Modelo matemático explica como as pessoas se lembram de histórias usando a estrutura de 'árvore aleatória'

As pessoas são capazes de se lembrar de muitos tipos diferentes de informação, incluindo fatos, datas, eventos e até narrativas complexas. Compreender como histórias significativas são armazenadas na memória humana é um foco fundamental de muitas pesquisas em psicologia cognitiva.

Cientistas do Instituto de Estudos Avançados da Universidade Emory e do Instituto de Ciências Weizmann tentaram recentemente modelar como as pessoas representam narrativas significativas e as armazenam na memória usando objetos matemáticos conhecidos como "árvores aleatórias". Seu artigo, publicado na Physical Review Letters, apresenta uma nova estrutura conceitual para estudar os processos de memória humana que se baseia em matemática, ciência da computação e física.

“Nosso estudo teve como objetivo atender a uma necessidade importante: criar uma teoria matemática da memória humana para materiais significativos como narrativas”, disse Misha Tsodyks, autor sênior do artigo. “Há um consenso na área de que narrativas são complexas demais para a construção de tal teoria, mas acredito que demonstramos o contrário: apesar da complexidade, existem regularidades estatísticas na forma como as pessoas se lembram de histórias que podem ser previstas por alguns princípios básicos simples.”

Para modelar eficazmente a representação de memórias significativas usando árvores aleatórias, Tsodyks e colegas conduziram experimentos de recordação de histórias com um grande número de participantes usando as plataformas online Amazon e Prolific. O estudo utilizou narrativas do trabalho de Labov. No total, 100 pessoas foram solicitadas a relembrar 11 histórias de tamanhos variados (de 20 a 200 frases), após o que os cientistas analisaram as transcrições das memórias para testar sua teoria.

“Escolhemos uma coleção de histórias orais registradas pelo renomado linguista W. Labov na década de 1960”, explicou Tsodyks. “Rapidamente percebemos que analisar tal volume de dados exigiria o uso de ferramentas modernas de inteligência artificial na forma de grandes modelos de linguagem (LLMs) recentemente desenvolvidos.

Descobrimos que as pessoas não se lembram apenas de eventos individuais de histórias, mas frequentemente resumem partes bastante grandes da narrativa (por exemplo, episódios) em uma única frase. Isso nos levou a crer que a narrativa é armazenada na memória como uma árvore, com nós mais próximos da raiz representando resumos abstratos de episódios maiores.

Tsodyks e seus colegas levantaram a hipótese de que uma árvore que representa uma narrativa se forma no momento em que uma pessoa ouve ou lê uma história pela primeira vez e a compreende. Como pesquisas anteriores mostram que pessoas diferentes percebem as mesmas histórias de maneiras diferentes, as árvores formadas terão estruturas únicas.

"Formulamos o modelo como um conjunto de árvores aleatórias de uma determinada estrutura", disse Tsodyks. "A beleza desse modelo é que ele pode ser descrito matematicamente, e suas previsões podem ser testadas diretamente com dados, que foi o que fizemos. A principal inovação do nosso modelo de árvore aleatória de memória e recuperação é a suposição de que todo material significativo é geralmente representado na memória da mesma maneira."

Nossa pesquisa pode ter implicações mais amplas para a compreensão dos processos cognitivos humanos, já que as narrativas parecem ser uma maneira universal pela qual raciocinamos sobre uma ampla variedade de fenômenos em nossas vidas individuais, bem como em processos sociais e históricos."

O trabalho recente da equipe destaca o potencial de abordagens matemáticas e baseadas em IA para estudar como as pessoas armazenam e representam informações significativas em suas memórias. Em estudos futuros, Tsodyks e seus colegas planejam avaliar até que ponto sua teoria e abordagem de modelagem de árvore aleatória podem ser aplicadas a outros tipos de narrativas, como a ficção.

“Uma direção mais ambiciosa para pesquisas futuras seria buscar evidências mais diretas para o modelo de árvore”, acrescentou Tsodyks. “Isso exigiria o desenvolvimento de protocolos experimentais além da simples reprodução. Outra direção interessante seria usar técnicas de imagem cerebral em pessoas envolvidas em compreensão e reprodução narrativa.”