{
  "id": "associative-memory",
  "title": "联想记忆",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "联想记忆将信息相互关联，使生物和人工系统能借助线索提取相关经历、知识或习得的反应。",
  "category": "society",
  "subcategory": "psychology",
  "type": "concept",
  "aliases": [
    "关联记忆"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/associative-memory/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/associative-memory/",
      "json": "https://aiwiki.page/en/associative-memory.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "联想记忆是学习事物、事件、情境或反应之间的关系，并在之后利用其中一部分信息来提取或影响其余信息的能力。认出一个人并想起其姓名、回到某个地点时回忆起在那里发生的事件，以及根据熟悉的信号预期某种结果，都涉及联想。在心理学中，这个术语通常特指记住各要素之间的关系，而不只是认出这些要素本身。在计算机科学中，它也指根据信息内容而非仅凭数字地址来检索已存储信息的系统。\n\n联想记忆并不是一个在解剖结构上独立存在的单一存储库。它涵盖了贯穿情景记忆、语义记忆、习得技能和条件反应的多种过程。对联想记忆的研究将实验心理学与大脑研究、数学建模及人工智能联系起来。这些领域共同面临的一个核心问题是：系统如何既能保留大量相互重叠的关系，又能提取出与特定线索和情境相符的那一种关系。"
    },
    {
      "heading": "历史基础与联想的实验研究",
      "text": "一种思想能够唤起另一种思想，这一观念远早于实验心理学的诞生。亚里士多德曾从相似、对比以及经验中的邻近等关系出发讨论回忆。此后，近代早期的哲学家将联想确立为一项重要的解释原则。约翰·洛克在1700年出版的《人类理解论》增补内容中讨论了“观念的联想”；大卫·休谟则将相似、接近和因果关系区分为联结观念的几项原则。这些论述关注的是更广泛意义上的思想组织方式，而非通过实验测量界定的记忆系统。\n\n在18至19世纪，联想主义发展为一系列理论，主张通过较简单经验之间的联结来解释复杂的心理活动。大卫·哈特莱于1749年出版的《人论》将心理联想与一种推测性的生理学解释联系起来，后来的英国思想家则进一步阐明了重复、相似性和复合观念的作用。这些思想传统提出了一些长期受到关注的问题：联想是否需要反复配对，联结是否具有双向性，以及复杂表征能否还原为基本单元之间的联结。\n\n赫尔曼·艾宾浩斯于1885年出版的《论记忆》，推动了记忆研究向定量实验科学的转变。他使用大多无意义的音节组成的列表，测量学习、遗忘，以及重新学习先前学过的材料时所表现出的节省效应。他的实验程序减少了已有意义的影响，但并未将其完全消除。这些实验表明，看似已经遗忘的材料仍可能留下可测量的效应，而且可以通过有控制地改变学习条件来研究记忆。\n\n玛丽·惠顿·卡尔金斯在19世纪90年代提出了一种早期的系统性配对联想实验程序：先呈现颜色与数字等元素的组合，之后以其中一个元素为线索，测试对另一个元素的记忆。这类方法使元素之间的关系本身成为实验研究的对象。威廉·詹姆斯在1890年出版的《心理学原理》中，同样将联想性联结视为记忆的核心，同时强调注意和经验组织方式的重要性。\n\n20世纪的行为主义将研究重点转向刺激、反应与后果之间可观察的关系。伊万·巴甫洛夫关于经典条件作用的研究表明，信号可以通过与某种结果建立关系而获得预测意义。后来的认知心理学则区分了对预测关系的学习与对某一事件的有意识回忆。当代研究仍将联想视为一个有用的概念，但不再假定所有记忆都能用单一的时间配对法则来解释。注意、预期、先前知识、表征结构和生物学限制，都会影响学习的内容。"
    },
    {
      "heading": "联结的形式及其表征结构",
      "text": "联想记忆可以将不同类型的信息联系起来。项目—项目联结将两个要素联系起来，例如一个词及其译文。项目—情境联结则将某个要素与其周围环境联系起来，例如工具放置的位置。时间联结保留先后顺序或时间上的邻近关系，空间联结则将物体与位置以及其他物体联系起来。一次经历可以将人物、物体、动作、情绪以及特定的时间和地点绑定为一个有结构的表征。\n\n项目记忆与关系记忆之间存在一项基本区别。一个人可能觉得两张面孔都很熟悉，却想不起哪张面孔与某个名字相配。反过来，记住的关系也可以帮助辨认原本只有微弱熟悉感的项目。这些表现未必依赖完全独立的系统，但它们说明，认出各个组成部分，并不意味着这些部分之间的联结也得到了保留。因此，实验通常会将原有配对与重新组合的配对进行比较，后者完全由先前学习过的项目组成。\n\n联结还具有方向上的差异。学过“医生—护士”，并不保证看到“护士”时，也能以同样的概率想起“医生”。第二个词可能有更多相互竞争的联想对象，在学习时获得的注意程度可能不同，也可能被编码为不同的功能角色。在自然语言中，正向和反向联结的强度可能尤其不对称：一个独特的姓氏可能强烈地唤起某种特定职业，而该职业却会让人想到许多不同的人。因此，方向性既反映了学习时的具体经历，也反映了这对项目所处的更广泛的联结网络。\n\n在情景回忆中，联结表征的是某次特定经历中遇到的关系。语义知识则包含不必保留最初学习情境的关系，例如首都与国家之间的关系。反复发生的经历可以促进语义知识的形成，但语义关系并不只是能够被有意识提取的经历的集合。此外，联想效应也可能在没有刻意回忆的情况下出现，例如接触一个词后，对相关词的加工会更加容易。\n\n关系绑定还必须与单元化区分开来。有时，两个要素可以被编码为一个有意义的整体，例如熟悉的复合词，而不是分别表征为两个通过某种关系相联系的组成部分。单元化可以改变熟悉感对后续再认的贡献。它并未消除联结，而是改变了表征所面临的问题：认出一个整合的对象，与重建哪两个独立对象曾经一同出现，并不是一回事。\n\n最后，联想记忆还与暂时维持和操作信息的工作记忆相互作用。将一个新名字与一张面孔同时保持在脑中，有助于形成持久的联结，但暂时绑定并不等同于长期存储。有些联结可以在一次有意义的事件后形成，而任意配对或存在竞争的配对则可能需要反复接触。因此，衡量学习的相关单位并不只是呈现次数，还在于学习者每次接触时表征了怎样的关系。"
    },
    {
      "heading": "联想学习的实验任务与证据",
      "text": "配对联想学习是测量联想记忆的主要方法之一。参与者学习诸如“窗户—马”这样的配对，随后以其中第一个词为线索，回忆第二个词。研究者在保持其他因素不变的情况下，操纵重复次数、延迟时间、意义性、意象和干扰等因素。由于成功完成任务既取决于能否记住目标项目，也取决于能否根据线索提取它，因此需要设置对照条件，以区分项目本身学得不牢和项目间关系学得不牢这两种情况。\n\n联结再认提供了一种互补的检验方法。参与者先学习 A—B 和 C—D 等配对，再将原配对与 A—D 等重新组合的配对区分开来。所有单个元素都可能是熟悉的，因此，仅凭对项目的熟悉感无法可靠地识别出先前学过的关系。研究通常用命中率、虚报率或源于信号检测论的指标来概括任务表现。不过，参与者采用的策略也很重要：他们可能回想起某个具体配对，可能认出一个整合后的复合单元，也可能使用排除法，而不是直接提取关系。\n\n自由联想任务探讨的是另一个问题。受试者收到“面包”之类的线索后，说出脑海中最先浮现的相关词语。汇集大量参与者的反应，就能建立联想常模，其中包括某个线索引出特定目标词的概率。这些常模描述的是语言共同体中已经形成的关系，并不直接测量某次特定实验中学到的内容。词频、文化经验和语言熟练程度都可能影响所观察到的联想网络。\n\n启动任务测量一种刺激如何影响后续加工。例如，在“医生”之后识别“护士”，可能比在一个无关词之后更快。这类效应证明，相关表征之间存在相互作用，但并不能据此唯一确定某种机制。视刺激呈现的时间安排和任务条件而定，促进效应可能反映自动激活、策略性预期，或目标出现后所作的判断。意义上的相似性与频繁共同出现所形成的联结也可以区分，尽管日常词语配对往往兼具二者。\n\n条件作用实验尤为清楚地表明，仅有共同出现还不足以促成学习。在罗伯特·雷斯科拉于 1968 年开展的、具有重要影响的实验中，学习取决于一个信号如何改变结果发生的概率，而这种改变是相对于背景条件而言的。莱昂·卡明的阻断实验同样表明，已经确立的预测线索会限制个体对另一个冗余信号的学习。这些发现推动了相关模型的发展；在这些模型中，出乎预期的结果驱动联结强度发生变化。\n\n一条简化的预测误差规则将这一思想表达为\n\n\\[\\Delta V_i=\\alpha_i\\beta\\left(\\lambda-\\sum_j V_j\\right),\\]\n\n其中，\\(V_i\\) 是某一线索的联结强度，\\(\\lambda\\) 表示该次试验中结果所支持的联结强度水平，学习率参数则调节更新幅度。1972 年提出的雷斯科拉—瓦格纳模型将这一原理应用于若干重要的条件作用现象。它并不是适用于人类所有记忆活动的通用方程：对关系的回想、指导语、推理以及情境效应，都需要额外的解释机制。"
    },
    {
      "heading": "神经绑定、可塑性与记忆系统",
      "text": "联想记忆的生物学基础涉及多个脑区神经活动和连接的变化。海马体及其邻近的内侧颞叶结构，对于形成许多新的陈述性记忆尤为重要，其中包括事物与情境之间的任意关联。这并不意味着所有关联都储存在海马体中。条件作用、习惯、情绪学习以及熟悉的语义关系涉及的神经网络各不相同，即便是情景回忆，也依赖于海马体与分布在大脑皮层中的表征之间的相互作用。\n\n神经系统病例提供的证据帮助确立了这些区分。亨利·莫莱森在科学文献中长期以 H.M. 为人所知。他于1953年接受双侧内侧颞叶手术后，在形成许多新的持久性陈述性记忆方面出现了严重困难。然而，他仍然能够进行某些形式的学习，例如在镜描任务中的表现有所改善，却无法有意识地回忆起练习经历。他的病例表明，记忆并非单一系统；不过，由于手术损伤范围较广，不能将他的每一项功能障碍都归因于某个单一结构。\n\n在细胞层面，突触可塑性提供了经验改变神经元之间通信的机制。唐纳德·赫布在1949年出版的《行为的组织》中提出，如果一个神经元反复有效地参与促使另一个神经元放电，两者之间的连接就可能增强。这一思想启发了赫布理论中的学习规则。人们熟知的“一起放电的神经元会连接在一起”这一说法，是后来对该思想的简化：生物学变化取决于放电时序、抑制作用、神经调质作用、已有的突触强度以及许多其他条件。\n\n1973年，蒂莫西·布利斯和泰耶·勒莫报告了兔海马结构中突触传递的持久增强现象，这一现象被称为长时程增强。在几条得到充分研究的海马通路中，依赖 NMDA 受体的钙离子内流有助于启动提高突触效能的变化。这类机制为神经活动与持久性改变之间的联系提供了实验支持。不过，证明突触发生了增强，本身并不等于识别出了某个被记住的事件的完整神经表征。\n\n海马体相关理论通常区分模式分离与模式补全。模式分离减少相似经历的表征之间的重叠，帮助人们区分一件物品今天放在何处、昨天又放在何处。模式补全则使局部线索能够重新激活更完整的表征。在对这些过程的解释中，齿状回和 CA3 区占据重要地位，但它们的功能并非仅限于此，研究结果也取决于所用任务和测量尺度。\n\n回忆还会调动控制过程。前额叶区域参与组织编码过程、选择提取线索以及评估提取出的信息，而感觉皮层和联合皮层则能够重现先前经历的某些方面。随着时间推移，巩固过程会改变记忆的组织方式及其持久性；在许多实验条件下，睡眠也会促进这一过程。对于细节丰富的久远情景记忆，海马体究竟持续发挥何种作用，目前仍存在争议。不同模型的分歧在于：即使经过很长时间，对情境细节丰富的经历进行回忆，是否仍然依赖海马体。"
    },
    {
      "heading": "线索依赖的提取、干扰与记忆错误",
      "text": "只有当可用的线索能够触及相关信息时，联想才有用。恩德尔·塔尔文与唐纳德·汤姆森于1973年提出的编码特异性原则强调，提取取决于线索与学习过程中所编码信息之间的关系。在日常语言中与目标联系紧密的线索，其效果可能还不如联系较弱、却曾是原始事件一部分的线索。因此，记忆表现反映的是编码条件与提取条件的匹配程度，而不只是推定仍储存在记忆中的信息量。\n\n情境可以提供这种匹配的一部分。在邓肯·戈登与艾伦·巴德利1975年的研究中，潜水员分别在水下或陆地上学习词表，随后在相同或不同的环境中进行回忆。学习与测试环境相同时，回忆表现更好。这类发现并不意味着回到原来的地点就一定能唤起记忆。情境效应取决于任务要求、其他线索是否可用，以及学习时情境在多大程度上被纳入了记忆。\n\n当一条线索指向相互竞争的目标时，就会发生联想干扰。在标准的A–B、A–C学习安排中，学习对线索A作出新反应C，可能会损害之后对B的回忆。反过来，先前的学习妨碍后续学习或提取的现象，称为前摄干扰。这些效应可能源于竞争、未能区分不同的学习情境、信息可提取性的变化，或多种过程的共同作用。仅凭回忆不佳，无法判定较早的记忆痕迹是否已被抹除。\n\n线索的效用还取决于它的独特性。如果一个词与许多学过的目标都有关联，那么相比于只与一个目标相关联的线索，它所提供的信息可能更难帮助人们确定目标。这一原则通常称为线索超载。与此相关，句子学习研究中的扇形效应表明，当更多学过的事实包含相同概念时，提取其中某一事实所需的时间可能会增加。这类结果支持这样的模型：激活或提取资源会分配到相互竞争的联想之间。\n\n支持灵活重构的同一套过程，也可能产生错误记忆。迪斯—罗迪格—麦克德莫特范式源于詹姆斯·迪斯1959年的研究，以及亨利·罗迪格与凯瑟琳·麦克德莫特1995年的实验。在这一范式中，参与者学习一组彼此相关的词，例如床、休息和梦。之后，他们可能会报告见过实际上并未呈现、但与这些词高度相关的词——睡眠。联想激活、共同语义的提取，以及来源监测失误，都是解释这一效应的因素。它说明记忆会发生系统性的重构，而不能证明所有记住的事件都不可靠。\n\n提取也会改变后续记忆。重新激活可能提高记忆的可提取性、建立新的情境联系，或在某些条件下，使记忆的某些方面能够通过再巩固而得到更新。这种更新发生的条件和程度因任务与物种而异。重新激活一段记忆，并不会自动使其变得不稳定；日常的回忆也不应被等同于对整段已储存经历的任意改写。"
    },
    {
      "heading": "日常情境中的发展、老化与学习",
      "text": "联想学习在人生早期就已开始，但其不同形式的发展轨迹各不相同。婴儿尚不能用语言描述经历时，就能学习视觉、声音、动作与结果之间的规律。这些能力不同于日后有意识地编码任意配对、将材料组织成有意义的类别，或回忆某个事件的细节及其来源的能力。发展不仅涉及与记忆相关的神经系统逐渐成熟，也包括注意、语言、知识和策略性控制能力的变化。\n\n学龄儿童在学习事物之间的关系时，越来越能够运用精细加工和组织策略。两个互不相关的词，可以通过一个句子或想象中的互动联系起来；一组事实也可以整合进已有的概念框架。这类操作提供了额外的提取路径。其效果取决于学习者是否理解材料，以及日后遇到的线索能否触及经过精细加工的表征。仅仅增加接触两个项目的时间，并不能保证二者之间的关系已被编码。\n\n已有知识能够显著改变联想学习的难度。经验丰富的国际象棋棋手可以将有意义的棋子布局编码为熟悉的模式，而新手面对的则是许多相对独立的位置和棋子身份。威廉·蔡斯与赫伯特·西蒙在1973年的经典研究表明，有意义的组织方式对专家回忆国际象棋局面十分重要。面对随机排列的布局时，这种优势大幅减弱。因此，专长改变的是记忆的有效单元，而不是简单地使一般存储容量无限增加。\n\n在成年晚期，实验室研究往往发现，与识别单个项目相比，记住项目之间的关联表现出更大的年龄差异。摩西·纳韦-本杰明于2000年提出的联结缺陷解释强调了这一模式，其中包括将各个成分绑定为连贯事件的困难。这一发现反映的是群体层面的趋势，并非对每一位老年人或每一项任务的描述。表现会因熟悉程度、知识、感觉加工要求、编码支持，以及能否将各个要素视为一个有意义的整体而有所不同。\n\n教育研究考察了学习安排和测验如何影响联想。与次数相同但时间高度集中的重复相比，间隔接触通常能带来更好的延迟保持效果，而成功提取则能够增强日后的提取能力。提取练习并不只是对一个保持不变的记忆存储进行测量：尝试提取和完成提取，都可能改变记忆表征及其与测验线索之间的关系。反馈、提取是否成功，以及距最终测验的时间间隔，都会影响结果。\n\n日常生活中的联想也受到社会组织方式的塑造。姓名、地点、歌曲和纪念物通过语言与共同经历获得意义。口头传统可以利用反复出现的语句、节奏和叙事结构来帮助复述，而各类机构则通过保存外部记录，减少对个人回忆的依赖。这些联系有助于解释个人记忆如何与集体记忆相互作用。不过，集体记忆指的是由社会维系的关于过去的叙述，并不是一个群体在神经层面实际共享的联想记忆存储。"
    },
    {
      "heading": "计算模型与吸引子网络",
      "text": "计算模型通过明确规定表征、学习规则和提取操作，使基于联想的解释具体化。在简单的异联想模型中，输入模式 \\(\\mathbf{x}\\) 与不同的输出模式 \\(\\mathbf{y}\\) 相联结。权重矩阵可以通过对外积求和来构建：\n\n\\[W=\\sum_{\\mu=1}^{P}\\mathbf{y}^{\\mu}(\\mathbf{x}^{\\mu})^{\\mathsf T},\\]\n\n其中，\\(P\\) 为存储的模式对数量。随后，呈现线索便会产生与 \\(W\\mathbf{x}\\) 相关的输出，之后通常还会进行阈值处理或归一化操作。如果存储的输入彼此重叠，它们各自的贡献就可能相互干扰；正交表征或稀疏表征可以减少某些形式的干扰。\n\n自联想模型学习的则是能够从自身不完整或受损的版本中提取出来的模式。这为根据片段回忆完整事件提供了一种计算层面的解释。自联想与异联想的区别在于所执行的映射，而不在于将两种生物记忆器官严格区分开来。一个能够补全复合表征的系统，实际上可能是在根据其中一个成分提取另一个成分。\n\n一个影响尤为深远的例子是霍普菲尔德网络，约翰·霍普菲尔德于1982年提出了其广泛使用的循环网络形式。在经典的二值网络中，单元的状态为 \\(s_i\\in\\{-1,+1\\}\\)，连接具有对称性，且不允许自连接。异步更新遵循下式：\n\n\\[s_i\\leftarrow\\operatorname{sgn}\\left(\\sum_jw_{ij}s_j-\\theta_i\\right).\\]\n\n在通常的假设下，更新不会使网络的能量函数增大：\n\n\\[E=-\\frac12\\sum_{i,j}w_{ij}s_is_j+\\sum_i\\theta_i s_i.\\]\n\n这里的数学能量是用于刻画网络动力学的标量，并不是对代谢能量消耗的直接度量。\n\n存储的模式可以充当吸引子，使附近的初始状态向其演化。例如，一幅部分被遮挡的二值图像，可能收敛到已经学习过的完整图像。不过，提取仍可能失败：初始状态可能落入错误的吸引域，收敛到非期望的混合模式，或者与所有已存储模式都相距过远。因此，存储并不意味着在任意噪声条件下都能保证恢复。\n\n对于通过标准赫布规则存储随机、近似无偏二值模式的大型经典网络，在特定的提取假设下，一个经常被引用的临界负载是：含有 \\(N\\) 个单元的网络约可存储 \\(0.138N\\) 个模式。这个数值并不是普遍适用的记忆容量。模式间的相关性、稀疏编码、不同的学习规则、对可接受误差的定义，以及对严格稳定性的要求，都会改变容量估计。\n\n这类模型在联结主义中占有重要地位，因为它们展示了分布式表征和局部相互作用如何实现基于内容的提取。它们也揭示了容量、鲁棒性、学习速度和干扰之间的权衡关系。它们与人类认知的关系仍在于提供解释，而非如实复现：生物神经元并不只是二值开关，突触通常也不具有对称性，而真实记忆还包含结构化关系和时间序列，需要更丰富的架构来支持。"
    },
    {
      "heading": "内容寻址计算与现代机器学习",
      "text": "在计算机工程中，联想记忆最常指的是内容寻址存储器（CAM）。传统的随机存取存储器接收一个地址，并返回存储在该地址中的值。CAM 则接收一个待查找的值，并找出与之匹配的条目，通常会同时与多个已存储的数据字进行并行比较。精确匹配型 CAM 与心理学意义上的记忆不同，因为它不必重建缺失的内容、推断含义，也不必通过经验改变自身的表征。\n\n三态 CAM 允许存储位置指定为 0、1 或“不关心”，从而扩展了比较功能。这有助于网络设备中的地址前缀匹配和规则集匹配。例如，如果一个条目的末尾若干位被忽略，多个地址就都可能与其匹配。并行比较可以提供可预测的查找延迟，但在电路、功耗和存储密度方面也会带来工程代价。不能仅仅因为两者都按内容提取信息，就将其工作方式与神经联想模型中的分布式吸引子动力学混为一谈。\n\n在机器学习中，联想检索通常依靠表征，而不是逐位完全相等的匹配。图像、文档或查询可以被映射为向量，再根据向量空间中的距离或相似度检索相关项目。检索质量取决于表征、相似度度量和搜索方法。嵌入空间中的最近邻不一定就是事实正确的答案，也不一定是预期关联的事件。\n\n许多神经网络架构使用的注意力机制提供了另一种依赖内容的访问方式。在缩放点积注意力中，\n\n\\[\\operatorname{Attention}(Q,K,V) = \\operatorname{softmax}\\left(\\frac{QK^{\\mathsf T}}{\\sqrt{d_k}}\\right)V,\\]\n\n查询 \\(Q\\) 与键 \\(K\\) 进行比较，所得权重用于对值 \\(V\\) 进行加权组合。这类似于联想检索，因为查询决定了哪些已存储或当前可用的表征参与生成输出。不过，注意力是一种通用的计算操作，并不能证明模型具有人类的情景回忆能力。\n\n对霍普菲尔德式模型的现代扩展，已经在某些联想更新规则与注意力之间建立了形式化联系。在特定的形式化定义和假设下，这些模型能够支持远大于经典二值网络的存储容量。这类结果针对的是明确定义的数学架构和模式分布；不能据此认定任何大语言模型都拥有某个统一数量的记忆，也不能将其生成的每个回答都等同于对某段已存储经历的检索。\n\n在评估人工系统时，这些区别十分重要。精确匹配、近似相似性搜索、吸引子补全和生成式重建，都可能针对某个线索产生看似恰当的反应，但它们依赖的机制各不相同。习得的关联也可能保留不良相关性，或泄露有关训练数据的信息，从而引发与数据隐私有关的问题。信息能否被恢复，取决于模型、数据和访问方法，而不能仅凭“联想记忆”这一名称来判断。"
    }
  ],
  "links": [
    "psychology",
    "computer-science",
    "brain",
    "artificial-intelligence",
    "aristotle",
    "william-james",
    "behaviorism",
    "cognitive-psychology",
    "hippocampus",
    "hebbian-theory",
    "long-term-potentiation",
    "chess",
    "education",
    "oral-tradition",
    "matrix",
    "hopfield-network",
    "connectionism",
    "machine-learning",
    "vector-space",
    "attention-mechanism",
    "large-language-model",
    "training-data",
    "data-privacy"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}