Modelos de memória serigráfica foram propostos para diferentes tipos de processos de recall, incluindo recall de cued, recall livre e recall em série. No entanto, para explicar o processo de recall, o modelo de memória deve identificar como uma memória codificada pode residir no armazenamento da memória por um período prolongado até que a memória seja novamente acessada, durante o processo de recall; mas nem todos os modelos utilizam a terminologia de memória de curto e longo prazo para explicar o armazenamento da memória; a teoria da loja dupla e uma versão modificada do modelo de memória Atkinson-Shiffrin (Atkinson 1968) utiliza tanto o armazenamento da memória de curto como o de longo prazo, mas outros não.
Modelo de memória distribuída multi-traçoEditar
O modelo de memória distribuída multi-traço sugere que as memórias que estão sendo codificadas são convertidas em vetores de valores, com cada quantidade escalar de um vetor representando um atributo diferente do item a ser codificado. Tal noção foi sugerida inicialmente pelas primeiras teorias de Hooke (1969) e Semon (1923). Uma única memória é distribuída para múltiplos atributos, ou características, de modo que cada atributo representa um aspecto da memória a ser codificado. Tal vector de valores é então adicionado à matriz de memória ou uma matriz, composta de diferentes traços ou vectores de memória. Portanto, cada vez que uma nova memória é codificada, tal memória é convertida em um vetor ou traço, composto de quantidades escalares representando variedade de atributos, que é então adicionado à matriz de memória pré-existente e sempre crescente, composta de múltiplos traços – daí o nome do modelo.
Apenas os traços de memória correspondentes a memória específica são armazenados na matriz, para recuperar a memória para o processo de recall é necessário indicar a matriz de memória com uma sonda específica, que seria usada para calcular a similaridade entre o vetor de teste e os vetores armazenados na matriz de memória. Como a matriz de memória está em constante crescimento com novos traços sendo adicionados, seria necessário realizar uma busca paralela através de todos os traços presentes na matriz de memória para calcular a similaridade, cujo resultado pode ser usado para realizar o reconhecimento associativo, ou com a regra de escolha probabilística, usada para realizar uma recordação por corte.
Embora tenha sido afirmado que a memória humana parece ser capaz de armazenar uma grande quantidade de informação, na medida em que alguns pensavam uma quantidade infinita, a presença de tal matriz sempre crescente dentro da memória humana soa implausível. Além disso, o modelo sugere que para realizar o processo de memória, é necessária uma pesquisa paralela entre cada traço que reside dentro da matriz sempre crescente, o que também levanta dúvidas sobre se tais cálculos podem ser feitos em um curto espaço de tempo. Tais dúvidas, entretanto, têm sido desafiadas por descobertas de Gallistel e King que apresentam evidências sobre as enormes habilidades computacionais do cérebro que podem estar em apoio a tal suporte paralelo.
Modelos de redes neuraisEditar
O modelo multi-traço tinha duas limitações principais: uma, noção da presença da matriz sempre crescente na memória humana soa implausível; e duas, buscas computacionais de similaridade contra milhões de traços que estariam presentes na matriz da memória para calcular sons de similaridade muito além do escopo do processo de chamada humana. O modelo de rede neural é o modelo ideal neste caso, pois supera as limitações impostas pelo modelo multi-traço e mantém as características úteis do modelo também.
O modelo de rede neural assume que os neurônios em uma rede neural formam uma rede complexa com outros neurônios, formando uma rede altamente interconectada; cada neurônio é caracterizado pelo valor de ativação, e a conexão entre dois neurônios é caracterizada pelo valor de peso. A interação entre cada neurônio é caracterizada pela regra dinâmica McCulloch-Pitts, e a mudança de peso e conexões entre neurônios resultante do aprendizado é representada pela regra de aprendizado Hebbian.
Anderson mostra que a combinação da regra de aprendizado Hebbian e da regra dinâmica McCulloch-Pitts permite que a rede gere uma matriz de peso que pode armazenar associações entre diferentes padrões de memória – tal matriz é a forma de armazenamento de memória para o modelo de rede neural. As principais diferenças entre a matriz da hipótese de múltiplos traços e o modelo de rede neural é que enquanto a nova memória indica extensão da matriz existente para a hipótese de múltiplos traços, a matriz de peso do modelo de rede neural não se estende; ao contrário, diz-se que o peso é atualizado com a introdução de novas associações entre os neurônios.
Usando a matriz de peso e a regra de aprendizagem/dinâmica, neurônios com um valor podem recuperar o valor diferente que é idealmente uma aproximação próxima do vetor de memória alvo desejado.
Como a matriz de peso do Anderson entre neurônios só recuperará a aproximação do item alvo quando a versão modificada do modelo foi procurada para poder recuperar a memória alvo exata quando o modelo foi cortado. A Hopfield Net é atualmente o mais simples e popular modelo de rede neural de memória associativa; o modelo permite o recall do vetor alvo claro quando cued com a parte ou a versão ‘ruidosa’ do vetor.
A matriz de peso da Hopfield Net, que armazena a memória, assemelha-se muito à usada na matriz de peso proposta por Anderson. Novamente, quando uma nova associação é introduzida, diz-se que a matriz de peso é ‘atualizada’ para acomodar a introdução de nova memória; ela é armazenada até que a matriz seja cortada por um vetor diferente.
Modelo de busca de memória dual-storeEdit
Primeiro desenvolvido por Atkinson e Shiffrin (1968), e refinado por outros, incluindo Raajimakers e Shiffrin, o modelo de busca de memória dual-store, agora referido como SAM ou busca de modelo de memória associativa, permanece como um dos modelos computacionais de memória mais influentes. O modelo usa tanto a memória de curto prazo, chamada de memória de curto prazo (STS), quanto a memória de longo prazo, chamada de memória de longo prazo (LTS) ou matriz episódica, em seu mecanismo.
Quando um item é codificado pela primeira vez, ele é introduzido na memória de curto prazo. Enquanto o item permanece na loja de curto prazo, as representações vetoriais na loja de longo prazo passam por uma variedade de associações. Itens introduzidos na loja de curto prazo passam por três tipos diferentes de associações: (auto-associação) a auto-associação na loja de longo prazo, (heteroassociação) a associação entre itens na loja de longo prazo, e a (associação de contexto ) que se refere à associação entre o item e seu contexto codificado. Para cada item na loja de curto prazo, quanto maior a duração de um item dentro da loja de curto prazo, maior será sua associação consigo mesmo com outros itens que co-residem dentro da loja de curto prazo, e com seu contexto codificado.
O tamanho da loja de curto prazo é definido por um parâmetro, r. Como um item é introduzido na loja de curto prazo, e se a loja de curto prazo já tiver sido ocupada por um número máximo de itens, o item provavelmente sairá da loja de curto prazo.
Como os itens co-residem na loja de curto prazo, suas associações estão sendo constantemente atualizadas na matriz da loja de longo prazo. A força da associação entre dois itens depende do tempo que os dois itens de memória passam juntos dentro da loja de curto prazo, conhecido como o efeito de contiguidade. Dois itens que são contíguos têm maior força associativa e muitas vezes são chamados juntos de armazenamento de longo prazo.
Outras vezes, o efeito de primazia, um efeito visto no paradigma de recall de memória, revela que os primeiros itens de uma lista têm uma chance maior de serem chamados em relação aos outros na STS, enquanto os itens mais antigos têm uma chance maior de sair da STS. O item que conseguiu ficar na STS por um longo período de tempo teria formado uma auto-associação, heteroassociação e associação de contexto mais fortes do que outros, levando a uma maior força associativa e uma maior chance de ser lembrado.
O efeito de recapitulação das experiências de recall é quando os últimos itens de uma lista são lembrados excepcionalmente bem sobre outros itens, e pode ser explicado pela loja de curto prazo. Quando o estudo de uma determinada lista de memória tiver sido concluído, o que reside na loja de curto prazo no final é provável que sejam os últimos itens que foram introduzidos por último. Como a loja de curto prazo é de fácil acesso, tais itens seriam recuperados antes de qualquer item armazenado na loja de longo prazo. Esta acessibilidade de recordação também explica a natureza frágil do efeito de recordação, que é que os distractores mais simples podem fazer com que uma pessoa se esqueça dos últimos itens da lista, já que os últimos itens não teriam tido tempo suficiente para formar qualquer associação significativa dentro da loja a longo prazo. Se a informação for retirada da loja de curto prazo por distractores, a probabilidade dos últimos itens serem retirados seria menor do que mesmo os itens de pré-recência no meio da lista.
O modelo SAM de loja dupla também utiliza o armazenamento de memória, que por sua vez pode ser classificado como um tipo de armazenamento de longo prazo: a matriz semântica. O armazenamento de longo prazo na SAM representa a memória episódica, que trata apenas de novas associações que foram formadas durante o estudo de uma lista experimental; as associações pré-existentes entre os itens da lista, então, precisam ser representadas em diferentes matrizes, a matriz semântica. A matriz semântica permanece como outra fonte de informação que não é modificada por associações episódicas que são formadas durante o exame.
Assim, os dois tipos de armazenamento de memória, curto e longo prazo, são utilizados no modelo SAM. No processo de recall, os itens residentes na loja de memória de curto prazo serão lembrados primeiro, seguidos pelos itens residentes na loja de longo prazo, onde a probabilidade de serem lembrados é proporcional à força da associação presente na loja de longo prazo. Outro armazenamento de memória, a matriz semântica, é utilizada para explicar o efeito semântico associado à recordação de memória.