一生
能有多重？

COF 为 AI 角色赋予过去。接下来显而易见的问题，是过去的大小：一个人拥有多少段自传体记忆——自己一生中的那些时刻，而不是积累下来的知识——如果每一段都连同其感官痕迹记录下来，又会占用多少字节？两者都没有人测量过。本页说明研究确实知道什么，提出一个工作假设，让你检验自己的数字，并推导出这对一个容纳整个一生的文件意味着什么。

这些是数量级，不是测量值。下面每个数字都注明了出处。

研究中的自传体记忆数量

最早提出这个问题的是弗朗西斯·高尔顿，1879 年，他在研究自己的联想时问道：我究竟能回想起自己一生中的多少段经历？（不是他知道的东西——拉丁语、植物的名称、伦敦的街道——而是发生在他身上的事。）他的回答是：逃过遗忘的经历要以数百或数千计，绝不是数百万——这个回答经受住了一个半世纪的检验。唯一一次直接测量的尝试（Crovitz & Schiffman，1974；由 Crovitz、Schiffman & Apter 于 1991 年积分）以词语作为线索提示受试者，为每段记忆标注日期，用幂律拟合记忆随年代变稀的方式，再进行积分：测试前二十年中有 224 段可提取的经历，这是一个下限，位于高尔顿范围的底端；Dudai 在综述中指出，拟合出的函数很可能低估了总数。日记则讲述了故事的另一面：威廉·瓦格纳尔在六年里记下了约 2400 件事——按设计大约每天一件——当他测试自己时，约五分之一似乎已经消失；但一旦给出合适的线索，他无法断言有任何一件事被彻底遗忘。再认走得更远：人们能认出几千张只看过一次的图片（Standing，1973）。亚丁·杜代的综述（1997）用一句话概括了这个阶梯：核心经历的回忆以千计，再认还要高出一个数量级；如果你每天保留一段经历，到七十岁时就会有 25000 段。

因此，每年一百段记忆不是测量值，却是一个站得住脚的立足点：它是高尔顿所数的上端，是瓦格纳尔认为值得记下的数量的四分之一，也是杜代为核心经历给出的数量级。五十年下来，大约是五千段——本页将沿用这个数字。借助线索，乘以五到十；若是超常记忆（LePort 及其同事研究的 HSAM 案例几乎记得每一天），则远不止于此。

它们并非均匀分布在一生中

有两件事决定了记忆分布在哪里。三四岁之前的事几乎什么也留不下（童年失忆）。而十岁到三十岁之间贡献了不成比例的份额——这就是回忆高峰，该领域被重复验证最多的发现（Rubin & Schulkind，1997）。此后，按部就班的岁月很少留下鲜明的记忆，直到最近几年，它们依然新鲜。Clara Mercier 是随 COF 发布的虚构示例角色，她的文件（共十六段记忆）是本页所有数字的标尺；她在 65 岁时保留的九段记忆恰好符合这一分布；这也是角色的预设应当遵循的分布，也解释了为什么 Clara 的童年预设只保留一段记忆，而 65 岁的她保留九段。

两种记忆方式——以及什么有重量

并非所有自传体记忆都是同一种东西。恩德尔·托尔文将记得——回到过去，伴随着图像、声音、一个地方的感觉——与知道区分开来：能够说出某件事发生过并讲述它，却不再重见它。前者首先依赖视觉意象（Rubin、Schrauf & Greenberg，2003）；没有心理意象的人回忆自己的过去时，细节更少，信心也更低（Monzel et al.，2024）；而在一种名为 SDAM 的罕见状况中，一个人知道自己人生中的事实，却无法重温其中任何一段（Palombo et al.，2015）。听觉居次。嗅觉很特别：由气味唤起的记忆更久远、更稀少、更强烈，也更少被回想（Willander & Larsson，2006）。触觉则完全没有数据。

这对重量很重要，因为只有“记得”的记忆才承载感官痕迹，而只有感官痕迹才有重量。“知道”的记忆只是几行文字：几 KB。“记得”的记忆则是一到三张图片，也许一段声音，也许几秒钟的影像：几百 KB 到几 MB。没有研究测量过两者各占多少；认为一生中大部分是“知道”而非重温，这个推断是合理的，但未经证实。下面的计算器把这个占比做成了一个滑块。

那你会唱的一千首歌呢？

音乐看起来是个例外。大多数人能在脑海中重放数百首曲子，有些几乎一个音符都不差，而一位职业音乐家掌握的曲目会让上面的数字相形见绌。研究揭示的两点让它也能归入其中。第一，一首会唱的歌不是自传体记忆：它是知识，与词汇和认得出的面孔存放在一起，并且在情景记忆消失后依然留存——保存熟悉已久的音乐的脑区，是晚期阿尔茨海默病中最后幸免的区域之一（Jacobsen et al.，2015）。你随着它起舞的那个夜晚才是记忆；那首歌是记忆所指向的东西。第二，一首歌是以结构而不是声音存储的：旋律、节奏和歌词，固定在出奇精确的调和速度上（大多数人唱熟悉的录音时，音高与原曲相同或相近，误差在两个半音以内，大多数人的速度与原曲相差不到 8%——Levitin，1994；Levitin & Cook，1996），其余部分则由习得的调性与节拍语法重新生成（Huron，2006；Pearce，2018）。这就是为什么音乐家记一首有结构的曲子，远比记打乱顺序的同样音符要好（Halpern & Bower，1982），也是为什么一首歌比一个夜晚好压缩得多：一段旋律连同歌词只是几 KB 的符号，只有作为录音才有一兆字节。因此在文件中，一首乐曲是一个引用——一个标题、几个小节、一段十秒的痕迹，就像夜里的河水声——附在它所属的记忆上，而不是一千段录音。下面的估算范围不受影响。

知识总体上也是如此：COF 的记忆按设计是自传体的——角色一生中的时刻与时期——而角色对其世界的知识存在于它的性格和文档中。当故事需要时，没有什么能阻止作者把一条知识写成一段记忆（一个只有角色知道的关于其世界的秘密，某天夜里得知并一直守着），但那不是本页所统计的内容。

与文件同样的结构

马丁·康威的自传体记忆模型（Conway & Pleydell-Pearce，2000）将其描述为三个层级：人生时期、一般事件和事件特定知识——让一个时刻变得鲜明的感知细节。COF 文件同样包含这三层：时期、时刻，以及附在时刻上的媒体。这种对应并非刻意设计；它是在追问工具需要什么时自然得出的。但它依然令人安心。

• 人生时期
  代理公司的那些年，AI 战争的那些年——COF 中的一个 period，带有时间跨度
• 一般事件
  工作室里的第一个早晨，河畔的那个傍晚——COF 中的一个 moment，带有概要、时间、地点、与谁
• 事件特定知识
  桌上的光，河水的声音——时刻的 media：一张图片、一段声音、一段影像、几句记得的话

一段记忆的重量，实测

格式中现有的唯一一组记忆属于 Clara：十六个节点，三十一个媒体，为 1.1 示例而写。与其猜测，不如看看它们在文件中实际有多重。她的图像大多是 1248 × 832 的 JPEG——约一百万像素，正是如今生成器产出的尺寸；她唯一的一段影像长十秒，480p；她唯一的一段声音长十秒。

基于 spec/examples/10-clara-mercier（COF 1.1）测得。整个角色连同她的面孔、声音和动作片段，解压后为 21 MB——打包为 .cof 后为 15.5 MB。

所以在实际中，一段带一张图片的记忆约为四分之一兆字节；一段丰富的记忆，三张图片加一段影像，约为一兆字节。把分辨率提高三倍——用手机照片而不是生成的图片，用 1080p 而不是 480p——同样的记忆就会重三倍。因此，每段“记得”的记忆一兆字节是按如今尺寸计算的合理平均值，视你保留多少而上下浮动三倍。

试试你自己的数字

上面的每一个假设，在这里都是一个控件。默认值就是工作假设：从三岁起每年一百段记忆，全部是“记得”而不仅仅是“知道”，媒体为轻量、标准和丰富三种的组合，大小以 Clara 的文件为准，并按手机画质的媒体缩放。任何一项都可以修改。

这对文件意味着什么

认真对待这个工作假设，一个近乎完整的角色——一生的自传体记忆，按如今的媒体尺寸——其估算范围是几 GB。这不成问题。那是一张 DVD，一部手机百分之几的容量。格式已经能够处理：.cof 是一个 ZIP 容器（接受 zip64），其前两个条目用于标识文件并存放清单，因此读取者在解压任何内容之前就知道里面有什么；媒体按需解压；builder 会对含有三张以上图片的记忆发出提示，超过 20 MB 的视频必须在其所属记忆上确认。角色的其余部分——参考图、声音样本、3D 模型、动作片段——远比它的过去轻。

这是一个工作范围，不是格式的规则：COF 对文件大小不设限制。它是平台可以据以规划的数字：一个完整的角色装进一部手机，还绰绰有余。

一个开放问题：作为潜在空间的记忆

这个问题还有更深的问法。人的心智并不把过去归档为五千份文档。记忆由分散的痕迹重建而来，每一次回忆都会给下一次染上颜色，而整体存放在连接权重之中——用今天的话说，就是一个潜在空间——其中什么与什么相似，本身就是结构。如果能够收集、重建或撰写一生的记忆，它们最忠实的形式也许根本不是一份档案：而可能是一个模型，一组在这些记忆上训练出的权重，记忆之间的每一条联系都存在于其中，无需声明。这本身就是一个研究方向，而且是一个引人入胜的方向。

有必要说清楚这样做的代价。权重是不透明的：你无法打开它们读出一段记忆。它们无法一段记忆一段记忆地编辑。它们也无法可靠地遗忘——从模型中移除一个训练样本是一个尚未解决的问题（Bourtoule et al.，2021），这意味着一个撤回同意的真实人物，或者一个要求清除某段个人记忆的用户，其要求将无法得到兑现。COF 为保障而构建的一切——读取、编辑、清除、携带自己的数据——都存在于档案之中。

恰好，大脑并不做选择。标准理论（McClelland、McNaughton & O'Reilly，1995）认为存在两个互补的系统：一个快速的情景存储，分别保存当天发生的事；一个缓慢的皮层系统，随时间推移将它们整合为一般结构；巩固就是训练。一份档案和一个潜在空间，并肩而立，一个滋养另一个。COF 在面孔方面已经同时承载这两类东西——参考图像旁边是由它们训练出的 LoRA——同样的模式也适用于记忆：图谱作为唯一可信的来源，旁边是一个巩固——一个在记忆上训练出的适配器——它是派生的、可再生的，档案一变就丢弃并重建，这样清除就能通过重新训练来兑现，而不是寄希望于侥幸。

所以，这是我们希望有人来做的研究。取几千段记忆——为一个虚构角色撰写的，或经同意从一段真实人生中重建的——在它们之上训练一个适配器，然后测量三件事：模型能否在未被告知的情况下恢复图谱所声明的联系（之后、因为、关于）；它能否发现作者未声明、而读者会认可的联系；以及清除之后重新训练，是否不会留下被移除内容的任何痕迹。如今已有一个更便宜的第一步：每段记忆一个嵌入向量，一个作为派生文件携带的向量索引——一个仍能追溯回来源的潜在空间。如果答案令人满意，角色记忆的终极形式很可能就是一个模型。它仍然需要自己的档案，原因与我们需要自己的档案一样：为了能够说出发生了什么。

参考文献