Wiskundig model legt uit hoe mensen verhalen onthouden met behulp van de 'willekeurige boom'-structuur

Mensen kunnen zich veel verschillende soorten informatie herinneren, waaronder feiten, data, gebeurtenissen en zelfs complexe verhalen. Het begrijpen hoe betekenisvolle verhalen in het menselijk geheugen worden opgeslagen, is een belangrijk aandachtspunt in veel onderzoek binnen de cognitieve psychologie.

Wetenschappers van het Institute for Advanced Study van Emory University en het Weizmann Institute of Science hebben onlangs geprobeerd te modelleren hoe mensen betekenisvolle verhalen representeren en in hun geheugen opslaan met behulp van wiskundige objecten die bekend staan als 'willekeurige bomen'. Hun artikel, gepubliceerd in Physical Review Letters, presenteert een nieuw conceptueel raamwerk voor het bestuderen van menselijke geheugenprocessen, gebaseerd op wiskunde, computerwetenschappen en natuurkunde.

"Ons onderzoek was gericht op het vervullen van een belangrijke behoefte: het ontwikkelen van een wiskundige theorie over het menselijk geheugen voor betekenisvol materiaal zoals verhalen", aldus Misha Tsodyks, hoofdauteur van het artikel. "Er bestaat consensus in het vakgebied dat verhalen te complex zijn om zo'n theorie te ontwikkelen, maar ik denk dat we het tegendeel hebben aangetoond: ondanks de complexiteit zijn er statistische regelmatigheden in hoe mensen verhalen herinneren die kunnen worden voorspeld aan de hand van een paar simpele basisprincipes."

Om de representatie van betekenisvolle herinneringen effectief te modelleren met behulp van willekeurige bomen, voerden Tsodyks en collega's experimenten uit met het herinneren van verhalen met een groot aantal deelnemers via de online platforms Amazon en Prolific. De studie maakte gebruik van verhalen uit Labovs werk. In totaal werd 100 mensen gevraagd om 11 verhalen van verschillende lengtes (variërend van 20 tot 200 zinnen) te herinneren, waarna de wetenschappers de geheugentranscripten analyseerden om hun theorie te testen.

"We kozen voor een verzameling mondelinge geschiedenissen, opgetekend door de beroemde taalkundige W. Labov in de jaren zestig", legt Tsodyks uit. "We realiseerden ons al snel dat de analyse van zo'n grote hoeveelheid data de inzet van moderne kunstmatige intelligentie vereiste, in de vorm van recent ontwikkelde grote taalmodellen (LLM's).

We ontdekten dat mensen zich niet alleen individuele gebeurtenissen uit verhalen herinneren, maar vaak ook vrij grote delen van het verhaal (bijvoorbeeld episodes) in één zin samenvatten. Dit bracht ons tot de conclusie dat verhalen in het geheugen worden opgeslagen als een boom, waarbij de knooppunten dichter bij de wortel abstracte samenvattingen van grotere episodes vertegenwoordigen.

Tsodyks en zijn collega's veronderstelden dat een boom die een verhaal representeert, ontstaat op het moment dat iemand een verhaal voor het eerst hoort of leest en het begrijpt. Aangezien eerder onderzoek aantoont dat verschillende mensen dezelfde verhalen anders waarnemen, zullen de gevormde bomen unieke structuren hebben.

"We hebben het model geformuleerd als een ensemble van willekeurige bomen met een bepaalde structuur", aldus Tsodyks. "Het mooie van dit model is dat het wiskundig beschreven kan worden en dat de voorspellingen direct aan data getoetst kunnen worden, en dat is precies wat we gedaan hebben. De belangrijkste innovatie van ons willekeurige-boommodel voor geheugen en terughalen is de aanname dat al het betekenisvolle materiaal over het algemeen op dezelfde manier in het geheugen wordt gerepresenteerd."

Ons onderzoek kan bredere implicaties hebben voor het begrip van menselijke cognitieve processen, omdat verhalen een universele manier lijken te zijn waarop we redeneren over een breed scala aan verschijnselen in ons individuele leven, maar ook in sociale en historische processen.

Het recente werk van het team benadrukt het potentieel van wiskundige en AI-gebaseerde benaderingen om te bestuderen hoe mensen betekenisvolle informatie in hun herinneringen opslaan en weergeven. In toekomstig onderzoek zijn Tsodyks en zijn collega's van plan te onderzoeken in hoeverre hun theorie en random tree modeling-aanpak toepasbaar zijn op andere soorten verhalen, zoals fictie.

"Een ambitieuzere richting voor toekomstig onderzoek zou zijn om te zoeken naar directer bewijs voor het boommodel", voegde Tsodyks eraan toe. "Dit vereist de ontwikkeling van andere experimentele protocollen dan alleen het afspelen van informatie. Een andere interessante richting zou zijn om hersenscantechnieken te gebruiken bij mensen die bezig zijn met het begrijpen en afspelen van verhalen."