在計算機科學(xué)中，沒有一門學(xué)科比深度學(xué)習(xí)更能從人類的記憶系統(tǒng)中受益。
自早期以來，在深度學(xué)習(xí)領(lǐng)域，人們就一直致力于對模擬人類記憶的一些關(guān)鍵特征系統(tǒng)進行建模。然而，想要為機器系統(tǒng)建立起類人的記憶結(jié)構(gòu)，并非易事。

近日，區(qū)塊鏈分析公司IntoTheBlock CEO、Invector Labs首席科學(xué)家、哥倫比亞大學(xué)客座教授Jesus Rpdriguez發(fā)表文章，談?wù)搹纳窠?jīng)科學(xué)和認知心理學(xué)的角度理解機器的記憶建模。

他認為，神經(jīng)科學(xué)的記憶理論為我們理解智能存儲體系結(jié)構(gòu)的一些主要組成部分提供了基礎(chǔ)，同時，人類的記憶不僅僅是大腦物理結(jié)構(gòu)的副產(chǎn)品，而且還深受周圍環(huán)境的影響。

關(guān)記憶的神經(jīng)科學(xué)理論：綁定問題

現(xiàn)代神經(jīng)科學(xué)的記憶理論涉及大腦的三個基本區(qū)域：丘腦（the thalamus）、前額葉（the prefrontal）、皮層和海馬體（cortex ＆the hippocampus）。

丘腦可以被認為是一個路由器，它負責(zé)處理感官信息（視覺、觸覺、語言等），并將其傳遞到大腦的感覺皮層進行評估。經(jīng)過評估的信息最終到達前額葉皮層，進入我們的意識中，形成短期記憶。同時，這些信息也被傳送到海馬體，海馬體將不同的片段分布到不同的皮質(zhì)中，形成長期記憶。
而當(dāng)今神經(jīng)科學(xué)面臨的最大挑戰(zhàn)之一就是，我們?nèi)绾螌⒎稚⒌挠洃浰槠�重新組合起來，使其在人們回憶時構(gòu)成連貫的記憶。這就是“綁定問題（the binding problem）”的主要內(nèi)容。

假設(shè)您曾經(jīng)歷一場考試，那么關(guān)于這一事件的記憶將被分解并儲存在大腦的不同區(qū)域中。然而，只需要小小的提示，例如聽到考試提示音或見到當(dāng)時的同伴，您就能回憶起關(guān)于這堂考試的各種記憶。

這是如何做到的呢？

一種理論認為，記憶碎片是由不斷流過大腦的電磁振動聯(lián)系在一起的。這些振動在記憶碎片之間創(chuàng)造了一個時間（而非空間）聯(lián)系，允許它們同時被激活，因而最后成為凝聚一體的記憶。

關(guān)記憶的認知心理學(xué)理論：啟動與聯(lián)想

此外，為了解釋綁定問題，我們還需要一些超越大腦的結(jié)構(gòu)，以評估能夠影響記憶方式的各種心理背景因素。在認知心理學(xué)中，試圖解釋聯(lián)想記憶本質(zhì)的主要理論之一被稱為啟動效應(yīng)（the Priming Effect）。

設(shè)想一下，當(dāng)您聽到“考試”這個詞的時候，首先想到的是什么？可能是“書籍”，可能是某個日期，甚至可能是“興奮感”（手動狗頭）。由此可見，僅僅是一個簡單的詞語，就可以喚起人的一系列復(fù)雜情緒甚至是其他相關(guān)的詞語。而這個過程實際就是：我們正在有效地想起相關(guān)的事物，或者說，我們正在“啟動”其他記憶。

這一實驗中最引人注目的其實是，人們根據(jù)提示檢索出相關(guān)單詞或記憶的速度有多快。在心理學(xué)中，這種現(xiàn)象也被稱為聯(lián)想一致化（Associatively Coherent）。

而且，啟動效應(yīng)不僅適用于詞匯，還適用于情緒、身體反應(yīng)、本能等認知現(xiàn)象。啟動效應(yīng)告訴我們，記憶不僅是由主動聯(lián)想方法來回憶的，而且是由“被啟動的想法”來回憶的。

認知心理學(xué)的另一個重要內(nèi)容則是我們回憶起特定事件的頻率。

例如，如果我問你“在過去的十年里參加了多少場考試？” 如果你剛好最近就參加過一次考試或者特別快地得出答案者，那么這個數(shù)字很能被高估。相反，如果你并不喜歡上一次的考試經(jīng)歷，那么這個數(shù)字可能被低估。這個認知過程被稱為可得性捷思法（the Availability Heuristic），它解釋了我們的記憶是如何被快速獲得的答案所深深影響。

深度學(xué)習(xí)的記憶機制：神經(jīng)圖靈機

那么深度學(xué)習(xí)算法具體該如何模仿上述這些理論從而形成類人記憶呢？答案其實不難得出：
a） 把一個內(nèi)存分成若干段，不同片段描述不同的知識領(lǐng)域
b） 將分散的片段重新組合成連貫的信息結(jié)構(gòu)
c） 根據(jù)上下文和不直接相關(guān)的信息以及外部數(shù)據(jù)引用來檢索數(shù)據(jù)

同時，為了了解深度學(xué)習(xí)算法中的記憶相關(guān)性，我們應(yīng)該區(qū)分內(nèi)隱記憶implicit memory和外顯記憶Explicit Memory。隱性知識通常是潛意識的，因此很難解釋，例如識別圖片中的猴子或口語句子中的語氣和情緒。顯性知識則很容易以陳述性方式建模。例如，“猴子是一種動物”或“某些形容詞具有攻擊性”，這都是顯性知識的典型例子。

再想象一下傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它們往往有數(shù)百萬個相互連接的節(jié)點，卻缺乏一個工作記憶系統(tǒng)，用來存儲已推斷出的知識片段及其相互關(guān)系，以便從網(wǎng)絡(luò)的不同層加入新信息。

而在這一領(lǐng)域，最流行的技術(shù)之一是神經(jīng)圖靈機（Neural Turing Machines，NTM），由DeepMind于2014年引入。NTM也屬于深層神經(jīng)網(wǎng)絡(luò)， 但是它擴展出一個具有存儲完整向量的記憶單元，并使用直觀推斷（heuristics）來讀寫信息。

例如，NTM實現(xiàn)了一種稱為基于內(nèi)容的尋址機制，它可以根據(jù)輸入信息來檢索向量，這與人類基于文字經(jīng)驗來回憶相關(guān)記憶的方式相似。

此外，NTM還包括一種機制，能夠根據(jù)內(nèi)存單元被尋址的頻率來增加其顯著性。

NTM并不是在深度學(xué)習(xí)系統(tǒng)中實現(xiàn)記憶能力的唯一技術(shù)，但它無疑是最受歡迎的技術(shù)之一。
模仿人類記憶的生理和心理功能并不是一件容易的事，這已經(jīng)成為深度學(xué)習(xí)領(lǐng)域中最重要的研究領(lǐng)域之一。
編輯：吳婷婷
排版：鄒靜雯
編審：王新凱