Bylo navrženo několik paměťových modelů, které vysvětlují různé typy procesů vybavování, včetně vyvolaného vybavování, volného vybavování a sériového vybavování. Aby však model paměti vysvětlil proces vybavování, musí určit, jak může zakódovaná vzpomínka zůstat v paměťovém úložišti po delší dobu, dokud není znovu zpřístupněna, během procesu vybavování; ne všechny modely však pro vysvětlení ukládání vzpomínek používají terminologii krátkodobé a dlouhodobé paměti; teorie dvojího ukládání a modifikovaná verze Atkinsonova-Shiffrinova modelu paměti (Atkinson 1968) používá jak krátkodobé, tak dlouhodobé ukládání vzpomínek, ale jiné modely ne.
Model vícesledové distribuované pamětiRedakce
Model vícesledové distribuované paměti předpokládá, že vzpomínky, které jsou kódovány, jsou převedeny na vektory hodnot, přičemž každá skalární veličina vektoru představuje jiný atribut položky, která má být kódována. Takové pojetí bylo poprvé navrženo v raných teoriích Hooka (1969) a Semona (1923). Jedna vzpomínka je rozdělena na více atributů neboli rysů, takže každý atribut představuje jeden aspekt kódované vzpomínky. Takový vektor hodnot je pak přidán do paměťového pole neboli matice, složené z různých stop nebo vektorů paměti. Při každém zakódování nové paměti se tedy taková paměť převede na vektor nebo stopu složenou ze skalárních veličin představujících různé atributy, které se pak přidají do již existující a stále rostoucí matice paměti složené z více stop – odtud název modelu.
Jakmile jsou paměťové stopy odpovídající konkrétní vzpomínce uloženy v matici, je třeba k vyvolání vzpomínky pro proces vybavování napovědět paměťové matici konkrétní sondou, která by se použila k výpočtu podobnosti mezi testovacím vektorem a vektory uloženými v paměťové matici. Protože paměťová matice neustále roste s přibývajícími novými stopami, musel by člověk pro výpočet podobnosti provádět paralelní prohledávání všech stop přítomných v paměťové matici, jehož výsledek lze použít buď k asociativnímu rozpoznávání, nebo s pravděpodobnostním pravidlem volby, které se používá k vyvolání naváděného vzpomínání.
Ačkoli se tvrdí, že lidská paměť je zřejmě schopna uchovávat velké množství informací, a to do té míry, že se někteří domnívali, že nekonečné množství, přítomnost takové neustále rostoucí matice v lidské paměti zní nepravděpodobně. Model navíc naznačuje, že k provedení procesu vyvolání je nutné paralelní vyhledávání mezi každou jednotlivou stopou, která se nachází ve stále rostoucí matici, což rovněž vyvolává pochybnosti o tom, zda lze takové výpočty provést v krátkém čase. Takové pochybnosti však byly zpochybněny zjištěními Gallistela a Kinga, kteří předkládají důkazy o obrovských výpočetních schopnostech mozku, které mohou být na podporu takové paralelní podpory.
Modely neuronových sítíUpravit
Model s více stopami měl dvě klíčová omezení: za prvé, představa přítomnosti stále rostoucí matice v lidské paměti zní nevěrohodně; a za druhé, výpočetní hledání podobnosti vůči milionům stop, které by byly přítomny v paměťové matici pro výpočet podobnosti, zní daleko nad rámec lidského procesu vybavování. Model neuronové sítě je v tomto případě ideálním modelem, protože překonává omezení, která představuje model s více stopami, a zachovává i jeho užitečné vlastnosti.
Model neuronové sítě předpokládá, že neurony v neuronové síti tvoří s ostatními neurony složitou síť, která tvoří vysoce propojenou síť; každý neuron je charakterizován aktivační hodnotou a spojení mezi dvěma neurony je charakterizováno váhovou hodnotou. Interakce mezi jednotlivými neurony je charakterizována McCullochovým-Pittsovým dynamickým pravidlem a změna vah a spojení mezi neurony v důsledku učení je reprezentována Hebbovým pravidlem učení.
Anderson ukazuje, že kombinace Hebbova pravidla učení a McCullochova-Pittsova dynamického pravidla umožňuje síti generovat váhovou matici, která může uchovávat asociace mezi různými paměťovými vzory – taková matice je formou paměťového úložiště pro model neuronové sítě. Hlavní rozdíly mezi maticí hypotézy vícenásobných stop a modelem neuronové sítě spočívají v tom, že zatímco nová paměť znamená rozšíření stávající matice pro hypotézu vícenásobných stop, váhová matice modelu neuronové sítě se nerozšiřuje; spíše se říká, že se váha aktualizuje se zavedením nové asociace mezi neurony.
Pomocí váhové matice a učícího se/dynamického pravidla mohou neurony, kterým je dána jedna hodnota, vyvolat jinou hodnotu, která je v ideálním případě blízkou aproximací požadovaného cílového paměťového vektoru.
Jelikož Andersonova váhová matice mezi neurony vyvolá při vyvolání pouze aproximaci cílové položky, byla hledána modifikovaná verze modelu, aby bylo možné při vyvolání vyvolat přesnou cílovou paměť. Hopfieldova síť je v současné době nejjednodušší a nejoblíbenější model neuronové sítě asociativní paměti; model umožňuje vyvolat jasný cílový vektor, když je cuedován částí nebo „zašuměnou“ verzí vektoru.
Váhová matice Hopfieldovy sítě, která ukládá paměť, se velmi podobá matici použité ve váhové matici navržené Andersonem. Opět platí, že když je zavedena nová asociace, říká se, že váhová matice je „aktualizována“, aby se přizpůsobila zavedení nové paměti; je uložena, dokud není matice uvozena jiným vektorem.
Model vyhledávání ve dvou pamětechEdit
Model vyhledávání ve dvou pamětech, který poprvé vyvinuli Atkinson a Shiffrin (1968) a který zdokonalili další, včetně Raajimakera a Shiffrina, zůstává jako jeden z nejvlivnějších výpočetních modelů paměti označován jako SAM nebo model vyhledávání v asociativní paměti. Tento model využívá ve svém mechanismu jak krátkodobou paměť, označovanou jako krátkodobé úložiště (STS), tak dlouhodobou paměť, označovanou jako dlouhodobé úložiště (LTS) nebo epizodická matrice.
Když je položka poprvé zakódována, je zavedena do krátkodobého úložiště. Zatímco položka zůstává v krátkodobé paměti, vektorové reprezentace v dlouhodobé paměti procházejí různými asociacemi. Položky zavedené do krátkodobého úložiště procházejí třemi různými typy asociací: (autoasociace) vlastní asociace v dlouhodobém úložišti, (heteroasociace) asociace mezi položkami v dlouhodobém úložišti a (kontextová asociace ), která se týká asociace mezi položkou a jejím zakódovaným kontextem. Pro každou položku v krátkodobém úložišti platí, že čím delší dobu se položka nachází v krátkodobém úložišti, tím větší bude její asociace se sebou samou s ostatními položkami, které se společně nacházejí v krátkodobém úložišti, a s jejím kódovaným kontextem.
Velikost krátkodobého úložiště je definována parametrem r. Jakmile je položka zavedena do krátkodobého úložiště a je-li krátkodobé úložiště již obsazeno maximálním počtem položek, položka pravděpodobně z krátkodobého úložiště vypadne.
Jak se položky spoluobjevují v krátkodobém úložišti, jejich asociace se neustále aktualizují v matici dlouhodobého úložiště. Síla asociace mezi dvěma položkami závisí na době, kterou obě paměťové položky stráví společně v krátkodobém úložišti, což je známé jako efekt sousedství. Dvě položky, které spolu sousedí, mají větší asociační sílu a z dlouhodobého úložiště jsou často vyvolávány společně.
Dále efekt prvenství, efekt pozorovaný v paradigmatu vyvolávání paměti, ukazuje, že prvních několik položek v seznamu má větší šanci být vyvoláno oproti ostatním v STS, zatímco starší položky mají větší šanci z STS vypadnout. Položka, které se podařilo zůstat v STS po delší dobu, by vytvořila silnější autoasociaci, heteroasociaci a kontextovou asociaci než ostatní, což by v konečném důsledku vedlo k větší asociační síle a vyšší šanci, že si na ni vzpomeneme.
Recenční efekt při vzpomínkových experimentech se projevuje tím, že několik posledních položek v seznamu se vybaví výjimečně dobře oproti ostatním položkám, a lze jej vysvětlit krátkodobou zásobou. Když je studium daného paměťového seznamu ukončeno, je pravděpodobné, že to, co nakonec přebývá v krátkodobé paměti, je několik posledních položek, které byly zavedeny jako poslední. Protože krátkodobá zásoba je snadno přístupná, tyto položky by byly vyvolány dříve než jakákoli položka uložená v dlouhodobé zásobě. Tato přístupnost vzpomínek také vysvětluje křehkou povahu efektu recenze, která spočívá v tom, že nejjednodušší distraktory mohou způsobit, že člověk zapomene několik posledních položek v seznamu, protože poslední položky by neměly dostatek času na to, aby si v rámci dlouhodobé paměti vytvořily nějakou smysluplnou asociaci. Pokud by informace vypadla z krátkodobého úložiště vlivem distraktorů, očekávalo by se, že pravděpodobnost vyvolání posledních položek bude nižší než pravděpodobnost vyvolání i předrecenčních položek uprostřed seznamu.
Dvojskladový model SAM využívá také paměťové úložiště, které samo o sobě lze klasifikovat jako typ dlouhodobého úložiště: sémantickou matici. Dlouhodobé úložiště v SAM představuje epizodická paměť, která se zabývá pouze novými asociacemi, které vznikly během studia experimentálního seznamu; již existující asociace mezi položkami seznamu je pak třeba reprezentovat na jiné matici, sémantické matici. Sémantická matice zůstává jako další zdroj informací, který není modifikován epizodickými asociacemi, jež se vytvořily během zkoumání.
V modelu SAM se tedy používají dva typy paměťových úložišť, krátkodobé a dlouhodobé. V procesu vybavování se nejprve vybaví položky nacházející se v krátkodobém paměťovém úložišti a poté položky nacházející se v dlouhodobém úložišti, přičemž pravděpodobnost, že se vybaví, je úměrná síle asociace přítomné v dlouhodobém úložišti. K vysvětlení sémantického efektu spojeného s vyvoláním vzpomínky se používá další paměťové úložiště, sémantická matice
.