前言
刷短视频时，平台总能精准推送你感兴趣的内容；使用AI大模型，它能无缝承接你的创作思路；回忆往事时，一缕气味、一段旋律就能唤醒一整段完整记忆。
这些看似毫无关联的日常现象，指向同一个底层问题：信息如何储存？又如何被快速找回？
人工智能领域早已普及键值记忆（Key-Value Memory），依靠线索定位、提取内容。而2025年发表在顶刊《Neuron》的重磅论文《Key-value memory in the brain》证实：人类大脑同样遵循这套逻辑。大脑将记忆拆分为索引与内容，海马体负责检索线索，新皮层专职储存信息。
大脑并非简单的人工智能，但这套统一框架，让人类第一次在科学层面，打通了人脑记忆与AI记忆的底层逻辑。
一、什么是键值记忆？AI最简单的记忆秘诀
1、通俗易懂：通讯录式记忆
键值记忆概念直白易懂：键（Key）负责定位，值（Value）负责存储，二者分工解耦。
就像手机通讯录：姓名是「键」，用来检索；电话号码是「值」，是真实储存的信息。想要联系方式，只需检索姓名，无需翻阅全部名单，高效且精准。
2、AI标配：大模型的底层架构
如今主流AI技术均依托键值记忆搭建：Transformer架构、RAG检索增强生成技术，核心逻辑全部为键值配对。这套模式完美规避了传统记忆模型的致命缺陷。
3、新旧模型对比：为什么键值记忆更强？
（1）传统自联想记忆：捆绑式存储，极易混淆
霍普菲尔德网络（Hopfield）是经典传统记忆模型，采用整体捆绑存储。如同把名字、照片、信息全部写在同一张纸上，回忆时必须还原全部内容。一旦信息量大、内容相似，就会出现记忆错乱、混淆失真。
（2）键值记忆：分离式存储，互不干扰
键值记忆彻底拆分定位与存储：目录（键）查找位置，正文（值）存放内容。仅需一条轻量化线索，就能精准调取完整信息。
键值记忆两大固定流程：
1. 写入：绑定线索（Key）与内容（Value），完成储存；
2. 读取：依靠线索匹配索引，提取对应完整内容。
从Transformer大模型、多层感知机，到人类大脑，本质都是这套逻辑的不同演化实现。自然智能与人工智能，在此刻达成底层共鸣。
二、大脑的键值分工：海马体索引，新皮层存储
1、两大核心脑区的清晰定位
- 海马体：记忆索引员，体量小巧、至关重要。负责编码线索、区分相似记忆，受损后无法生成新记忆；
- 新皮层：记忆仓库管理员，占据大脑绝大部分体积。长期储存常识、感官体验、情绪、技能等真实记忆内容。
2、人脑记忆真实运行案例
初次到访一家特色餐厅时：
海马体记录线索键：门店装修、同行人员、地理位置；
新皮层储存内容值：食物口感、就餐心情、环境气味。
日后偶遇相似装修风格，海马体快速匹配索引，新皮层调取储存内容，完整的就餐记忆瞬间浮现。
3、两大权威实验，证实大脑键值逻辑
实验一：记忆不会消失，只会变得模糊
研究者设计大鼠情境恐惧实验：让大鼠在环境A中接受电击，形成恐惧记忆。
短期之内，大鼠分辨能力极强，仅对环境A产生恐惧，可区分相似环境B、陌生环境C；随着时间推移，索引能力弱化，大鼠出现记忆泛化，对相似环境B同样产生恐惧。
关键结论：将大鼠短暂放回环境A给予线索提示，记忆立刻恢复精准。记忆内容从未丢失，只是索引失效、检索困难。
实验二：海马体主动拉开相似记忆差距
实验设置两条重合度达80%的迷宫路线，要求大鼠区分路径获取食物。
学习初期，两条路线神经模式高度重合，大鼠极易混淆；随着训练推进，海马体主动拉开相似记忆的神经表征差距，强化索引区分度。而新皮层始终保留路线原始特征，维持内容稳定。
海马体负责差异化区分，新皮层负责稳定性储存，完美复刻AI键值记忆的分工逻辑。
三、人类为什么会遗忘？不是弄丢，是找不到
1、颠覆传统认知：遗忘≠记忆消失
在键值记忆框架下，人类遗忘被重新定义：大脑几乎不会删除记忆内容（值），绝大多数遗忘，都是索引（键）失效。
记忆永久储存在新皮层，而海马体的检索线索老化、混淆、竞争，导致无法调取内容，形成“遗忘”假象。
2、两组实验，拆解遗忘真相
（1）时间遗忘实验：记忆精度不变，检索概率下降
受试者记忆目标坐标，间隔不同时长进行回忆。结果显示：时间越久，能回忆起来的人越少；但只要成功回忆，坐标精度与初次记忆毫无差别。
这证明：内容永远清晰，只是线索老化、难以检索。
（2）信息干扰实验：相似索引互相竞争
受试者连续记忆多组单词，遗忘程度取决于同类信息相似度，和学习时长无关。相似记忆的索引互相抢占激活通道，导致检索失败。
生活中“话到嘴边想不起来”，本质就是索引拥堵、键位竞争，记忆本身完好无损。
四、AI的灾难性遗忘：和人类一模一样的沉默记忆
1、重新理解AI遗忘：不是覆盖，是压制
传统机器学习认为：AI学习新任务会覆盖旧知识，造成灾难性遗忘。
而键值记忆框架给出全新结论：旧知识并未被删除，只是索引被新任务压制，沦为沉默记忆。
2、复刻实验：被遗忘的AI记忆可以唤醒
研究者设计连续学习实验：
任务1：识别手写数字，准确率99%；
任务2：识别服饰图片，训练完成后，任务1准确率暴跌至9%。
看似彻底遗忘，实则只需人为放大数字任务的键值激活分量，无需重新训练，准确率直接回升至99%。
AI和人类达成一致：遗忘是检索故障，而非数据删除。
五、结语：自然智能与人工智能的记忆共鸣
这篇2025年Neuron顶刊论文，没有提出全新工程技术，却搭建起一套跨学科通用解释框架：用键值记忆，串联脑科学、认知心理学、人工智能。
需要明确：大脑并非简单的AI，键值记忆只是计算层面的建模工具，无法完全概括人脑复杂的神经动态。但这套框架的价值无可替代：
✅ 人类舌尖现象、记忆泛化，不再是玄学，而是索引失效；
✅ AI灾难性遗忘，不是权重覆盖，而是检索竞争；
✅ 无论是人脑还是大模型，记忆底层都是：线索检索+内容储存。
从宏观视角来看，人类制造AI的过程，本质是不断复刻自身大脑的过程。键值记忆的共鸣证明：智能的底层逻辑，本就是相通的。
想要深入研究、实操复现，可查阅论文官方开源代码仓库：https://github.com/kazuki-irie/kv-memory-brain
参考资料
[1]McClelland,J.L.,McNaughton,B.L.,and O’Reilly,R.C.(1995).Why there are complementary learning systems in the hippocampus and neocortex:insights from the successes and failures of connectionist models of learning and memory.Psychol.Rev.102,419–457.https://doi.org/10.1037/0033-295X.102.3.419.
[2]Wiltgen,B.J.,Zhou,M.,Cai,Y.,Balaji,J.,Karlsson,M.G.,Parivash,S.N.,Li,W.,and Silva,A.J.(2010).The hippocampus plays a selective role in the retrieval of detailed contextual memories.Curr.Biol.20,1336-1344.https://doi.org/10.1016/j.cub.2010.06.068
[3]Chanales,A.J.H.,Oza,A.,Favila,S.E.,and Kuhl,B.A.(2017).Overlap among spatial memories triggers repulsion of hippocampal representations.Curr.Biol.27,2307–2317.e5.https://doi.org/10.1016/j.cub.2017.06.057.
[4]Gutiérrez B J,Shu Y,Gu Y,et al.HippoRAG:Neurobiologically Inspired Long-Term Memory for Large Language Models[J].arXiv preprint arXiv:2405.14831,2025.
[5]Gershman et al.,Key-value memory in the brain,Neuron(2025),https://doi.org/10.1016/j.neuron.2025.02.029
[6]Berens,S.C.,Richards,B.A.,and Horner,A.J.(2020).Dissociating memory accessibility and precision in forgetting.Nat.Hum.Behav.4,866–877.https://doi.org/10.1038/s41562-020-0888-8.