記憶動力學：跨層接口、時間索引與重構性提取

Memory Dynamics: Cross-Layer Interfaces, Temporal Indexing, and Reconstructive Retrieval

作者：Neo.K
機構：一言諾科技有限公司（EveMissLab）
版本：v1.0
日期：2026 年 7 月
文件性質：認知動力學系列核心理論論文
系列位置：第 5 篇／記憶與時間接口篇
前置依賴：第 1 篇《認知事件—算子架構》、第 2 篇《選擇配置動力學》、第 3 篇《雙重觀察動力學》、第 4 篇《關係注意不對稱動力學》
公開定位：中層理論、準形式化模型、可檢驗研究綱領

摘要

記憶常被建模為認知流程中的單一模組、固定儲存庫或資訊讀寫層。然而，若選擇、觀察、狀態更新、行動門控與長期關係推斷都依賴過去狀態，則把記憶放入「第六層」會立即產生結構錯位：選擇需要過去的配置歷史，觀察需要既有世界模型，更新需要先驗，行動需要程序可用性，變化檢測需要跨時間比較。本文提出「記憶動力學」（Memory Dynamics, MD），將記憶重構為跨越多個認知算子的橫切接口系統，而非線性流程中的下一層。

本文定義記憶系統為：

\mathcal M_t = \left( \mathcal M_t^{enc}, \mathcal M_t^{con}, \mathcal M_t^{ret}, \mathcal M_t^{upd}, \mathcal M_t^{sup} \right)

分別表示編碼、鞏固、提取、更新與抑制／不可達化機制。記憶痕跡集合以：

\mathfrak M_t = \{ m_1,m_2,\ldots,m_n \}

表示，每一記憶單元可具有內容、時間索引、情境索引、來源、置信度、可達性與重構歷史等屬性。本文不把提取視為從儲存庫讀取完全相同的副本，而採重構模型：

\widehat m_t = \mathcal R \left( m^{trace}, C_t, X_t, \Pi_t, O_t, \mathcal Q_t \right)

其中 $C_t$ 是當前情境， $X_t$ 是當前狀態， $\mathcal Q_t$ 是提取線索。故：

\widehat m_{t_1} \neq \widehat m_{t_2}

即使兩次提取指向同一歷史事件。

本文進一步區分「存在、可達、可提取、可報告、可用於行動」五種不同狀態，拒絕把遺忘簡化為資訊刪除，也拒絕把所有遺忘解釋為 $\Pi$ 主動不分配。本文建立記憶可達性：

a_m(t) \in [0,1]

以及提取機率：

P \left( \widehat m_t \mid m, \mathcal Q_t, C_t \right)

並提出衰減、競爭、干擾、線索失配、抑制與重寫等多機制模型。

本文保留原記憶理論最重要的概念不動點：

\boxed{ \mathcal M \text{ 不是第 }n\text{ 層，而是跨層時間接口} }

但將「記憶是 $\Omega$ 的時間投影」、「有限主體訪問無限資訊網絡」、「記憶與 $O^k$ 哥德爾式糾纏」等強本體命題移出主論證，保留為另篇哲學猜想。本文提出橫切接口、時間索引、重構性提取、狀態依賴、記憶漂移、來源混淆、主動與被動遺忘、跨層調用及 AI 記憶映射等模型，並給出競爭假說、可證偽條件與實驗設計。

關鍵詞： 記憶動力學、橫切接口、時間索引、重構性提取、記憶可達性、鞏固、遺忘、來源監控、事件記憶、AI 記憶架構

0. 邊界聲明

本文首先明確以下限制。

第一，本文不主張：

\mathcal M = \text{大腦中的單一記憶模組}

第二，本文不主張：

\mathcal M = \text{固定儲存庫}

第三，本文不主張：

\text{Forgetting} = \text{Information Deletion}

第四，本文亦不主張：

\text{Forgetting} = \Pi(e)\rightarrow0

是所有遺忘的唯一機制。

第五，本文不以：

\Omega

或：

\mathcal I_{\infty}

作為最低理論前提。

第六，本文不主張記憶容量「實際無限」。

第七，本文不把工作記憶、情節記憶、語義記憶、程序記憶、社會記憶與外部記錄視為完全同質。

第八，本文中的「接口」是功能關係概念，不等於單一生理位置。

因此本文的最低承諾是：

\boxed{ \text{過去狀態可透過某些持續、索引、提取與重構機制影響未來認知} }

而不是：

\boxed{ \text{存在一個統一物質容器保存全部過去} }

1. 問題提出：記憶到底應放在哪一層？

1.1 線性架構的困境

假設認知流程寫成：

E \rightarrow \Pi \rightarrow O \rightarrow U \rightarrow G \rightarrow A

若要加入記憶，最直覺的方法是：

E \rightarrow \Pi \rightarrow O \rightarrow \mathcal M \rightarrow U \rightarrow G \rightarrow A

但立即產生問題。

因為 $\Pi$ 本身需要歷史：

我過去常注意什麼？

$O$ 本身需要既有模型：

我以前學過這是什麼嗎？

$U$ 需要先驗：

新證據與舊信念如何衝突？

$G$ 需要程序：

我知道下一步怎麼做嗎？

關係變化檢測需要比較：

對方以前與現在有何差異？

因此：

\mathcal M

不可能只位於某一個箭頭之間。

1.2 橫切接口命題

本文提出：

\boxed{ \forall \mathcal O_i \in \{ \Pi,O,U,G \}, \exists \mathcal I_i^{\mathcal M} }

其中：

\mathcal I_i^{\mathcal M}

表示算子 $i$ 與記憶系統之間的接口。

因此：

\mathcal M \leftrightarrow \Pi

\mathcal M \leftrightarrow O

\mathcal M \leftrightarrow U

\mathcal M \leftrightarrow G

而不是：

O \rightarrow \mathcal M \rightarrow U

1.3 為何稱為「時間接口」

因為記憶最核心的功能，不是「儲存東西」這個日常隱喻，而是：

允許不同時間位置的系統狀態互相產生影響。

若：

X_{t-\Delta}

完全無法影響：

X_t

則系統每一刻近似重置。

因此，記憶可以最低限度理解為：

\mathcal M: (X_{\leq t},E_{\leq t}) \rightarrow \text{future-accessible influence}

這是功能定義，不是本體論定義。

2. 前四篇中的記憶位置

2.1 與選擇配置 $\Pi$

第 2 篇定義歷史項：

H_t(e) = \int_0^t w(t-\tau) \Pi_{\tau}(e) \,d\tau

這本身就是一種配置歷史記憶。

因此：

\Pi_t(e) = f \left( E_t, X_t, \mathcal M_t^{history} \right)

2.2 與觀察 $O$

第 3 篇的世界模型：

Z_t^{world}

不可能每次從零建立。

因此：

O_t = f \left( E_t^{\Pi}, X_t, \mathcal M_t^{model} \right)

2.3 與元觀察 $O^{meta}$

判斷：

他變了嗎？

需要：

Y_t

與：

Y_{t-\Delta}

的比較。

所以：

O_t^{meta} = f \left( Y_{1:t}, \mathcal M_t, \widehat Z_t^{other} \right)

2.4 與關係變化點

第 4 篇定義：

\tau^{*} = \arg\max_{\tau} P \left( \tau \mid Y_{1:T} \right)

若沒有歷史資料：

Y_{1:T}

就沒有真正的變化點檢測。

因此第 5 篇不是外加模組，而是前三篇與第四篇的跨時間支持系統。

3. 記憶系統的最小分解

本文將記憶系統定義為：

\mathcal M_t = \left( \mathcal M_t^{enc}, \mathcal M_t^{con}, \mathcal M_t^{ret}, \mathcal M_t^{upd}, \mathcal M_t^{sup} \right)

3.1 編碼

\mathcal M_t^{enc}

將當前事件或狀態轉成未來可能被調用的痕跡。

候選形式：

m_{new} = \mathcal M_t^{enc} \left( E_t^{\Pi}, Z_t, X_t, C_t \right)

編碼受：

配置；
情緒；
新穎性；
關聯性；
當前負荷；

影響。

3.2 鞏固

\mathcal M_t^{con}

表示痕跡在時間中變得較穩定、較可重用或與既有結構整合。

候選：

s_m(t+\Delta) = \mathcal C \left( s_m(t), R_m, I_m, S_m, \Xi_t \right)

其中：

$R_m$ ：重複；
$I_m$ ：重要性；
$S_m$ ：睡眠／恢復或其他支持條件；
$\Xi_t$ ：擾動。

本文不主張只有單一鞏固機制。

3.3 提取

\mathcal M_t^{ret}

不是簡單：

\text{Address} \rightarrow \text{Exact Copy}

而是：

\widehat m_t = \mathcal R \left( m^{trace}, \mathcal Q_t, C_t, X_t, \Pi_t, O_t \right)

其中：

$\mathcal Q_t$ ：提取線索；
$C_t$ ：當前情境；
$X_t$ ：當前狀態；
$\Pi_t$ ：配置；
$O_t$ ：當前表徵過程。

因此：

\boxed{ \text{Retrieval} = \text{Reconstruction} }

是本文的中版本命題。

3.4 更新

每次提取後，記憶痕跡可能被修改：

m_{t+1} = \mathcal M_t^{upd} \left( m_t, \widehat m_t, E_t^{new} \right)

因此：

\text{Recall} \not\Rightarrow \text{Read-only}

3.5 抑制與不可達化

\mathcal M_t^{sup}

表示：

抑制；
競爭壓制；
線索阻斷；
暫時不可達；
優先級下降。

這不等於資料刪除。

4. 記憶痕跡的表示

4.1 記憶單元

設：

m_i \in \mathfrak M_t

一個記憶單元可表示為：

m_i = ( c_i, \tau_i, \kappa_i, s_i, a_i, r_i, o_i, u_i )

其中：

$c_i$ ：內容；
$\tau_i$ ：時間索引；
$\kappa_i$ ：情境索引；
$s_i$ ：痕跡強度；
$a_i$ ：可達性；
$r_i$ ：來源；
$o_i$ ：所有權／自我關聯；
$u_i$ ：不確定性。

4.2 不是所有記憶都需要同一粒度

$m_i$ 可以是：

單一事件；
壓縮摘要；
語義規則；
程序；
關係模式；
習慣；
外部索引。

因此：

\mathfrak M_t

不是同質集合。

4.3 壓縮記憶

長期系統可能將：

\{ m_1,m_2,\ldots,m_n \}

壓縮成：

\tilde m = \mathcal C \left( m_1,\ldots,m_n \right)

例如：

他常常在壓力大時消失。

這不是單一事件，而是跨事件摘要。

5. 五種不能混同的狀態

本文提出：

\boxed{ \text{Existence} \neq \text{Accessibility} \neq \text{Retrievability} \neq \text{Reportability} \neq \text{Actionability} }

5.1 存在

某痕跡可能在系統中仍有影響。

5.2 可達

a_m(t) \in [0,1]

表示當前是否容易被相關線索激活。

5.3 可提取

存在合適線索時能否形成：

\widehat m_t

5.4 可報告

主體能否：

說出；
寫出；
明確指出。

程序性技能可能可用但難報告。

5.5 可用於行動

某記憶是否能進入：

G_t

或：

A_t

例如：

我知道安全規則。

不代表危急時能調用。

6. 記憶可達性

6.1 定義

a_m(t) = P \left( m \text{ enters candidate retrieval set at }t \right)

候選模型：

a_m(t) = \sigma \left( \alpha s_m + \beta Q_m(t) + \gamma C_m(t) + \delta H_m(t) - \lambda I_m(t) \right)

其中：

$s_m$ ：痕跡強度；
$Q_m$ ：線索匹配；
$C_m$ ：情境匹配；
$H_m$ ：近期激活歷史；
$I_m$ ：競爭／干擾。

6.2 可達性不是內容真實度

a_m(t)\uparrow \not\Rightarrow \operatorname{Truth}(m)\uparrow

錯誤記憶也可以高度可達。

6.3 高可達也可能是負擔

若：

a_m(t)\approx1

且事件持續非自願進入處理，可能形成：

侵入；
反芻；
高背景占用。

本文不將其直接等同任何臨床診斷。

7. 重構性提取

7.1 同一事件，不同回憶

對同一歷史事件 $e^{past}$ ：

\widehat m_{t_1} = \mathcal R \left( m^{trace}, C_{t_1}, X_{t_1}, \mathcal Q_{t_1} \right)

\widehat m_{t_2} = \mathcal R \left( m^{trace}, C_{t_2}, X_{t_2}, \mathcal Q_{t_2} \right)

因此：

\widehat m_{t_1} \neq \widehat m_{t_2}

是可能的。

7.2 重構誤差

若存在外部參照：

m^{ref}

可定義：

\epsilon_m(t) = d \left( \widehat m_t, m^{ref} \right)

但很多真實記憶沒有完整金標準。

所以重構誤差常是部分可識別。

7.3 來源監控

記憶內容可能正確，但來源錯誤。

定義來源變量：

r_m

例如：

親眼看到；
他人告知；
AI 生成；
自己推測；
多次聽說。

若：

\widehat r_m \neq r_m

形成來源混淆。

7.4 推斷滲入

若主體過去只是：

猜測 X。

之後可能記成：

我記得 X 發生過。

因此需區分：

m^{event}

與：

m^{inference}

8. 時間索引

8.1 時間不是單一日期標籤

記憶可能具有：

絕對時間；
相對順序；
生命階段；
關係階段；
因果前後；
情境位置。

因此：

\tau_m = ( t^{clock}, t^{order}, t^{phase}, t^{relation} )

8.2 時間索引漂移

回憶可能保留內容，但時間位置錯置：

\widehat \tau_m \neq \tau_m

這對：

「以前常常」；
「最近開始」；
「一直都是」；

等判斷很關鍵。

8.3 變化點與時間記憶

第 4 篇的：

\tau^{*}

依賴歷史。

若：

\widehat \tau_m

大量漂移，則：

\widehat{\tau^{*}}

也可能錯誤。

因此：

\boxed{ \text{Change Detection} \text{ inherits memory error} }

9. 記憶與選擇配置

9.1 編碼需要配置，但不是只有配置

一般候選：

P \left( m\text{ encoded} \right) = f \left( \Pi_t(e), N_t(e), G_t(e), X_t, L_t \right)

其中 $L_t$ 是負荷。

9.2 提取本身也是配置問題

大量記憶候選中：

\mathfrak M_t = \{ m_1,\ldots,m_n \}

需要選擇。

因此可定義記憶檢索配置：

\Pi_t^{\mathcal M}(m_i)

9.3 注意不是遺忘的唯一來源

即使：

\Pi_t^{\mathcal M}(m)\downarrow

可達性可能下降。

但遺忘還可能來自：

干擾；
痕跡變弱；
線索失配；
來源混淆；
更新覆寫；
抑制。

所以：

\boxed{ \text{Forgetting} \neq \Pi\text{-withdrawal only} }

10. 記憶與觀察

10.1 觀察依賴既有模型

O_t = f \left( E_t^{\Pi}, \mathcal M_t^{model} \right)

因此同一事件可因過去不同而被看成不同事件。

10.2 先驗支持與先驗扭曲

記憶可：

幫助快速識別；
補全缺失資訊；

也可：

產生刻板化；
過度先驗化；
忽略反例。

因此：

\boxed{ \mathcal M \text{ supports }O \quad \text{and} \quad \mathcal M \text{ biases }O }

11. 記憶與狀態更新

11.1 更新需要比較

U_t = f \left( X_t, Z_t, \mathcal M_t^{prior} \right)

新事件是否「新」，取決於舊狀態。

11.2 更新也改寫記憶

U_t \rightarrow \mathcal M_{t+1}

因此：

\mathcal M_t \leftrightarrow U_t

是雙向關係。

11.3 高激活—低更新接口

後續第 6 篇將研究：

a_e(t)\uparrow

但：

u_e(t)\downarrow

的狀態。

第 5 篇提供記憶基礎：

一個事件可以高度可達、反覆被提取，卻不因此被新證據更新。

12. 記憶與行動門控

12.1 程序可用性

行動候選：

A_t^{*}

若缺乏程序接口：

\mathcal M_t^{proc}

則：

G_t(A)

可能很低。

12.2 知道不等於可調用

m^{declarative} >0

不推出：

m^{procedural} >0

例如：

知道游泳原理

不等於：

危急時會游泳。

12.3 狀態依賴提取

某程序在平靜時可報告，壓力下不可調用：

P \left( \mathcal M^{ret} \mid X_t^{stress} \right) < P \left( \mathcal M^{ret} \mid X_t^{calm} \right)

這為第 8、9 篇的知行與厭惡成本理論提供接口。

13. 遺忘的多機制模型

本文拒絕單一遺忘理論。

13.1 衰減

候選：

\frac{ds_m}{dt} = -\lambda_m s_m

但不主張普遍。

13.2 干擾

若相似痕跡增加：

I_m(t)\uparrow

可使提取概率下降。

13.3 線索失配

Q_m(t)\downarrow

即使痕跡存在，也難以提取。

13.4 抑制

\mathcal M_t^{sup}(m)\uparrow

使可達性下降。

13.5 覆寫／更新

新的表徵改變：

m_t \rightarrow m_{t+1}

舊版本不再直接可得。

13.6 優先級退出

\Pi_t^{\mathcal M}(m)\downarrow

使某記憶長期不進入候選集。

14. 主動遺忘與被動遺忘

14.1 主動遺忘候選

定義：

F_t^{active}(m)

表示系統透過抑制、降優先級、索引刪減或策略性忽略降低可達性。

14.2 被動遺忘候選

F_t^{passive}(m)

可能來自：

時間；
噪聲；
競爭；
資源不足；
結構退化。

14.3 總體

\frac{da_m}{dt} = G_m^{reinforce} - F_m^{active} - F_m^{passive} - I_m + R_m^{cue}

其中：

$G^{reinforce}$ ：強化；
$I_m$ ：干擾；
$R_m^{cue}$ ：線索恢復。

15. 記憶更新與漂移

15.1 提取後更新

每次提取可能發生：

m_{t+1} = (1-\rho_t)m_t + \rho_t \widehat m_t + \eta_t E_t^{new}

這只是候選形式。

15.2 漂移

定義：

D_m(t_1,t_2) = d \left( m_{t_1}, m_{t_2} \right)

若：

D_m\uparrow

表示記憶表示隨時間漂移。

15.3 高頻提取不必提高真實度

反覆回憶可能：

強化；
壓縮；
固化；
扭曲。

因此：

\boxed{ \text{Repeated Recall} \not\Rightarrow \text{Higher Fidelity} }

16. 自我歷史與身份

16.1 自我模型依賴選擇性歷史

定義：

Z_t^{self} = f \left( \mathcal M_t^{self} \right)

但：

\mathcal M_t^{self}

不是全部歷史。

它是被：

編碼；
保留；
提取；
重構；

後的子集。

16.2 敘事身份

可定義：

N_t^{self} = \mathcal C \left( m_1^{self}, \ldots, m_n^{self} \right)

這是自我敘事壓縮。

16.3 敘事穩定與真實歷史不同

N_t^{self}\text{ stable}

不推出：

N_t^{self}\text{ historically complete}

這為後續自我、身份與存在論論文留下空間。

17. 記憶拓撲的弱版本

原理論使用「時間拓撲」描述記憶。

本文保留弱版本，不先宣稱物理或本體拓撲。

17.1 記憶圖

定義：

\mathcal G_t^{\mathcal M} = ( V_t^{\mathcal M}, E_t^{\mathcal M} )

其中：

$V_t^{\mathcal M}$ ：記憶節點；
$E_t^{\mathcal M}$ ：關聯邊。

17.2 邊類型

可包括：

時序；
因果；
語義；
情緒；
來源；
人物；
任務。

17.3 提取是圖上的搜尋與重構

\widehat m_t = \mathcal R \left( \operatorname{Search} ( \mathcal G_t^{\mathcal M}, \mathcal Q_t ) \right)

這使「時間拓撲」成為可操作圖結構，而不是先跳到宇宙本體。

18. 關係記憶

18.1 關係基線

第 4 篇中的：

q_{ij}(t)

估計依賴：

\mathcal M_t^{rel}

18.2 關係懷舊偏差

可定義：

B_{nostalgia} = d \left( \widehat q_{past}, q_{past}^{evidence} \right)

但需要外部或多源參照。

18.3 早期壓縮

長期關係可能把早期多個事件壓縮為：

我們以前一直很好。

這是：

\mathcal C \left( m_1,\ldots,m_n \right)

的結果，不是完整歷史重放。

19. AI 記憶映射

19.1 不把模型參數直接等同人類陳述記憶

本文只作功能映射。

AI 系統可能包含：

參數化知識；
context；
外部向量庫；
episodic log；
tool history；
skill library；
user model。

但：

\text{Model Parameters} \neq \mathcal M_{\text{human}}^{declarative}

只是部分功能類比。

19.2 AI 記憶接口

候選：

\mathcal M_{AI} = ( M^{context}, M^{episodic}, M^{semantic}, M^{procedural}, M^{external} )

19.3 AI 的真正問題之一是接口治理

不是單純：

記得越多越好。

而是：

什麼該寫入；
什麼該鞏固；
什麼該壓縮；
什麼該更新；
什麼該遺忘；
什麼不可跨任務調用。

19.4 記憶與隱私

若長期 AI 保存：

\mathcal M_t^{user}

則需處理：

同意；
可刪除；
可查詢；
來源；
錯誤修正；
敏感隔離。

因此：

\boxed{ \text{Memory Capability} \neq \text{Memory Permission} }

20. 原四分法的重構

原理論使用：

工作；
陳述；
程序；
集體。

本文不完全刪除，但改為：

功能族，不是宇宙唯一四類。

20.1 工作性記憶接口

\mathcal M^{work}

支持短期維持與操作。

20.2 陳述性記憶接口

\mathcal M^{decl}

支持可表達內容。

20.3 程序性記憶接口

\mathcal M^{proc}

支持技能與行動程序。

20.4 情節性記憶接口

\mathcal M^{epis}

支持事件序列與個人經歷。

20.5 社會／外部記憶接口

\mathcal M^{soc/ext}

支持文化、制度、文字、資料庫與其他主體。

21. 分層猜想

H1：橫切接口猜想

至少部分選擇、觀察、更新與行動任務，會因不同記憶接口受損而呈現可區分失效。

H2：重構性提取猜想

同一歷史事件在不同情境、狀態與線索下，其提取內容會系統性變化。

H3：可達—存在分離猜想

存在某些情況，使：

a_m(t)\downarrow

但透過特定線索後：

a_m(t+\Delta)\uparrow

支持「不可達不等於刪除」。

H4：跨層歷史猜想

過去配置歷史可獨立預測未來選擇：

\mathcal M^{history} \rightarrow \Pi_{t+1}

H5：提取更新猜想

提取本身可改變後續記憶表示：

m_t \neq m_{t+1}

H6：來源監控猜想

將來源資訊與內容資訊分離保存，可降低特定錯誤記憶與推斷滲入。

H7：記憶治理猜想

對長期 AI，單純增加記憶容量不必然改善性能；選擇性寫入、壓縮、更新、遺忘與權限治理可能比容量本身更重要。

22. 競爭模型

$H_0$ ：儲存—讀取模型

記憶主要可視為固定內容的寫入與讀取。

$H_1$ ：純衰減模型

遺忘主要由時間衰減解釋。

$H_2$ ：純干擾模型

遺忘主要由記憶競爭解釋。

$H_3$ ：單一注意模型

記憶差異主要由：

\Pi

解釋。

$H_4$ ：跨層重構動力模型

使用：

編碼；
鞏固；
提取；
更新；
抑制；
情境；
線索；
跨層接口。

比較：

預測力；
干預特異性；
跨時間泛化；
模型複雜度。

23. 可證偽條件

F1：橫切性失敗

若記憶可被穩定證明只位於單一序列層，且其他算子不依賴其接口，橫切模型失敗。

F2：重構性失敗

若控制測量誤差後，同一記憶提取完全不受情境、狀態與線索影響，重構模型需弱化。

F3：可達—存在不可分離

若不可提取一律等同痕跡不存在，五狀態分解需刪減。

F4：多機制遺忘無增益

若單一衰減模型跨任務穩定優於多機制模型，本文應降階。

F5：來源資訊無效

若保存來源不改善錯誤校準，來源監控模組價值下降。

F6：AI 記憶治理無效

若單純增加容量在長期任務中穩定優於選擇性寫入、更新與遺忘，治理猜想需修正。

24. 實驗設計

24.1 同一事件多情境提取

先編碼事件 $m$ 。

在不同：

情緒；
任務；
線索；

下提取：

\widehat m_{t_1}, \widehat m_{t_2}, \ldots

測量：

D_m

24.2 可達性恢復

先建立低可達狀態，再提供：

情境線索；
語義線索；
人物線索。

觀察：

a_m(t)

是否恢復。

24.3 提取後更新

比較：

未提取組；
提取組；
提取後加入新資訊組。

測量後續記憶漂移。

24.4 來源監控

提供：

親眼事件；
他人敘述；
AI 生成；
自我推斷。

延遲後測：

內容；
來源；
置信度。

24.5 跨層接口

分別干預：

歷史配置；
世界模型；
程序提取。

檢查是否選擇性影響：

\Pi, O, G

25. 對原《記憶動力學》的正式修補

25.1 保留

保留：

記憶不是第六層；
橫切接口；
編碼—鞏固—提取—遺忘；
重構而非重放；
記憶與選擇配置耦合；
AI 需要多類型記憶治理。

25.2 降階

將：

記憶是 $\Omega$ 的時間投影。

移至強猜想伴隨篇。

25.3 移除

移除：

記憶容量看似無限，因為實際訪問 $\Omega$ 。

主篇不再使用。

25.4 移除哥德爾式必然性

將：

\text{Memory} \equiv O^k \text{ 的時間展開}

移至哲學猜想。

主篇只保留：

\text{Recall} \text{ may involve current observation of reconstructed past representations}

25.5 修正遺忘

將：

\text{Forgetting} = \Pr[\Pi(e)]\rightarrow0

改為多機制：

F = F^{decay} + F^{interference} + F^{cue} + F^{suppression} + F^{update} + F^{allocation}

只是概念分解，不預設線性可加。

25.6 修正固定分類

原四類改為功能族：

工作；
陳述；
程序；
情節；
社會／外部。

不宣稱唯一完備分類。

25.7 移除固定 AI 效果倍數

移除：

加入主動遺忘使模型收斂提升 3–5 倍。

改成待檢驗研究問題。

26. 與後續系列的依賴

本文直接支持：

第 6 篇：認知激活—可塑性動力學

使用：

a_m(t)

並區分：

\text{Activation} \neq \text{Update}

第 7 篇：刻板印象的非對稱更新動力學

研究高可達、低更新狀態。

第 8 篇：知識—行動轉移動力學

使用：

\mathcal M^{proc}

與狀態依賴提取。

第 9 篇：厭惡成本承受動力學

研究壓力與厭惡成本如何影響記憶調用。

第 10 篇：認知鴻溝分類學

加入：

歷史背景差；
可達性差；
來源差；
記憶索引差。

第 13 篇：雙視角推斷 AI

建立長期事件、使用者與來源記憶。

第 14 篇：統一認知—行動動力學

把：

\mathcal M

作為橫切接口放回總系統。

27. 理論貢獻

貢獻一：固定橫切接口地位

\boxed{ \mathcal M \text{ 不是下一層} }

貢獻二：建立五功能生命週期

\mathcal M^{enc}, \mathcal M^{con}, \mathcal M^{ret}, \mathcal M^{upd}, \mathcal M^{sup}

貢獻三：分離五種狀態

\text{Existence} \neq \text{Accessibility} \neq \text{Retrievability} \neq \text{Reportability} \neq \text{Actionability}

貢獻四：建立重構提取

\widehat m_t = \mathcal R ( m^{trace}, C_t, X_t, \Pi_t, O_t, \mathcal Q_t )

貢獻五：建立時間索引漂移

\widehat \tau_m \neq \tau_m

貢獻六：將遺忘多機制化

拒絕單一 $\Pi$ 或單一衰減解釋。

貢獻七：為 AI 記憶建立治理問題

\text{Remember More} \neq \text{Remember Better}

28. 限制

第一，記憶痕跡不是直接觀測物。

第二，不同記憶系統可能需要不同模型。

第三，重構與痕跡變化難完全分離。

第四，時間索引可能多重且模糊。

第五，AI 與人類記憶不可直接同構。

第六，外部記錄是否屬於「主體記憶」需另行定義。

第七，本文不解決意識與記憶的本體論。

第八，本文不主張所有遺忘都應被修復。

29. 核心命題

弱版本

過去狀態對當前選擇、觀察、更新與行動的影響不能充分由單一線性記憶層描述。

中版本

記憶可有效建模為跨越多個認知算子的時間接口系統；其功能包括編碼、鞏固、提取、更新與抑制，且提取具有情境依賴與重構性。

強版本猜想

對具有持續狀態、跨時間學習與多類型行動需求的高階認知系統，某種跨層記憶接口可能是穩定功能結構。

本文不聲稱已證明強版本。

終章：記憶不是過去的倉庫，而是過去進入現在的接口

把記憶想成倉庫，很直觀。

但這個隱喻會讓我們誤以為：

過去被保存；現在只是讀取。

本文提出另一個方向。

真正重要的不是：

\boxed{ \text{過去是否完整躺在某處} }

而是：

\boxed{ \text{哪些過去狀態能以何種方式重新進入現在} }

因此：

\mathcal M

不是一個位於：

O \rightarrow \mathcal M \rightarrow U

之間的步驟。

它是：

\mathcal M \leftrightarrow \Pi

\mathcal M \leftrightarrow O

\mathcal M \leftrightarrow U

\mathcal M \leftrightarrow G

的跨層時間接口。

記憶也不是：

\text{Stored} \Rightarrow \text{Available} \Rightarrow \text{Reportable} \Rightarrow \text{Actionable}

的自動鏈。

而是：

\boxed{ \text{存在} + \text{可達} + \text{提取} + \text{重構} + \text{更新} }

的動態過程。

所以：

\widehat m_t = \mathcal R \left( m^{trace}, C_t, X_t, \Pi_t, O_t, \mathcal Q_t \right)

比：

\widehat m_t = m^{stored}

更能表達本文的核心。

這也意味著：

一個主體不是單純「擁有過去」。

主體持續透過當前情境、當前目標、當前自我模型與當前線索，重新接近、重構甚至改寫過去。

本文刻意不把這一步推到：

\Omega

不把它直接宣稱為：

無限資訊網絡的時間投影。

不是因為那些哲學猜想沒有價值。

而是因為真正成熟的系列需要讓：

\boxed{ \text{橫切記憶接口} }

先在最低承諾下獨立成立。

待這個中層架構穩定後，再討論：

記憶與自指；
記憶與完整自我歷史；
記憶與永生智慧體；
記憶與高階本體。

如此，強理論不再壓住可檢驗理論。

而可檢驗理論也不必犧牲通往更高層哲學問題的接口。

這就是本文的最終定位：

\boxed{ \mathcal M = \text{過去狀態進入當前與未來認知的動態接口系統} }

附錄 A：核心符號表

符號	定義
$\mathcal M_t$	記憶接口系統
$\mathcal M_t^{enc}$	編碼機制
$\mathcal M_t^{con}$	鞏固機制
$\mathcal M_t^{ret}$	提取機制
$\mathcal M_t^{upd}$	更新機制
$\mathcal M_t^{sup}$	抑制／不可達化機制
$\mathfrak M_t$	記憶痕跡集合
$m_i$	記憶單元
$s_m(t)$	痕跡強度
$a_m(t)$	記憶可達性
$\mathcal Q_t$	提取線索
$\widehat m_t$	當前重構出的記憶
$\epsilon_m(t)$	重構誤差
$r_m$	記憶來源
$\tau_m$	時間索引
$\widehat \tau_m$	重構時間索引
$\Pi_t^{\mathcal M}(m)$	記憶檢索配置
$D_m(t_1,t_2)$	記憶漂移距離
$\mathcal G_t^{\mathcal M}$	記憶關聯圖
$B_{nostalgia}$	關係懷舊偏差候選量

附錄 B：一句話版本

記憶不是認知流程中的下一層，也不是過去資料的固定倉庫，而是讓過去狀態透過編碼、鞏固、可達性、線索、重構、更新與抑制，持續影響選擇、觀察、狀態更新與行動的跨層時間接口。

附錄 C：與原稿的版本差異

原始版本	v2.0 重構
記憶是五層循環橫切系統	保留並改接新事件—算子架構
記憶是 $\Omega$ 的時間投影	移至強猜想伴隨篇
記憶訪問無限資訊網絡	主篇移除
記憶等同 $O^k$ 時間展開	移至哲學猜想
遺忘＝ $\Pi$ 不再分配	改為多機制模型
四類記憶為完整分類	改為可擴展功能族
提取＝重構	保留並形式化
工作記憶 7±2 作固定基礎	不作普遍常數
AI 只有參數與 context	改為功能映射，不作絕對判斷
主動遺忘提升 3–5 倍	移除未驗證倍數
記憶是大腦／雲端二選一	改為最低功能接口定義
時間拓撲偏本體論	改為時間索引與記憶圖弱版本

全文完

記憶動力學：跨層接口、時間索引與重構性提取

記憶動力學：跨層接口、時間索引與重構性提取

摘要

0. 邊界聲明

1. 問題提出：記憶到底應放在哪一層？

1.1 線性架構的困境

1.2 橫切接口命題

1.3 為何稱為「時間接口」

2. 前四篇中的記憶位置

2.1 與選擇配置 Π\PiΠ

2.2 與觀察 OOO

2.3 與元觀察 OmetaO^{meta}Ometa

2.4 與關係變化點

3. 記憶系統的最小分解

3.1 編碼

3.2 鞏固

3.3 提取

3.4 更新

3.5 抑制與不可達化

4. 記憶痕跡的表示

4.1 記憶單元

4.2 不是所有記憶都需要同一粒度

4.3 壓縮記憶

5. 五種不能混同的狀態

5.1 存在

5.2 可達

5.3 可提取

5.4 可報告

5.5 可用於行動

6. 記憶可達性

6.1 定義

6.2 可達性不是內容真實度

6.3 高可達也可能是負擔

7. 重構性提取

7.1 同一事件，不同回憶

7.2 重構誤差

7.3 來源監控

7.4 推斷滲入

8. 時間索引

8.1 時間不是單一日期標籤

8.2 時間索引漂移

8.3 變化點與時間記憶

9. 記憶與選擇配置

9.1 編碼需要配置，但不是只有配置

9.2 提取本身也是配置問題

9.3 注意不是遺忘的唯一來源

10. 記憶與觀察

10.1 觀察依賴既有模型

10.2 先驗支持與先驗扭曲

11. 記憶與狀態更新

11.1 更新需要比較

11.2 更新也改寫記憶

11.3 高激活—低更新接口

12. 記憶與行動門控

12.1 程序可用性

12.2 知道不等於可調用

12.3 狀態依賴提取

13. 遺忘的多機制模型

13.1 衰減

13.2 干擾

13.3 線索失配

13.4 抑制

13.5 覆寫／更新

13.6 優先級退出

14. 主動遺忘與被動遺忘

14.1 主動遺忘候選

14.2 被動遺忘候選

14.3 總體

15. 記憶更新與漂移

15.1 提取後更新

15.2 漂移

15.3 高頻提取不必提高真實度

16. 自我歷史與身份

16.1 自我模型依賴選擇性歷史

16.2 敘事身份

16.3 敘事穩定與真實歷史不同

17. 記憶拓撲的弱版本

17.1 記憶圖

17.2 邊類型

17.3 提取是圖上的搜尋與重構

2.1 與選擇配置 $\Pi$

2.2 與觀察 $O$

2.3 與元觀察 $O^{meta}$

$H_0$ ：儲存—讀取模型

$H_1$ ：純衰減模型

$H_2$ ：純干擾模型

$H_3$ ：單一注意模型

$H_4$ ：跨層重構動力模型