用理论去解释数据。

所谓虚假记忆,起点往往只是填空。他举了个例子:一个故事里有人担心自己得癌症,去看医生,医生说“情况和你担心的差不多”。事后很多人会记成“医生告诉他得了癌症”。这是把意义注入故事的小失真。

真正失控的版本是这样的:你记得某个事件,我告诉你一些关于这个事件的额外信息。你下次回忆时,会把原本的信息和我说的混在一起。如果你分辨不出哪个来自哪里,我给你的信息就混进了你的原始故事。再来一轮误导,再来一轮,最后你的记忆和实际发生的事彻底脱钩。

更极端的情况,可以给一个人植入一件从未发生过的事。诱导他反复回忆,他会不断调取其他经验的碎片来填补,最后缝合出一段生动的记忆。他记住的其实是“努力回忆”这个动作本身,然后把动作拼成了一个错的故事。

伊丽莎白·洛夫特斯(Elizabeth Loftus)是这个领域的开创者。

一次回忆就成了“我们的记忆”,然后像病毒一样扩散

Lex 说,这套机制在集体层面同样成立,这正是有效宣传机器的目标:在几万、几百万个头脑里制造同一段虚假记忆。

Ranganath 说完全对,人类记忆的所有弱点,一旦进入社会互动就会被放大。社会传染(social contagion)指的就是这个:错误信息像病毒一样传播。我听你讲了一个事件,我加了一点错的信息,那点错的信息就变成了你故事的一部分。

一旦你和我共享一段记忆,它就不再是你的记忆或我的记忆,它是我们的记忆。(Charan Ranganath)

而且你越信任一个人,或者那个人权力越大、声音越响,他在这个叙事里的份量就越重。

他举了个政治操作的例子。约翰·麦凯恩和小布什初选时,有过那种民调电话,问题里直接嵌入了关于麦凯恩的不实信息,问“你怎么看他想要做某某事”。结果受访者事后真的相信他有那些政策立场或私人问题。

有意思的是,使用 misinformation 的那些人,比研究这些效应的科学家还走在前面。(Charan Ranganath)

他还讲了阮越清(Viet Thanh Nguyen)的书。这位越南移民战后被带出越南,后来回去问家人关于战争的事。家人管那场战争叫“美国战争”,不叫“越南战争”。Ranganath 说他当时被震住了。当然要叫美国战争,因为美国来了。这是从他们的视角出发的,而那个视角完全成立。

他由此提出一个方案。如果一群人里有特别强势的叙述者,整个群体会记住更少的东西,更多只记住那个强势者说的版本。反过来,如果群体足够多元,每个人都获得说话的机会,每个人的独特贡献都被认可,那么这个群体产出的记忆更准确,信息量更大。

两个背景非常相似的人,只要能真正欣赏彼此的独特贡献,也能从记忆里挖出更多东西。我认为这是我们在现代世界给自己接种疫苗的方式。但和其他一切一样,它需要你对不适有一定的容忍度。(Charan Ranganath)

而人在时间紧、压力大、疲惫的时候,最没有容忍不适的余量。这句话解释了社交媒体为什么那么难改。技术提供了让所有人发声的可能,人却自然地往同温层里聚。

他担心的从来是人,不是 AI 本身

他在访谈里说得很直白:我关于 AI 的一个恐惧,跟 AI 会做什么无关,真正让我不安的是人会做什么。

他拿邮件自动补全举例。他开始用之后发现,大约三分之一的情况是“这根本不是我想要的”,三分之一的情况是“这正是我想说的”,还有三分之一是“行吧,够好了,就这么发”。

他说这个观察让他后背发凉。技术没有强迫你做任何事,它只是把你原本想说的话,渐渐收窄成它建议的那几个选项。你的表达被挤压,而你毫无察觉。

所以我关于记忆学到的一切,几乎可以浓缩成一句话:多样化你的训练数据。(Charan Ranganath)

人类本来有能力比任何生成式 AI 都更有创造力。但如果人越来越不能忍受不适,越来越不愿接触新奇、不愿面对认知失调,那这个能力会朝反方向退化。他把这条路指得很清楚:一边是更丰富的世界模型,一边是越来越窄的自动补全。

多巴胺不是快乐分子,是“想要”的燃料

他们聊到人类到底有没有比五十年前、一百年前更幸福。Lex 说生活更好了,这一点毫无疑问。Ranganath 认了生活更好,但对“人更幸福”持保留意见。

他的根据在强化学习里:如果一个奖励和你预期的一样,你几乎学不到东西。你只在期望被偏离时才学习。工资每月照发,你连激动都不会有。被降薪你会暴怒,被加薪你会高兴一阵。这就是享乐跑步机。

我们天生就是被设计成去争取,而非被设计成满足。是“想要”的状态在驱动我们。(Charan Ranganath)

他提到了多巴胺。大众语境里多巴胺是“快乐化学物质”,有大量研究表明它跟快乐关系不大,它关联的是那个让你坐不住、非要去拿点什么的不适感。多巴胺被剥夺的动物,你给它奖励,它也会吃,看起来也挺享受,它不会为了得到奖励去做任何事。

他自己实验室的一个发现正好印证这点。一位博后 Matthias Gruber 做了个实验,给人看冷知识问题。人越想知道答案,多巴胺相关回路的激活就越高。而那个激活来自问题本身,答案还没出现。真正让人兴奋的是那个信息缺口,获得答案只是顺带。

这取决于你怎么用这份不适。你可以拿它当燃料,也可以拿它当理由,说我不想听这个,它跟我的信念不一致,我要回我的回音室。(Charan Ranganath)

差异就在这里。同一个神经机制,一个走向好奇,一个走向封闭。

虚假供述的配方:喂信息、造压力、来个权威

Lex 把话题转向刑事司法。他说《1984》里,酷刑能让人说出任何话,甚至真的记住任何事。

Ranganath 说这段历史很长。你去查“the third degree”这个词,它原本指的就是一整套高强度殴打、饥饿、肉体折磨,用来逼人开口。

关键结论是:这类手段产出的是审讯者想听的话,事实排在后面。

他拆解了这个机制。第一步,一个权威人物告诉你,你做了这件事,我们有证人。你开始怀疑自己。第二步,施加压力,不让你吃饭,让你冷,放你受不了的音乐,压力会下调前额叶的功能,你监控信息准确性的能力开始变差。第三步,态度突然变好,“我知道你记不清,但或许我们可以一起走走,看看当时可能是怎么回事”,然后把信息喂给你。

你在一个被削弱的精神状态里,被一帮人鼓励着去想象,而他们给你提供了一个听起来合理的剧本。到了一定程度,某些人非常容易被引导出一段从未发生过的记忆。(Charan Ranganath)

他提到有些案例里,一名警长最后真的相信自己有过性侵的记忆,而客观证据后来证明他没做过。有些认罪的人根本没犯罪,多年后被证据推翻。

他把配方总结成一句话:把你想让他记住的信息喂给他,把他压垮,让一个权威人物不断灌输,或者给他足够的动机去产出那个信息。时间够长,你就能拿到你想要的。

心碎、遗忘,以及一只死在四岁的猫

Lex 问了个带着玩笑的问题:为什么我们记住心碎,又为什么忘掉它,替一个朋友问的。

Ranganath 说这题很难。一部分原因是我们会反复回到情绪最剧烈的那些时段。记忆本来就为抓取有生物意义的东西而设计,而依恋对人类来说极其有生物意义。心碎往往还伴随信念的剧变,比如对方出轨,或者大量的后悔和反刍。

然后他讲了自己的事。他的第一只猫是结婚礼物,四岁时死于 FIP。那之后他在家里到处都能看见她。后来又养了猫,养了狗,狗死于癌症,猫最近也走了。他说他现在还会看见那条狗在家里。

但那些死去的宠物,我都还记得。它就是会回来找你。这是这件事的一部分。(Charan Ranganath)

他还从临床背景里带出一个视角。心理治疗里很大一部分工作是重新框定,让人换个角度看过去。那里没有改写记忆,也没有强加解释,只是给出另一种可能更利于学习和感激的视角。

Lex 回到《路易不容易》那段。Louis CK 为一个女人的离开痛苦,一个年长的人告诉他,那其实是最好的部分,因为你在那时候最强烈地体验到这份爱有多值钱。最糟的是你忘掉它的那一天。

拥有过又失去,失去的那一刻反而是感受最深的时刻。这个角度有点奇怪,它把“没有”变成了重新体验“有”的机会。

回忆过去,能改变你现在是谁

Dan Schacter 实验室有个实验他很喜欢。让人回忆自己做过的某件利他的事,或者想象自己做某件利他的事,之后这个人就更愿意帮助别人。

心理时间旅行能改变你此刻是谁。

我们倾向于用很决定论的方式看记忆,觉得我就是我,因为我有这段过去。但我们的过去是多面的,你可以调取不同的部分,并且根据你伸手去够的是哪一块,在当下变成不同的人。(Charan Ranganath)

他说这对他个人也是把双刃剑。有时候一首当年打球前常听的歌,会打开一个你此前觉得根本不存在、不属于你的自己的隔间。那里面可能有很多暗的东西。

这也回到了他一直在打的那个靶子:稳定性的错觉。你觉得自己是一个连续、稳定的人,那个感觉本身是叙事构造出来的产物。

想改造记忆?行为层面早就能做,难的是“那段记忆”到底指什么

Lex 问,从实用角度,我们离“把一段不愉快的记忆调成愉快的”有多远。

Ranganath 说,行为层面我们早就知道能做。给点误导信息,人、地点就能被换掉。

更硬的手段是一种叫“再巩固”(reconsolidation)的现象。当你调取一段记忆,那组神经元之间的连接会进入更可修改的状态。有人用这个思路处理恐惧记忆,在记忆被激活的窗口里削弱那种生理性的、内脏层面的反应。

就我作为旁观者看到的数据,结果是好坏参半。(Charan Ranganath)

更深的问题在于:你得先让人完整地调取那段创伤记忆,才谈得上修改。可“那段记忆”到底是什么?

这是他反复强调的方法论难点。他说很多人对记忆的理解还停留在行为主义层面:我给你 A,你产出 B。这个观念已经破产了。

他讲了自己做自然场景记忆研究时的困境。同一部电影,你和我都看完,各自回忆。我们用的时间可能不同,用词可能不同,旁观者听下来,两个人记住的东西是一样的。重要的不在那些词,也不在花了多久。

有个东西在更深处,可它是什么?怎么理解那个“念头”?

他顺带嘲了一句那种粗糙的还原论:把一个人开车时看到的视觉信息喂给模型,就能逆向工程出驾驶。实际运作方式远没有这么简单。

自动驾驶的真正难题:路口有它自己的性格

他提到一场神经科学家和 AI 研究者的对话。有人说城市里的自动驾驶比高速难,难在哪?车该做的事它都能做,周围有行人时,它预测不了人的意图。

人的不可预测性,就是那个难点。车没有足够好的内部模型,搞不清那些人是什么、在做什么、想要什么。

Lex 说他花过大量时间在路口看行人。他得出的结论是,每个路口都有自己的性格。

路口有历史。有些路口常年允许闯红灯,因为有那么一拨人每天从地铁站出来,习惯性地在红灯时穿过去,他们成了领头的。另一些人不常来,就站在那儿找线索,看这里该怎么走。只要有几个开始闯,他们就会跟。这是一套动态,一种气质。波士顿和纽约不同,和乡下不同,奥斯汀和旧金山也不同。城市有城市的性格,区域有区域的,路口有路口的。

Lex 认为机器也可能学得会。给它海量的数据,压缩进一个表征里,那个表征本身就是理解。就像大语言模型,为了一个字一个字地生成一句“我去厨房拿个苹果”,它内部必须有一个包含纳粹德国的残忍和把人送上太空的美感的世界模型。为了生成得通顺,它不得不理解。

Ranganath 接了一句特别生动的观察:开车开久了,你能在一英里外认出哪辆车是混蛋。

Lex 说对,那辆车还在很远的地方,但你就是知道它要做出什么操作。

这算个注意力的奇迹。你明明在看前面，周围的车基本都忽略了，唯独那辆危险的车像一个发光的图标，出现在你的周边视野里。你只分配了很小一部分认知资源，就解出了这个谜题。

给 AI 加上人类记忆？表面容易，深层极难

Lex 说 OpenAI 刚宣布加了记忆功能，问把人类的记忆机制装进 AI 有多难。

Ranganath 的回答很干脆：表面看不太难，往深了看非常非常难，因为我们根本没搞懂情景记忆。

他引了计算神经科学里最老的困境之一，Stephen Grossberg 称之为“稳定性与可塑性困境”（Stability Plasticity Dilemma）。什么时候该判断这是新东西、覆盖掉原有知识，什么时候该顺着已有的走、做增量修改？

英语里规则有太多例外。你想快速学会例外，规则就会丢；你想守住规则，例外就难学。

他说 David Marr 那一代，加上 Jay McClelland、他的同事 Randy O'Reilly、Neil Cohen 等人，提出了一个思路：也许人类大脑的解法是同时拥有两套系统。

一套相当“笨”，只说“这件事在某个时刻发生过一次”，这就是情景记忆。另一套是长期积累的知识，也就是语义记忆。

当你遇到一个违反所有既有预期的情境，你可以在这里形成一段情景记忆。下一次遇到类似情况，你可以用这段情景记忆去补充你的知识，推理出该怎么做。它让你能原地掉头，而不必抹掉已经学会的一切。（Charan Ranganath）

这个方案极其强大。它让人类用少得多的数据就能学习，同时保持灵活。

那能不能造一个？计算神经科学的人会说，记录一个时刻不就行了。难的是后面这些问题：什么时候该记录？记多少？哪些信息优先，哪些不要？什么时候该用情景记忆？什么时候该把它丢掉？

这些问题在人身上都还没解决。

而且这还不止情景和语义两层。你还得加进动机和生存相关的东西：特定刺激触发的战或逃反应，特定事物绑定的奖赏动机。这些东西 AI 里完全没有。

我 frankly 不知道自己想不想要一个自我驱动的 LLM。（Charan Ranganath）

他引了朋友 Sam Gershman 的一句话，大意是：如果我想训练一个典型的 AI 模型帮我赚尽可能多的钱，我第一件事可能是把房子卖了。

麻烦在于目标太多、互相冲突。只有一个目标尚且好办，一旦目标之间开始打架，事情就变得极其复杂。

一次只抓几个像素，反而比一次看全部像素更强

他讲了实验室博后 Tyler Bonin 的一项工作。Bonin 在斯坦福学过大量计算机视觉，他想搞清楚一件事：有些脑损伤病人，损伤位置被认为和记忆有关，他们似乎在某些物体识别任务上也有问题。这个效应在文献里争议很大，有人做出来了，有人没做出来。

Bonin 的做法是把最先进的计算机视觉模型拿过来，给它们做和病人一样的识别测试，找出模型栽跟头的那些图片。结果发现，那些图就是模型搞不定的。加参数、加层数，都没用，换架构也没用，问题就在那儿。

然后他把这些图和病人对照，发现栽在同一批图片上的，正是内侧嗅皮层（perirhinal cortex）受损的那批人。

更妙的是，只要给足时间，这些病人能做对那些判断。如果只给一瞥，他们的表现和计算机视觉模型一模一样。

于是他开始看人的眼睛。

计算机视觉模型一次看到所有像素，而我们从来不是。我在看一块屏幕，也不是一次看完所有像素。我移动眼睛，抓取屏幕上的小点，对焦点的位置拿到极高分辨率，其余部分只有低分辨率。但我在指挥这个探索过程。（Charan Ranganath）

让人移动眼睛、跨时间整合信息，他们就能做到模型做不到的事。每一步拿到更少的信息，整合起来反而得到更多。

Lex 顺手把这条线接到了 Transformer。注意力就是一切，注意力就是那个机制。而注意力怎么分配，本身就在智能的核心定义里。

他不喜欢“智能”这个词，因为机器犯的错和人不一样

Ranganath 说他不会被说服，除非模拟器犯的错和人一模一样。

人犯的错误是有特征的。我们有一套特征性的偏差，一套特征性的启发式。我还没看到 ChatGPT 会犯这些错的证据。（Charan Ranganath）

他说人对环境变化的检测能力其实很差，只要注意力没放对地方，只要预测模型太强，就会漏掉明显的变化。机器在某些地方比人强，这很正常。那是两种不同性质的错误。

他还补了一句：我甚至不喜欢“智能”这个词，我觉得这是个很蠢的概念。

他自己小时候被诊断过 ADHD

Lex 问 ADHD 和记忆有没有关联。

Ranganath 说这事对他很私人。他小时候，学校告诉他父母他有 ADHD。那是 70 年代，学校做了测试，包括智商测试，也可能是讨厌他的老师说的。结论是“他运动控制差，有 ADHD，还有社交问题”。学校本来考虑让他跳一级，但说他社交能力不够，最后他连在自己年级里都是个边缘人。

他父母给他吃了一阵子无人工色素和香精的饮食，那是当年的流行说法。

他现在回头看，自己身上有很多那些特征，就算不到确诊的程度。冲动、时间线混乱，这些他都占。他还能讲出过去打过的各种架。

他说 ADHD 和额叶功能差异有关。注意力在两个方向上出问题：一是更容易分心，抓不住相关的，切换太容易；二是碰到感兴趣的东西就陷进去出不来。

注意力是这么一种漂亮的平衡：需要专注时能专注，需要切换时能切换。还是那个灵活性与稳定性的问题。ADHD 里，这个平衡被打乱了。（Charan Ranganath）

所以 ADHD 的人记忆常常显得差，问题出在注意力上，记忆本身没毛病。他们对感兴趣的东西记忆力可以非常好，对不感兴趣的完全记不住。

Lex 问他从自己的经历里能给出什么学习建议。

Ranganath 说他还在琢磨怎么“繁荣”这件事，就教育而言，科研环境对 ADHD 极其友好。你总在找新东西，总在追那个多巴胺的刺激。你迟到了没人会死，不像当医生那样必须高度负责和专注。你可以自由地跟着好奇心走。

他现在在学的，是怎么把活动结构化。他说邮件是最大的杀手，他在邮件和正事之间不停切换，结果是邮件也没处理，只是看了一眼就被压住了，然后转回去做别的。最后所有东西都只剩碎片记忆。

他的办法是设时段。这段时间处理邮件，这段时间写作，这段时间瞎玩。也要给自己留犯浑的时间，如果实在专注不了，就把这段时间当作投资，投资给之后的注意力，别当成浪费。

Lex 接上 Cal Newport 的观点，任务切换是摧毁生产力最大的东西。切换本身比切到哪更重要。从论文切到论文，从工作切到社交软件，每次切换都在消耗，你根本没能力把东西加载进来做深度加工。

Ranganath 说神经科学会议现在也是标配：人人开着笔记本在下面，名义上在记笔记，实际上在查邮件、改自己的报告。他形容那种状态：我以为我在听，听完再回去补。结果是那天什么都没记住，整个消失了。

我在制造大量的人为事件边界。每次切换都要丢掉一堆执行功能，慢几秒，重新追上来。你永远在追赶，没在整合和预测。（Charan Ranganath）

他引了 Melina Uncapher 和 Anthony Wagner 关于多任务的研究，说那种损伤比大家以为的严重得多，而且这个问题正在变得越来越严重。

关于脑机接口：学术界的进展远比一家公司能看到的多

Lex 问他对脑机接口和 Neuralink 的看法。

Ranganath 说他对这家公司本身了解不多，看到两个方面。一是他们在外科手术机器人这类技术上确实在做有趣的东西。二是他作为科学家，并没有看到 Neuralink 发表的科学证据，也许只是他没去找，但他没看到证据表明他们接近了学术界的水平。

脑机接口这个领域整体的创新非常多。他提到同事 Sergey Stavisky，说那是这个领域的天才，在做语言假肢，把解码技术和 AI 结合，也在做运动假肢。进展速度惊人。

他把难点分两层。一层是拿到足够好的数据，并知道该用哪些数据、拿来做什么。另一层是解码算法。这块的突破实际上也反过来推动了神经科学本身。技术端还有 Neuropixels 这类东西，一根电极能采到大量神经元的活动。

然后他提出一个更绕的问题。他和 Stavisky 聊过：语言不只包含你听到的和说出的，还包括你的意图和你的内部模型。

如果你不处理那一部分，你真的能恢复语言吗？（Charan Ranganath）

Stavisky 反过来问了一个伦理问题：把人的意图、人对世界的理解读出来，和读出更具体的听觉、动作，性质不一样。

Lex 把这个问题推到极端。现在分辨率太低，我们还觉得无所谓。如果神经科学再突破几步，能给不同类型的念头画出 QR 码，包括政治念头呢？麦卡锡主义式的追问：这个人脑子里有多少共产主义倾向？

他的立场是，人类心智越透明，长期看越好。中间一定会有一场场争夺，关于政府这类集中实体能掌握多少控制权，关于监管、关于合法与非法的边界。看看警察的历史，滥用权力控制公民的记录一长串。人们的偏执是有道理的。

言论自由之外，思想自由也是一项核心自由。一旦思想可以被采集，事情就变得极其棘手。

人脑里那点说不清的“暗能量”

快结束时，Lex 问他：研究人脑这么久，你觉得最美的地方是什么？

Ranganath 说，最难说清也最美的，是内部模型这个东西。你看到的、听到的、摸到的、尝到的、每一次呼吸，全都在那儿，它们被一种暗能量连在一起，撑起了你心智的整个宇宙。没有它，这些只是一堆散件。

而我们把这一切拼了起来，它构成了我们经验里那么大的一部分。能去追问它从哪来、事物怎么和我连在一起，这本身就让人惊叹。

世界就在我们面前，我们只采样了一丁点，却试图从中提取那么多意义。而且我们做得相当好。不完美，但相当好。（Charan Ranganath）

Lex 说这词用得巧。天体物理里也有暗物质和暗能量，同样是我们不懂、为了让方程成立必须放进去的项。人脑里大概也有这么一块。

Ranganath 说他写这本书的原因之一，是他觉得公众需要听到科学家的声音。疫情是个典型例子，科学家没被听见。公众没接收到的一点，是科学的不确定性，是我们不知道的东西有多少。

他说每个科学家都活在这个不确定的世界里。写书的过程中，他越来越清楚地意识到自己不知道的东西有多少。他想到物理学：宇宙里压倒性多数的东西无法被直接测量。

他曾经调侃物理学家拿诺贝尔奖都是因为做了些莫名其妙的事，然后立刻说自己在开玩笑。他说做神经科学的物理学家有时候挺有主见，他偶尔喜欢损一下。都是爱。

然后他讲了自己的一个顿悟。

意识到有那么多的未知，并且能摸到它的边界、朝它走过去，这是我能想到的最了不起的科学成就之一。（Charan Ranganath）

他说他唯一的哲学阅读是托马斯·库恩的《科学革命的结构》。那本书的核心是，假设本身是科学过程的内核，而范式转移就来自假设的改变。发现“这里有一整片你不知道的区域”，对他来说是最让人兴奋的部分。

可以立刻上手的几件事

这期对话信息量很大，落到行动上其实很具体。Ranganath 反复回到的那些点，几乎都能直接改。

• 刻意制造上下文变化。疫情期间那种“日子变慢、一周飞逝”的错觉，根因是每天在同一个场景做同样的事。想让自己的一周在记忆里留下痕迹，换地方、换人、换活动，哪怕只是换条路线散步。记忆靠上下文切分，没有切分就没有可调取的东西。
• 把体验自我和记忆自我分开算账。出行、麻烦的旅行、费劲的聚会，体验自我当下会受苦，记忆自我会长期受益。做决定时别只听当下那个自我的意见，想一想十年后你希望自己记得什么。
• 学东西时主动考自己，别只反复读。挫败感是学习正在发生的信号。如果你感觉很顺、在滑行，那你多半待在舒适区。每次回忆都是一次压力测试，误差暴露出来，连接才会被修。
• 要通用知识就用间隔重复，要鲜活记忆就别过度复习。反复在不同场景调取同一段记忆，会让它脱离原始情境、变得更像“事实”，代价是失去那种身临其境的质感。想留住某个下午的味道，就别反复翻看，靠气味、音乐、地点去触发它。
• 记名字时强行造一个荒诞的关联。名字本身没有意义，大脑不擅长记无意义的配对。把它挂到你已经有的某个网络上去，越具体越怪越好。提前读过对方的论文、作品，等于提前把挂钩装好了。
• 把注意力切成整块，别让切换吃掉一切。设固定时段处理邮件、写作、放空。频繁切换会制造大量人为事件边界，每次都要交出执行功能、花几秒追回来，一天下来什么都没真正编码进去。
• 跟不同视角的人认真对话，而且真的听。群体记忆的准确性取决于有没有人垄断叙述。让每个人的独特贡献被听见，是抵抗错误信息最实际的办法。这需要容忍不适，所以在累的时候最容易放弃，而那时候恰恰最该警惕。
• 多元化你的训练数据。这是他给人类的一句箴言，不只是给 AI 的。少用自动补全替你说话，少待在回音室里。你的世界模型有多宽，取决于你喂给它什么。

访谈最后，Lex 引了村上春树的一段话作为收尾。大意是：大部分事情都会随时间被遗忘，连战争本身、人们经历过的生死挣扎，都像遥远的过去。我们太忙于日常生活，过去的事不再绕着脑子转。每天要操心的事太多，要学的新东西太多。但无论过多久，无论中间发生了什么，总有些东西无法被归入遗忘，总有些记忆永远磨不掉。它们留在我们身上，像一块试金石。

Ranganath 整个下午在讲的就是这件事的另一面：大脑删掉绝大部分东西，是为了让留下来的那一小部分真正有用。遗忘从来都是记忆的工作方式，谈不上它的失败。你能做的，是决定把哪些东西送进那条窄门。