Un modello matematico spiega come le persone ricordano le storie utilizzando la struttura ad "albero casuale"

Le persone sono in grado di ricordare molti tipi diversi di informazioni, inclusi fatti, date, eventi e persino narrazioni complesse. Comprendere come le storie significative vengano immagazzinate nella memoria umana è un obiettivo chiave di gran parte della ricerca in psicologia cognitiva.

Gli scienziati dell'Institute for Advanced Study dell'Università di Emory e del Weizmann Institute of Science hanno recentemente tentato di modellare il modo in cui le persone rappresentano narrazioni significative e le immagazzinano nella memoria utilizzando oggetti matematici noti come "alberi casuali". Il loro articolo, pubblicato su Physical Review Letters, presenta un nuovo quadro concettuale per lo studio dei processi di memoria umana che attinge a matematica, informatica e fisica.

"Il nostro studio mirava a rispondere a un'esigenza importante: creare una teoria matematica della memoria umana per materiali significativi come le narrazioni", ha affermato Misha Tsodyks, autore senior dello studio. "C'è un consenso nel campo sul fatto che le narrazioni siano troppo complesse per costruire una teoria del genere, ma credo che abbiamo dimostrato il contrario: nonostante la complessità, esistono regolarità statistiche nel modo in cui le persone ricordano le storie che possono essere previste da pochi semplici principi di base".

Per modellare efficacemente la rappresentazione di ricordi significativi utilizzando alberi casuali, Tsodyks e colleghi hanno condotto esperimenti di rievocazione di storie con un ampio numero di partecipanti utilizzando le piattaforme online Amazon e Prolific. Lo studio ha utilizzato le narrazioni tratte dal lavoro di Labov. In totale, a 100 persone è stato chiesto di ricordare 11 storie di lunghezza variabile (da 20 a 200 frasi), dopodiché gli scienziati hanno analizzato le trascrizioni mnestiche per testare la loro teoria.

"Abbiamo scelto una raccolta di storie orali registrate dal famoso linguista W. Labov negli anni '60", ha spiegato Tsodyks. "Ci siamo resi conto rapidamente che l'analisi di un volume di dati così elevato richiedeva l'uso di moderni strumenti di intelligenza artificiale, sotto forma di modelli linguistici di grandi dimensioni (LLM) di recente sviluppo.

Abbiamo scoperto che le persone non si limitano a ricordare singoli eventi delle storie, ma spesso riassumono parti piuttosto ampie della narrazione (ad esempio, episodi) in un'unica frase. Questo ci ha portato a credere che la narrazione sia immagazzinata nella memoria come un albero, con i nodi più vicini alla radice che rappresentano riassunti astratti di episodi più ampi.

Tsodyks e i suoi colleghi hanno ipotizzato che un albero che rappresenta una narrazione si formi nel momento in cui una persona ascolta o legge per la prima volta una storia e la comprende. Poiché ricerche precedenti dimostrano che persone diverse percepiscono le stesse storie in modo diverso, gli alberi che si formano avranno strutture uniche.

"Abbiamo formulato il modello come un insieme di alberi casuali di una certa struttura", ha detto Tsodyks. "Il bello di questo modello è che può essere descritto matematicamente e le sue previsioni possono essere testate direttamente sui dati, che è quello che abbiamo fatto. La principale innovazione del nostro modello di memoria e recupero ad albero casuale è il presupposto che tutto il materiale significativo sia generalmente rappresentato nella memoria allo stesso modo.

La nostra ricerca potrebbe avere implicazioni più ampie per la comprensione dei processi cognitivi umani, poiché le narrazioni sembrano essere un modo universale in cui ragioniamo su una vasta gamma di fenomeni nelle nostre vite individuali, così come nei processi sociali e storici."

Il recente lavoro del team evidenzia il potenziale degli approcci matematici e basati sull'intelligenza artificiale per studiare il modo in cui le persone immagazzinano e rappresentano informazioni significative nella loro memoria. In studi futuri, Tsodyks e i suoi colleghi intendono valutare in che misura la loro teoria e il loro approccio di modellazione ad albero casuale possano essere applicati ad altri tipi di narrativa, come la narrativa di fantasia.

"Una direzione più ambiziosa per la ricerca futura sarebbe quella di cercare prove più dirette a sostegno del modello ad albero", ha aggiunto Tsodyks. "Ciò richiederebbe lo sviluppo di protocolli sperimentali diversi dalla semplice riproduzione. Un'altra direzione interessante sarebbe quella di utilizzare tecniche di imaging cerebrale su persone impegnate nella comprensione e nella riproduzione di narrazioni."