導(dǎo)語

在日常經(jīng)驗(yàn)中，我們常把“遺忘”理解為信息的流失：時(shí)間久了，記憶就會(huì)慢慢消失；學(xué)習(xí)新知識(shí)，也可能覆蓋舊內(nèi)容。然而，從短視頻推薦到大語言模型，再到人類被線索喚醒的記憶體驗(yàn)，這些現(xiàn)象或許指向另一種解釋。這篇發(fā)表于 Neuron 的研究提出“鍵值記憶”框架，將記憶拆分為“索引”與“內(nèi)容”兩個(gè)部分：海馬體負(fù)責(zé)提供檢索線索，新皮層負(fù)責(zé)存儲(chǔ)信息本身。在這一視角下，遺忘不再是內(nèi)容消失，而更像是“找不到入口”——信息仍在，只是暫時(shí)無法被提取。這一跨越人工智能與腦科學(xué)的統(tǒng)一模型，不僅重塑了我們對(duì)記憶機(jī)制的理解，也為持續(xù)學(xué)習(xí)與智能系統(tǒng)設(shè)計(jì)提供了新的思路。

關(guān)鍵詞：鍵值記憶（key–value memory）、海馬體、新皮層、記憶檢索、遺忘機(jī)制、Transformer、持續(xù)學(xué)習(xí)、認(rèn)知神經(jīng)科學(xué)

賈梓杏丨作者

張江丨審校

刷短視頻時(shí)，平臺(tái)似乎總能“剛好知道你想看什么”；用AI寫文案時(shí)，模型可以順暢地接著你的思路往下生成；而當(dāng)我們回憶童年趣事，一些零散的線索——一段旋律、一種氣味——往往就能勾起完整的場(chǎng)景。

這些看似毫不相關(guān)的體驗(yàn)，其實(shí)都指向一個(gè)共同的問題：信息是如何被“存住”，又是如何被“找回”的？

在人工智能中，一個(gè)常見的解釋是鍵值記憶（key–value memory）：系統(tǒng)通過線索定位信息，再提取對(duì)應(yīng)內(nèi)容。近年來，神經(jīng)科學(xué)研究也提出類似視角。2025年發(fā)表于 Neuron 的論文《Key-value memory in the brain》嘗試用“索引—內(nèi)容分工”來理解大腦：海馬體更偏向提供檢索線索，新皮層更多承擔(dān)信息存儲(chǔ)。

這并不意味著大腦就是一個(gè)簡(jiǎn)單的“鍵值系統(tǒng)”，但這個(gè)框架提供了一種有啟發(fā)性的統(tǒng)一視角，讓我們重新審視一個(gè)熟悉卻復(fù)雜的問題：記憶是如何被組織的，又為什么會(huì)“遺忘”。

一、什么是鍵值記憶？AI的“記憶秘訣”很簡(jiǎn)單

鍵值記憶聽起來專業(yè)，實(shí)則邏輯我們每天都在用：手機(jī)通訊錄里，姓名是“鍵”（Key），電話號(hào)碼是“值”（Value），找姓名就能快速查號(hào)碼——這就是它的核心：“鍵”定位，“值”存儲(chǔ)，分工明確。

AI領(lǐng)域里，鍵值記憶早已是標(biāo)配：ChatGPT等大模型的Transformer架構(gòu)、檢索增強(qiáng)生成（RAG）技術(shù)，核心都是鍵值配對(duì)。它的優(yōu)勢(shì)，源于對(duì)傳統(tǒng)記憶模型短板的突破。

傳統(tǒng)自聯(lián)想記憶（Auto-Associative Memory）（如圖1左圖所示），可以追溯到神經(jīng)科學(xué)先驅(qū)約翰·霍普菲爾德在上世紀(jì)提出的Hopfield網(wǎng)絡(luò)。在這個(gè)模型中，記憶以整體模式的形式被存儲(chǔ)：只要給定一個(gè)不完整或帶噪聲的輸入，網(wǎng)絡(luò)就會(huì)自動(dòng)“收斂”到最接近的完整記憶。這種機(jī)制就像把照片和名字寫在同一張紙上——回憶時(shí)需要同時(shí)還原整個(gè)內(nèi)容，因此一旦信息變多或彼此相似，就容易混淆或出錯(cuò)。

而鍵值記憶將“定位”和“存儲(chǔ)”分開：“鍵”只負(fù)責(zé)找位置，“值”只負(fù)責(zé)存內(nèi)容，像書的目錄（鍵）和正文（值），各司其職、互不干擾。以回憶過程為例，只需要給模型一個(gè)輕量的Key，而不是一個(gè)全量的內(nèi)容，就能實(shí)現(xiàn)Key到Value的查找。

鍵值記憶的流程只有兩步，和查字典、找通訊錄完全一致：

1. 寫入記憶：將“鍵”和“值”綁定存入系統(tǒng)（比如記單詞時(shí)，拼寫是鍵、中文意思是值）；

2. 讀取記憶：用“查詢線索”匹配鍵，提取對(duì)應(yīng)的值（比如看到單詞拼寫，提取中文意思）。

圖 1：自聯(lián)想記憶與鍵值記憶的結(jié)構(gòu)對(duì)比（作者繪制），前者通過整體模式匹配進(jìn)行記憶恢復(fù)，后者將記憶拆分為“鍵”（用于定位）與“值”（用于存儲(chǔ)），實(shí)現(xiàn)解耦檢索。

神奇的是，Transformer、多層感知機(jī)（MLP）乃至人類大腦，都是這套流程的不同實(shí)現(xiàn)——這正是論文最核心的發(fā)現(xiàn)：人工與自然智能，記憶底層邏輯高度一致。

二、大腦的“鍵值分工”：

海馬體是“索引員”，新皮層是“倉庫管理員”

人類大腦本身就是一套天然的鍵值記憶架構(gòu)，論文通過大量實(shí)驗(yàn)，明確了兩個(gè)核心腦區(qū)的分工：海馬體負(fù)責(zé)“鍵”，新皮層負(fù)責(zé)“值”。

簡(jiǎn)單認(rèn)識(shí)兩個(gè)腦區(qū)：海馬體是“記憶之門”，體積小但關(guān)鍵，受損會(huì)導(dǎo)致無法形成新記憶；新皮層是“記憶倉庫”，占大腦大部分體積，存儲(chǔ)常識(shí)、技能、感官體驗(yàn)等。

過去科學(xué)家只知兩者分工不同，卻不懂協(xié)同邏輯。直到1995年O’Reilly等人的工作[1]發(fā)表，人們才認(rèn)識(shí)到：海馬體不存具體內(nèi)容，只編“索引”（鍵）；新皮層不負(fù)責(zé)定位，只存“內(nèi)容”（值）。

比如第一次去某一家特別的餐廳，海馬體編碼“鍵”——位置、裝修、同行的人；新皮層存儲(chǔ)“值”——味道、心情。后來看到相似裝修（查詢線索），海馬體匹配鍵，從新皮層提取值，完整記憶就浮現(xiàn)了。

圖 2：大腦中海馬體和皮層的位置示意圖，藍(lán)色彎曲狀的區(qū)域即為海馬體圖源[1]

論文基于大量經(jīng)典認(rèn)知神經(jīng)科學(xué)實(shí)驗(yàn)，建立了海馬體編碼鍵、新皮層存儲(chǔ)值的分工框架。其中兩組實(shí)驗(yàn)證據(jù)[2][3]最直接、可重復(fù)性最強(qiáng):

實(shí)驗(yàn)1：記憶并未消失，而是會(huì)隨時(shí)間發(fā)生泛化，并可被線索重新精確化

為了檢驗(yàn)記憶是在消失，還是在變得難以精確提取，研究者設(shè)計(jì)了經(jīng)典的情境恐懼實(shí)驗(yàn)。大鼠在環(huán)境A中經(jīng)歷電擊后，會(huì)形成情境特異性恐懼記憶。

在短期測(cè)試中，這種記憶表現(xiàn)得非常精確：大鼠能區(qū)分高度相似的環(huán)境B和完全不同的環(huán)境C，只在A表現(xiàn)出明顯恐懼反應(yīng)。但隨著時(shí)間推移，這種精確性下降——大鼠開始對(duì)相似環(huán)境B也產(chǎn)生恐懼反應(yīng)，表現(xiàn)出明顯的“記憶泛化”。

關(guān)鍵發(fā)現(xiàn)是，這種變模糊的記憶并非真正丟失。當(dāng)研究者只提供一個(gè)簡(jiǎn)單線索（例如將大鼠短暫帶回環(huán)境A進(jìn)行提示）后，大鼠對(duì)A與B的區(qū)分能力可以恢復(fù)，重新表現(xiàn)出對(duì)A的特異性恐懼反應(yīng)。

這一結(jié)果表明：記憶內(nèi)容本身仍然存在，只是隨著時(shí)間推移，檢索過程變得不穩(wěn)定，導(dǎo)致提取結(jié)果變得泛化；而合適的線索可以重新激活原本精確的記憶，使其“從模糊回到清晰”。

圖 3：小鼠情境恐懼實(shí)驗(yàn)流程圖[4]。大鼠在環(huán)境A形成恐懼記憶，短期內(nèi)可區(qū)分相似環(huán)境B與不同環(huán)境C，但隨時(shí)間出現(xiàn)泛化；通過回到A進(jìn)行提示后，記憶可重新恢復(fù)精確性。

實(shí)驗(yàn) 2：海馬體通過拉開相似記憶的表征來減少混淆，實(shí)現(xiàn)索引分離

為了理解大腦如何區(qū)分高度相似的記憶，研究者讓大鼠學(xué)習(xí)兩條高度重疊的迷宮路線（約80%路徑相同），并要求它們準(zhǔn)確區(qū)分不同路線以獲得食物獎(jiǎng)勵(lì)。

在學(xué)習(xí)初期，由于兩條路線高度相似，大鼠容易混淆，對(duì)應(yīng)的神經(jīng)活動(dòng)模式也彼此接近。隨著學(xué)習(xí)深入，海馬體中的表征逐漸發(fā)生變化：即使在重疊路段，兩條路線的神經(jīng)活動(dòng)模式也被明顯拉開，相似度持續(xù)下降。這種變化與行為表現(xiàn)直接相關(guān)——表征分離越明顯，大鼠的區(qū)分準(zhǔn)確率也越高。

相比之下，新皮層中的表征始終保持較高相似性，更穩(wěn)定地反映路線本身的視覺與空間特征，并不會(huì)主動(dòng)放大差異。

這說明，在面對(duì)相似記憶時(shí)，大腦并不是單純依賴存儲(chǔ)內(nèi)容來區(qū)分，而是通過海馬體提高不同記憶之間的區(qū)分度，減少檢索時(shí)的相互干擾。相對(duì)而言，新皮層更專注于保持內(nèi)容本身的穩(wěn)定與完整。

從這個(gè)角度看，兩者形成了一種分工：一側(cè)負(fù)責(zé)把相似記憶區(qū)分開，另一側(cè)負(fù)責(zé)把內(nèi)容盡可能準(zhǔn)確地保留下來。這種分工方式，與鍵值記憶中定位與存儲(chǔ)分離的思路是相契合的。

三、我們到底為什么會(huì)“遺忘”？

從鍵值記憶的視角來看，遺忘不再被簡(jiǎn)單理解為記憶內(nèi)容的逐漸消失。相關(guān)研究（如Berens et al.[4]提出，記憶表現(xiàn)下降往往可以拆解為兩個(gè)維度：能否被提取，以及提取是否精確。很多情況下，大腦記憶一旦存儲(chǔ)，就長(zhǎng)時(shí)間保存在新皮層，不會(huì)被擦除；遺忘本質(zhì)是海馬體的“鍵”失效，找不到索引，無法提取內(nèi)容。

這一觀點(diǎn)與“鍵值記憶”框架形成了直接對(duì)應(yīng)關(guān)系：如果將記憶內(nèi)容視為“值”，將檢索線索視為“鍵”，那么遺忘更可能發(fā)生在“鍵”失效或匹配困難的環(huán)節(jié)，而不是“值”本身被刪除。在這一假說下，一個(gè)自然的問題是：這種“檢索失敗”是否能夠在行為實(shí)驗(yàn)中被觀察到。為此，研究者設(shè)計(jì)了兩類經(jīng)典實(shí)驗(yàn)。

第一類實(shí)驗(yàn)關(guān)注時(shí)間對(duì)記憶表現(xiàn)的影響。受試者需要記憶屏幕上目標(biāo)出現(xiàn)的位置，并在不同時(shí)間間隔后進(jìn)行回憶測(cè)試。結(jié)果顯示：隨著時(shí)間延長(zhǎng)，能夠成功回憶的人數(shù)下降，但只要能夠回憶，他們報(bào)告坐標(biāo)的精度與第一天毫無差別。這說明記憶內(nèi)容（值）始終清晰，變?nèi)醯氖呛ｑR體的索引能力（鍵）——時(shí)間久了，線索匹配效率下降，導(dǎo)致“搜不到”而非“記錯(cuò)了”。

第二類實(shí)驗(yàn)則考察干擾的作用。受試者依次學(xué)習(xí)多組單詞列表，并在最后回憶其中某一組。結(jié)果發(fā)現(xiàn)，被遺忘程度主要取決于該組內(nèi)部信息的復(fù)雜度，而與后續(xù)學(xué)習(xí)內(nèi)容的長(zhǎng)度關(guān)系不大。這意味著遺忘并非“新記憶覆蓋舊記憶”，而是相似記憶的索引互相競(jìng)爭(zhēng)、互相干擾，導(dǎo)致檢索失敗。

四：AI的“遺忘”，能被“喚醒”

有趣的是，鍵值記憶框架也為理解AI的“災(zāi)難性遺忘”提供了新視角。

在傳統(tǒng)機(jī)器學(xué)習(xí)的解釋中，當(dāng)模型先學(xué)習(xí)識(shí)別“貓”，再學(xué)習(xí)識(shí)別“狗”時(shí)，“貓”的知識(shí)被新任務(wù)“覆蓋刪除”了。但在這篇論文所提出的框架下，可以從另一種角度理解這一過程：模型并非完全“忘記”了貓的知識(shí)，而是在參數(shù)空間中仍然保留相關(guān)信息的情況下，后續(xù)學(xué)習(xí)的表征在推理時(shí)占據(jù)了更強(qiáng)的激活優(yōu)勢(shì)，從而在檢索階段抑制了舊任務(wù)的輸出。這與鍵值記憶中“內(nèi)容仍在，但索引競(jìng)爭(zhēng)導(dǎo)致無法順利提取”的機(jī)制具有一定形式上的相似性。

這種視角也與人類記憶中的一些現(xiàn)象形成呼應(yīng)。例如，在日常體驗(yàn)中，我們常常會(huì)出現(xiàn)“明明知道但一時(shí)想不起來”的情況。這類現(xiàn)象通常被解釋為信息并未丟失，而是在提取過程中受到干擾或索引路徑暫時(shí)失效。不過需要強(qiáng)調(diào)的是，人類記憶系統(tǒng)依賴海馬體與新皮層的協(xié)同結(jié)構(gòu)，而當(dāng)前人工神經(jīng)網(wǎng)絡(luò)是單一參數(shù)系統(tǒng)，兩者在實(shí)現(xiàn)機(jī)制上并不相同。

盡管如此，這種“現(xiàn)象相似但機(jī)制不同”的對(duì)應(yīng)關(guān)系，為理解不同智能系統(tǒng)中的記憶可及性問題提供了一種統(tǒng)一的描述語言。

在機(jī)器學(xué)習(xí)研究中，類似的現(xiàn)象也在標(biāo)準(zhǔn)的連續(xù)學(xué)習(xí)（continual learning）設(shè)置中被反復(fù)觀察。例如多任務(wù)學(xué)習(xí)MLP實(shí)驗(yàn)：任務(wù)1識(shí)別MNIST手寫數(shù)字（0和1），準(zhǔn)確率達(dá)99%；任務(wù)2識(shí)別FashionMNIST服飾（T恤和褲子），準(zhǔn)確率達(dá)95%，不做任何抗遺忘處理。結(jié)果表明：任務(wù)2訓(xùn)練后，任務(wù)1準(zhǔn)確率從99%暴跌到9%，復(fù)現(xiàn)“災(zāi)難性遺忘”。但推理時(shí)放大任務(wù)1的“鍵值對(duì)”分量（模擬激光激活大腦沉默記憶），無需重新訓(xùn)練，準(zhǔn)確率隨放大系數(shù)回升，最終回到99%。這類現(xiàn)象進(jìn)一步提示，“遺忘”在許多情況下更接近于檢索競(jìng)爭(zhēng)，而非信息徹底消失。

圖 4：連續(xù)學(xué)習(xí)中的遺忘與再激活 [5]。模型在先后學(xué)習(xí)任務(wù)1（MNIST）與任務(wù)2（FashionMNIST）后，任務(wù)1性能顯著下降，但通過增強(qiáng)對(duì)應(yīng)任務(wù)的激活路徑，可部分恢復(fù)其輸出能力。

這證明：任務(wù)1的記憶沒被擦掉，只是被干擾成“沉默記憶”，放大鍵值分量就能喚醒——和人類的遺忘與喚醒，邏輯完全一致。

五、結(jié)語：人工與自然智能的“記憶共鳴”

這篇論文的核心貢獻(xiàn)，并不在于提出某種新的工程方法，而在于提供了一種統(tǒng)一的解釋框架——用鍵值記憶的視角，將腦科學(xué)、認(rèn)知心理學(xué)與機(jī)器學(xué)習(xí)中的記憶機(jī)制聯(lián)系起來，使“信息如何被存儲(chǔ)與檢索”這一問題可以在同一抽象層面被討論。

需要指出的是，鍵值記憶仍是一種計(jì)算層面的建模工具，更適合作為解釋框架，而非對(duì)大腦機(jī)制的最終定論。大腦記憶系統(tǒng)涉及多腦區(qū)協(xié)同與多尺度動(dòng)態(tài)過程，其復(fù)雜性遠(yuǎn)超過簡(jiǎn)單的“鍵—值”二分結(jié)構(gòu)。因此，這一框架的意義不在于宣稱“大腦等同于某種計(jì)算模型”，而在于提供了一種跨領(lǐng)域可對(duì)話的概念語言，使不同學(xué)科能夠在同一抽象層面討論記憶問題。

在這一框架下，一些現(xiàn)象獲得了更統(tǒng)一的理解：無論是人類記憶中的“暫時(shí)想不起來”，還是機(jī)器學(xué)習(xí)中的災(zāi)難性遺忘，都可以被看作是檢索過程受阻或競(jìng)爭(zhēng)增強(qiáng)的結(jié)果，而非信息完全消失。這一視角也為人工智能提供了啟發(fā)：通過引入類似“索引與內(nèi)容分離”的結(jié)構(gòu)設(shè)計(jì)，或增強(qiáng)特定路徑的選擇性激活，有望提升模型在連續(xù)學(xué)習(xí)中的穩(wěn)定性。

從更宏觀來看，這種跨領(lǐng)域?qū)φ詹⒉皇墙Y(jié)論，而是一種起點(diǎn)。它提示我們，當(dāng)人工智能與神經(jīng)科學(xué)在同一概念框架下對(duì)齊時(shí)，既可能加深對(duì)大腦的理解，也可能推動(dòng)更具持續(xù)學(xué)習(xí)能力的人工系統(tǒng)設(shè)計(jì)。

感興趣可查看論文官方代碼倉庫（https://github.com/kazuki-irie/kv-memory-brain），親身體驗(yàn)鍵值記憶的魅力——了解AI的記憶邏輯，也是在了解我們自己的大腦。

參考資料

[1]McClelland, J.L., McNaughton, B.L., and O’Reilly, R.C. (1995). Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory. Psychol. Rev. 102, 419–457. https://doi.org/10. 1037/0033-295X.102.3.419.

[2]Wiltgen, B.J., Zhou, M., Cai, Y., Balaji, J., Karlsson, M.G., Parivash, S.N., Li, W., and Silva, A.J. (2010). The hippocampus plays a selective role in the retrieval of detailed contextual memories. Curr. Biol. 20, 13361344. https://doi.org/10.1016/j.cub.2010.06.068

[3]Chanales, A.J.H., Oza, A., Favila, S.E., and Kuhl, B.A. (2017). Overlap among spatial memories triggers repulsion of hippocampal representations. Curr. Biol. 27, 2307–2317.e5. https://doi.org/10.1016/j.cub.2017. 06.057.

[4]Gutiérrez B J, Shu Y, Gu Y, et al. HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models[J]. arXiv preprint arXiv:2405.14831, 2025.

[5]Gershman et al., Key-value memory in the brain, Neuron (2025), https://doi.org/10.1016/j.neuron.2025.02.029

[6]Berens, S.C., Richards, B.A., and Horner, A.J. (2020). Dissociating memory accessibility and precision in forgetting. Nat. Hum. Behav. 4, 866–877. https://doi.org/10.1038/s41562-020-0888-8.

[7]Wiltgen, B.J., Zhou, M., Cai, Y., Balaji, J., Karlsson, M.G., Parivash, S.N., Li, W., and Silva, A.J. (2010). The hippocampus plays a selective role in the retrieval of detailed contextual memories. Curr. Biol. 20, 13361344. https://doi.org/10.1016/j.cub.2010.06.068

[8]Chanales, A.J.H., Oza, A., Favila, S.E., and Kuhl, B.A. (2017). Overlap among spatial memories triggers repulsion of hippocampal representations. Curr. Biol. 27, 2307–2317.e5. https://doi.org/10.1016/j.cub.2017. 06.057.

[9]Berens, S.C., Richards, B.A., and Horner, A.J. (2020). Dissociating memory accessibility and precision in forgetting. Nat. Hum. Behav. 4, 866–877. https://doi.org/10.1038/s41562-020-0888-8.

作者：賈梓杏 中山大學(xué)物理與天文學(xué)院CIBR吉妮實(shí)驗(yàn)室實(shí)習(xí)生 審核：張江 北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院教授 出品：中國科協(xié)科普部 監(jiān)制：中國科學(xué)技術(shù)出版社有限公司、北京中科星河文化傳媒有限公司

NeuroAI讀書會(huì)

神經(jīng)科學(xué)和人工智能領(lǐng)域的多位著名學(xué)者近日發(fā)表 NeuroAI 白皮書認(rèn)為，神經(jīng)科學(xué)長(zhǎng)期以來一直是推動(dòng)人工智能（AI）發(fā)展的重要驅(qū)動(dòng)力，NeuroAI 領(lǐng)域的基礎(chǔ)研究將推動(dòng)下一代人工智能的進(jìn)程。文章發(fā)表后引發(fā)熱議：神經(jīng)科學(xué)是否推動(dòng)了人工智能？未來的人工智能是否需要神經(jīng)科學(xué)？

本著促進(jìn)神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)和腦科學(xué)等不同領(lǐng)域的學(xué)術(shù)工作者的交流與合作，集智俱樂部聯(lián)合北京師范大學(xué)柳昀哲、北京大學(xué)鮑平磊和昌平實(shí)驗(yàn)室呂柄江三位研究員共同發(fā)起了，聚焦在視覺、語言和學(xué)習(xí)領(lǐng)域中神經(jīng)科學(xué)與人工智能的相關(guān)研究，期待能夠架起神經(jīng)科學(xué)與人工智能領(lǐng)域的合作橋梁，激發(fā)跨學(xué)科的學(xué)術(shù)火花。讀書會(huì)已完結(jié)，現(xiàn)在報(bào)名可加入社群并解鎖回放視頻權(quán)限。

詳情請(qǐng)見：

1.

2.

3.

4.

5.

6.

7.

8.