Нейросеть сама открыла метод «дворца памяти»: исследование Nature Machine Intelligence

Исследователи под руководством Ли (Li et al.) 20 июля 2026 года опубликовали в журнале Nature Machine Intelligence работу, показавшую, что рекуррентные нейросети, обученные задаче свободного припоминания, самостоятельно открывают сразу несколько человекоподобных стратегий памяти — а самые точные из них применяют индексный механизм, напоминающий древнюю мнемотехнику «дворца памяти».

Что показало исследование

Рекуррентные нейросети (RNN), оптимизированные под задачу свободного припоминания (free recall), обнаружили не одну, а несколько разных стратегий запоминания. По данным Nature Machine Intelligence, эти стратегии выходят за рамки классических моделей временного контекста (temporal context models), которые десятилетиями считались основным объяснением того, как человек вспоминает списки слов в произвольном порядке.

Свободное припоминание — классический тест памяти: человеку показывают список, а затем просят воспроизвести его в любом порядке. Долгое время поведение людей в этом тесте описывали именно моделями временного контекста, где вероятность вспомнить слово зависит от того, насколько близко по времени оно предъявлялось к соседям. Новая работа показывает, что оптимальное решение у этой задачи не одно.

• Публикация — 20 июля 2026 года, Nature Machine Intelligence, DOI 10.1038/s42256-026-01274-0
• Авторы — Li et al.
• Метод — рекуррентные нейросети (RNN), оптимизированные под свободное припоминание
• Ключевой вывод — топовые модели используют индексный механизм, аналог «дворца памяти»
• Что превзошли — классические модели временного контекста (temporal context models)

При чём здесь «дворец памяти»

Самые результативные модели опирались на индексный (index-based) механизм: они присваивали запоминаемым элементам своего рода адреса и обращались к ним по этим меткам, вместо того чтобы прокручивать всю последовательность целиком. Приём напоминает технику «дворца памяти» (метод локусов), которой пользовались ещё античные ораторы — факты мысленно «расставляются» по комнатам воображаемого здания, а затем извлекаются обходом заранее известного маршрута.

Важно, что сеть не получала эту стратегию в готовом виде. Она пришла к ней сама, просто оптимизируясь под точность припоминания, — то есть индексная схема оказалась выгодным решением самой задачи, а не заложенным заранее трюком.

Почему это важно

Работа сближает искусственные и биологические механизмы памяти. Если нейросеть без подсказки приходит к стратегии, похожей на человеческую мнемотехнику, это довод в пользу того, что такие стратегии — оптимальное решение задачи припоминания, а не только культурное изобретение. Для нейронауки это проверяемая гипотеза о том, как мозг организует свободное вспоминание.

Для ИИ вопрос долговременной памяти остаётся открытым: языковые модели держат контекст в ограниченном окне и плохо организуют старые воспоминания. Стратегия, при которой элементы адресуются по индексам, а не пересматриваются подряд, перекликается с тем, как современные системы прикручивают внешние базы и векторный поиск. Исследование Li et al. даёт этому биологически правдоподобное обоснование.

Топовые модели используют индексный механизм, напоминающий технику «дворца памяти». — из статьи

Li et al., Nature Machine Intelligence (DOI 10.1038/s42256-026-01274-0)

Что это значит

Нейросети всё чаще служат не только прикладным инструментом, но и моделью мозга. Оптимизируя сеть под конкретную задачу памяти, исследователи получают проверяемые гипотезы о том, как устроено человеческое припоминание — и подсказки для будущих систем ИИ с более структурированной долговременной памятью.