Au fost propuse mai multe modele de memorie pentru a explica diferite tipuri de procese de reamintire, inclusiv reamintire cued, reamintire liberă și reamintire în serie. Cu toate acestea, pentru a explica procesul de reamintire, modelul de memorie trebuie să identifice modul în care o amintire codificată poate rezida în memoria de stocare pentru o perioadă prelungită până când memoria este accesată din nou, în timpul procesului de reamintire; dar nu toate modelele folosesc terminologia de memorie pe termen scurt și pe termen lung pentru a explica stocarea memoriei; teoria dual-store și o versiune modificată a modelului Atkinson-Shiffrin al memoriei (Atkinson 1968) utilizează atât stocarea memoriei pe termen scurt, cât și pe termen lung, dar altele nu o fac.
Modelul memoriei distribuite pe mai multe traseeEdit
Modelul memoriei distribuite pe mai multe trasee sugerează că amintirile care sunt codificate sunt convertite în vectori de valori, fiecare cantitate scalară a unui vector reprezentând un atribut diferit al elementului care urmează să fie codificat. O astfel de noțiune a fost sugerată pentru prima dată de teoriile timpurii ale lui Hooke (1969) și Semon (1923). O singură memorie este distribuită pe mai multe atribute, sau caracteristici, astfel încât fiecare atribut reprezintă un aspect al memoriei care este codificat. Un astfel de vector de valori este apoi adăugat în matricea de memorie sau o matrice, compusă din diferite urme sau vectori de memorie. Prin urmare, de fiecare dată când o nouă memorie este codificată, această memorie este convertită într-un vector sau o urmă, compusă din cantități scalare reprezentând o varietate de atribute, care este apoi adăugată la matricea de memorie preexistentă și în continuă creștere, compusă din mai multe urme – de unde și numele modelului.
După ce urmele de memorie care corespund memoriei specifice sunt stocate în matrice, pentru a recupera memoria pentru procesul de reamintire trebuie să se dea un semnal matricei de memorie cu o sondă specifică, care ar fi folosită pentru a calcula similaritatea dintre vectorul de test și vectorii stocați în matricea de memorie. Deoarece matricea de memorie este în continuă creștere, noi urme fiind adăugate, ar trebui să se efectueze o căutare paralelă prin toate urmele prezente în matricea de memorie pentru a calcula similitudinea, al cărei rezultat poate fi folosit fie pentru a efectua o recunoaștere asociativă, fie cu regula alegerii probabilistice, folosită pentru a efectua o reamintire cued.
Deși s-a afirmat că memoria umană pare a fi capabilă să stocheze o cantitate mare de informații, în măsura în care unii au crezut că o cantitate infinită, prezența unei astfel de matrice în continuă creștere în memoria umană sună neverosimilă. În plus, modelul sugerează că, pentru a efectua procesul de reamintire, este necesară căutarea paralelă între fiecare urmă care se află în matricea în continuă creștere, ceea ce ridică, de asemenea, îndoieli cu privire la faptul că astfel de calcule pot fi efectuate într-un timp scurt. Cu toate acestea, astfel de îndoieli au fost contestate de descoperirile lui Gallistel și King, care prezintă dovezi cu privire la enormele capacități de calcul ale creierului care pot fi în sprijinul unei astfel de susțineri paralele.
Modele de rețele neuronaleEdit
Modelul cu mai multe urme a avut două limitări cheie: unu, noțiunea de prezență a unei matrice în continuă creștere în memoria umană sună neverosimil; și doi, căutările computaționale pentru similaritate față de milioane de urme care ar fi prezente în matricea memoriei pentru a calcula similaritatea sună mult dincolo de domeniul de aplicare al procesului uman de reamintire. Modelul rețelei neuronale este modelul ideal în acest caz, deoarece depășește limitările impuse de modelul cu mai multe urme și menține, de asemenea, caracteristicile utile ale modelului.
Modelul rețelei neuronale presupune că neuronii dintr-o rețea neuronală formează o rețea complexă cu alți neuroni, formând o rețea puternic interconectată; fiecare neuron este caracterizat de valoarea de activare, iar conexiunea dintre doi neuroni este caracterizată de valoarea ponderii. Interacțiunea dintre fiecare neuron este caracterizată de regula dinamică McCulloch-Pitts, iar modificarea ponderii și a conexiunilor dintre neuroni care rezultă din învățare este reprezentată de regula de învățare Hebbian.
Anderson arată că combinația dintre regula de învățare Hebbian și regula dinamică McCulloch-Pitts permite rețelei să genereze o matrice de ponderi care poate stoca asociații între diferite modele de memorie – o astfel de matrice este forma de stocare a memoriei pentru modelul de rețea neuronală. Diferențele majore dintre matricea ipotezei urmelor multiple și modelul rețelei neuronale constau în faptul că, în timp ce memoria nouă indică extinderea matricei existente pentru ipoteza urmelor multiple, matricea de greutate a modelului rețelei neuronale nu se extinde; mai degrabă, se spune că greutatea este actualizată odată cu introducerea unei noi asocieri între neuroni.
Utilizând matricea de ponderare și regula de învățare/dinamică, neuronii indicați cu o valoare pot prelua valoarea diferită care este, în mod ideal, o aproximație apropiată a vectorului de memorie țintă dorit.
Deoarece matricea de ponderare a lui Anderson între neuroni va prelua doar aproximația elementului țintă atunci când este indicată, s-a căutat o versiune modificată a modelului pentru a putea rechema memoria țintă exactă atunci când este indicată. Rețeaua Hopfield este în prezent cel mai simplu și cel mai popular model de rețea neuronală a memoriei asociative; modelul permite reamintirea vectorului țintă clar atunci când este indicată cu o parte sau cu versiunea „zgomotoasă” a vectorului.
Matricea de ponderi a rețelei Hopfield, care stochează memoria, seamănă foarte mult cu cea folosită în matricea de ponderi propusă de Anderson. Din nou, atunci când se introduce o nouă asociere, se spune că matricea de ponderi este „actualizată” pentru a acomoda introducerea noii memorii; aceasta este stocată până când matricea este indicată de un vector diferit.
Modelul de căutare a memoriei dual-storeEdit
Primul dezvoltat de Atkinson și Shiffrin (1968) și rafinat de alții, inclusiv de Raajimakers și Shiffrin, modelul de căutare a memoriei dual-store, denumit în prezent SAM sau modelul de căutare a memoriei asociative, rămâne ca unul dintre cele mai influente modele computaționale ale memoriei. Modelul utilizează în mecanismul său atât memoria pe termen scurt, denumită memorie pe termen scurt (STS), cât și memoria pe termen lung, denumită memorie pe termen lung (LTS) sau matrice episodică.
Când un element este codificat pentru prima dată, acesta este introdus în memoria pe termen scurt. În timp ce itemul rămâne în memoria pe termen scurt, reprezentările vectoriale din memoria pe termen lung trec printr-o varietate de asocieri. Elementele introduse în memoria pe termen scurt trec prin trei tipuri diferite de asociere: (autoasocierea) autoasocierea în memoria pe termen lung, (heteroasocierea) asocierea între elemente în memoria pe termen lung și (asocierea de context ) care se referă la asocierea dintre element și contextul său codificat. Pentru fiecare element din memoria pe termen scurt, cu cât durata de timp în care un element rezidă în memoria pe termen scurt este mai mare, cu atât mai mare va fi asocierea sa cu sine însuși cu alți elemente care co-rezide în memoria pe termen scurt și cu contextul său codificat.
Dimensiunea memoriei pe termen scurt este definită de un parametru, r. Pe măsură ce un element este introdus în depozitul pe termen scurt și dacă depozitul pe termen scurt a fost deja ocupat de un număr maxim de elemente, elementul va ieși probabil din depozitul pe termen scurt.
Pe măsură ce elementele coabitează în depozitul pe termen scurt, asociațiile lor sunt actualizate în mod constant în matricea depozitului pe termen lung. Puterea asocierii dintre doi itemi depinde de timpul pe care cei doi itemi de memorie îl petrec împreună în memoria pe termen scurt, cunoscut sub numele de efectul de contiguitate. Două elemente care sunt contigue au o forță asociativă mai mare și sunt adesea rechemate împreună din stocarea pe termen lung.
În plus, efectul de primat, un efect observat în paradigma de rechemare a memoriei, relevă faptul că primele câteva elemente dintr-o listă au o șansă mai mare de a fi rechemate în detrimentul altora din STS, în timp ce elementele mai vechi au o șansă mai mare de a ieși din STS. Elementul care a reușit să rămână în STS pentru un timp îndelungat ar fi format o autoasociere, o heteroasociere și o asociere de context mai puternice decât altele, ceea ce duce în cele din urmă la o forță asociativă mai mare și la o șansă mai mare de a fi reamintit.
Efectul de recurență din experimentele de reamintire este atunci când ultimii câțiva itemi dintr-o listă sunt reamintiți excepțional de bine față de alți itemi, și poate fi explicat prin stocarea pe termen scurt. Când studiul unei anumite liste de memorie a fost finalizat, ceea ce rezidă în cele din urmă în stocul pe termen scurt este probabil să fie ultimele câteva elemente care au fost introduse ultimele. Deoarece memoria pe termen scurt este ușor accesibilă, astfel de elemente ar fi rechemate înaintea oricărui element stocat în memoria pe termen lung. Această accesibilitate de rechemare explică, de asemenea, natura fragilă a efectului de recurență, și anume faptul că cei mai simpli distractori pot face ca o persoană să uite ultimele elemente din listă, deoarece ultimele elemente nu ar fi avut suficient timp pentru a forma o asociere semnificativă în cadrul memoriei pe termen lung. Dacă informația este eliminată din memoria pe termen scurt de către distractori, probabilitatea ca ultimele elemente să fie reamintite ar fi de așteptat să fie mai mică chiar și decât cea a elementelor de pre-recvență din mijlocul listei.
Modelul SAM cu două depozite utilizează, de asemenea, stocarea memoriei, care la rândul ei poate fi clasificată ca un tip de stocare pe termen lung: matricea semantică. Înmagazinarea pe termen lung din SAM reprezintă memoria episodică, care se ocupă doar de asociațiile noi care s-au format în timpul studiului unei liste experimentale; asociațiile preexistente între elementele listei, deci, trebuie să fie reprezentate pe o matrice diferită, matricea semantică. Matricea semantică rămâne ca o altă sursă de informații care nu este modificată de asociațiile episodice care se formează în timpul examenului.
Astfel, în modelul SAM sunt folosite cele două tipuri de stocare a memoriei, stocuri pe termen scurt și pe termen lung. În procesul de reamintire, elementele care rezidă în stocul de memorie pe termen scurt vor fi reamintite mai întâi, urmate de elementele care rezidă în stocul pe termen lung, unde probabilitatea de a fi reamintite este proporțională cu puterea asociației prezente în cadrul stocului pe termen lung. O altă memorie de stocare, matricea semantică, este utilizată pentru a explica efectul semantic asociat cu rechemarea memoriei.
.