德国心理学家发现记忆遗忘规律，如今已应用于AI推荐

德国心理学家发现记忆遗忘规律，如今已应用于AI推荐

1885年，德国心理学家赫尔曼·艾宾浩斯（Hermann Ebbinghaus）发表了一项开创性的研究，揭示了人类记忆遗忘的规律。他通过大量实验发现，记忆的遗忘并不是均匀进行的，而是遵循着特定的曲线规律。这一发现不仅为记忆研究奠定了基础，还为后来的学习和教育实践提供了重要的理论指导。

艾宾浩斯遗忘曲线描述了人们在学习后随时间推移对信息的记忆保持程度。它表明，人们在初次学习后，记忆会迅速遗忘，但随着时间的推移，遗忘速度会逐渐减慢。这一规律可以用指数衰减函数来近似表示：

其中：

• R 是记忆保持率（即还记得的信息比例）
• t 是经过的时间
• S 是稳定性或遗忘速度的一个参数，它决定了记忆随时间衰减的速度

艾宾浩斯的实验揭示了记忆遗忘的规律，为后来的记忆研究奠定了基础。他的研究不仅展示了记忆随时间变化的规律，还为制定有效的学习和复习策略提供了科学依据。

艾宾浩斯记忆曲线在实际学习中有着广泛的应用。例如，在背单词时，可以利用这一规律来制定复习计划。假设需要记忆10个单词，第一次复习时应该复习所有单词，第二次复习时只复习其中一半，以此类推。具体来说，复习次数与复习单词数量的关系可以表示为：

function ebbinghausCurve(n) {
  if (n === 0) {
    return 0;
  }
  if (n === 1) {
    return 1;
  }
  return Math.round(ebbinghausCurve(n - 1) / 2);
}

在第一次到第十次复习的过程中，应该依次复习的单词数量为：10、5、3、1、2、1、2、1、1、1。

在设计基于Android的背单词应用时，可以利用艾宾浩斯曲线来提供单词记忆提示。应用可以跟踪用户的学习进度和熟悉程度，根据艾宾浩斯曲线安排单词的复习时间。用户在学习模式中可以标记单词的熟悉程度，系统则根据这些信息调整复习频率。

近年来，艾宾浩斯遗忘曲线在现代推荐系统中得到了新的应用。上海交通大学高晓沨教授团队提出了一种基于帕累托优化和遗忘曲线的多目标推荐系统（PMORS），该系统能够有效处理用户的显式负反馈，如在短视频平台上快速滑过不喜欢的内容。PMORS通过引入基于艾宾浩斯遗忘曲线的遗忘模型，量化负面反馈的影响，并制定相应的惩罚策略。实验结果表明，PMORS在多个推荐目标之间取得了更好的平衡，避免了跷跷板现象的出现，并在点击率和召回率等业务指标上取得了显著提升。

艾宾浩斯记忆曲线的发现不仅揭示了人类记忆遗忘的规律，还为制定有效的学习和复习策略提供了科学依据。在现代技术的推动下，这一经典理论正焕发出新的生机，为个性化学习和智能推荐系统的发展提供了新的思路和方法。