在日常生活中，我们不仅能记住事实、日期、事件，还能牢牢记住那些意味深长的故事。理解人类是如何记住这些复杂叙事的，一直是认知心理学领域的重要课题。
近日，美国艾默里大学、以色列魏茨曼科学研究所及高等研究院（Institute for Advanced Study）的研究人员，联合提出一种数学模型，尝试解释人类如何将故事类信息存储于记忆中。这项研究已发表在《物理评论快报》（Physical Review Letters）上，为人类记忆机制研究提供了一个融合数学、计算机科学与物理的新框架。
“我们的目标，是建立一个关于‘有意义记忆材料’的数学理论，尤其是叙事类内容，”论文资深作者Misha Tsodyks教授在接受Medical Xpress采访时表示。“过去的共识认为，故事结构太复杂，不可能建模。但我们证明这是错误的——尽管复杂，人们在回忆故事时存在可预测的统计模式，这些可以由少数几个简单原则解释。”
用“随机树”还原人类记忆结构
为了验证这一理论，研究团队借助亚马逊（Amazon）和Prolific等在线平台，对大量受试者进行故事回忆实验。实验素材取自语言学家W. Labov于上世纪60年代录制的11段真实口述故事，长度从20到200句不等。研究人员共邀请100名参与者聆听或阅读这些故事，并随后记录他们的自由回忆内容进行分析。
“我们很快意识到，面对如此大规模的数据，必须使用最新的人工智能工具，尤其是大型语言模型（LLMs）进行处理。”Tsodyks解释说。
通过分析，他们发现人们在回忆时往往不会逐句逐句复述，而是倾向于用一句话概括整个段落或事件，这种“压缩”现象启发了他们构建记忆模型的新思路。他们提出，人脑在理解故事时，会以“树状结构”形式将故事存储于记忆中：越靠近树根的节点，代表对故事更抽象、更宏观的总结。
“随机树”模型：不同人，不同树
研究团队认为，个体在初次接触叙事时，就会在大脑中生成一棵代表故事结构的树状图。而由于每个人的理解方式不同，即便是同一个故事，其内部的“记忆树”结构也不尽相同。
Tsodyks解释道：“我们把这个理论形式化为一组具有特定结构的随机树集合（ensemble of random trees）。这种模型的美妙之处在于，它具有数学可解性，其预测也可以直接通过实验数据验证——我们已经做到了。”
研究还指出，这种“随机树”模型并非只适用于某些特定故事，而可能是人类普遍处理复杂叙事信息的一种方式。换句话说，我们不仅用故事理解世界，也以“树状”结构记住故事。
为未来研究打开新方向
这项研究展示了数学建模与人工智能技术在理解人类高级认知功能方面的巨大潜力。未来，研究团队计划扩展模型的适用范围，探索它是否同样适用于虚构小说等其他叙事类型。
“我们更具挑战性的下一步，是寻求更直接证明‘树模型’的证据。”Tsodyks补充道，“这将需要超越‘自由回忆’实验的设计，比如结合脑成像技术，在人们理解和回忆故事时观察其脑活动。”
这项研究不仅挑战了认知心理学中关于“故事不可建模”的传统观念，也为未来更精细理解人类如何编码和提取信息，提供了强有力的理论基础。
参考文献：Weishun Zhong et al, Random Tree Model of Meaningful Memory, Physical Review Letters (2025). DOI: 10.1103/g1cz-wk1l
