记住要忘记

利用认知和基于机器的链接的内存检索系统来增强实用学习。

他将Memex描述为“供个人使用的家具”，这是一种机械化的私人档案和图书馆。 …[一种]个人在其中存储其所有书籍，记录和通讯的设备，并且该设备已经机械化，因此可以超快和灵活地进行查阅。 （5）强调布什的“对他的记忆进行补充”的用语，其想法是整理个人想要存储的内容，然后根据需要进行引用。 知识的建立建立了自组织系统-它利用个人作为过滤系统来处理内容，而不仅仅是放置在无所不知的目录（即搜索引擎）中。 这个想法是后来被称为“个人知识库”（PKB）的最早的电子概念之一。

个人知识库的确切含义是：一种为您自己存储和检索所收集信息的工具（在布什的情况下，它是物理工具，但也可以是一种认知工具）。 通过在您的“知识库”中放置内容，内容之间的关联开始发展空间，类别，并创建该PKB所有者专有的引用神经网络。 一小组人已经研究和实践了这种心理过程，他们已经掌握了它的工作原理，并在竞争环境中取得了惊人的成功。

尼尔森·查尔斯·戴利斯（Nelson Charles Dellis）是英国的“记忆运动员”和登山者，曾接受过物理和计算机科学方面的训练—于2010年在美国记忆冠军赛中首次亮相，旨在尽可能多地记住一定数量的数字，单词或卡片时间。 他在所有十个可用类别中都创下了新记录，其中包括在15分钟内记忆360个数字和在61秒内记忆一整张纸牌。（6）他使用称为记忆宫殿或基因座方法的技巧练习了这一事件。 ，一种助记符设备，其作用是想象一个虚拟的脑部空间，在该空间中创建一系列对象放置在“宫殿”周围，然后回溯步骤以记住大量信息。

• 我是数学家并且讨厌数字
• 乐曲，准备和演奏
• 在VideoKen创建您的第一个KenList的三个简单步骤
• 深入了解JavaScript —构建我们自己的forEach和Map函数
• 学习需求分析（LNA）如何使L＆D处理错误的事情

基因座的方法可以追溯到公元95年，与古希腊人（7）一起生活，他们在识字时代，讲故事的人和从村子到村子的先知通过口头分享信息，分享记忆的故事和实用的信息。（8）

我们一直在下意识地使用这种技术。 观察自己生活中工作中的记忆宫殿：您是否曾经开车走过一条小路，并且还记得上一次沿着同一条路骑行时正在听的歌？ 还是闻到了一些让您想起童年的东西？ 那就是您的大脑使用您的感官上下文来回忆使用相同感官的过去的回忆。

您会发现，记忆与Dellis在记忆竞赛中使用的大脑的同一部分相关。 这种技术对我们的大脑来说是直观的，对于学习新事物至关重要，但是我们目前的学习资源中没有一个可以模仿它。

目前，我们经常试图记住我们在网上看到或听到的内容。 但是，重现搜索以查找例如几个月前看到或听到的信息可能非常困难。

让我们更详细地看一下这场斗争。 在牛津联合会与IBM Watson的David Cole进行问答时，他说：“如果您放入搜索引擎……“向我展示非洲动物，不包括大象”，您认为这又带来了什么？ （9）此外，马萨诸塞大学阿默斯特分校的语言学家基于以词组为中心的语言查询，对词库结果的检索答案进行了研究。 他们发现搜索查询中存在语言层次结构。 对于英语，仅包含名词的查询产生最一致的结果，基于形容词的查询是次准确的，最后是基于动词的查询。 “直觉上，如果从文本中删除所有名词，通常很难理解文本。 如果将所有动词从文本中删除，通常可以知道搜索的含义。”（10）搜索引擎从固定的基于关键字的角度理解信息，而人类的理解则基于上下文。 我们仅限于仅使用关键字与搜索引擎进行交互，以希望我们输入的搜索足够简单以找到正确的结果。

如果您搜索“绘画，调色刀，带有霓虹灯裂缝的大地色调，抽象表现主义，SFMoMA”，那么您将遵循关键字模型，但仍然会浪费大量时间搜索未能达到目标的结果页面。 您不需要学术引用或网页排名中受欢迎的内容：您想要的是实际需要的绘画。 但是，如果搜索引擎可以响应该查询，该怎么办？“几周前那次访问SFMoMA时，我看到了一幅抽象表现主义绘画。 这是泥土色调，几乎没有霓虹灯的裂缝，调色刀是他们制作的工具。”我的基于上下文的询问将彻底澄清，检索出我需要的有关1950年抽象表现主义画家Clyfford Still的所有信息。 普遍存在的搜索引擎是准备采用基于上下文的搜索的系统，但是它坚持使用已建立的，基于关键字的古老模型。

空间记忆有助于深入学习和发现。 基布兹，记忆宫殿和PKB都依赖于空间质量作为框架，但是它们也可以相互结合。 收集和引用信息（PKB），对其进行组织和定义（内存宫殿），然后将其分发并与他人连接的一个封闭循环（基布兹）。 该模型包含来自多个学科的思想，旨在通过本地机器协助来探索与精通有关的自我激励。 我发现这对于21世纪的个人而言非常重要且令人着迷。 不断发展的技术是在完全依靠我们的意见而非资源的程度上为我们提供帮助的。 为了与机器保持人性化，下一步是将AI的原理设计为背包而不是导游。 根据我的研究，我的立场是，我们有机会将当代的机器智能与历史关联的内存检索方法（包括认知方法和基于机器的方法）的各个方面结合起来，以创建可应用于特定本地和全球环境的实用设计，包括社区，教室和我们自己。