می‌خواهید حافظه‌تان قوی‌تر شود؟ کم‌تر حفظ کنید

راهنماتو- در سال 1956، جورج میلر، یکی از موسسان رشته نوپدید روان‌شناسی شناختی، یک مقاله نسبتا خاص نوشت.

به گزارش راهنماتو، احتمالا به رسم آن زمان، مقاله او با یک پاراگراف احمقانه و طعنه‌آمیز شروع می‌شود که با نثر خشک، بی روح و عامیانه‌ای که امروز سردبیران مجلات و داوران بداخلاق ما را مجبور به نوشتن می کنند، بسیار فاصله دارد.

«مشکلم این است که یک عدد صحیح من را مورد آزار و اذیت قرار داده است. 7سال است که این عدد مدام در اطراف من می‌پلکد. در خصوصی‌ترین داده‌های من مزاحمت ایجاد کرده است و از طرف صفحات عمومی‌ترین نشریات من به من توهین می‌کند...به نقل از یک سناتور معروف، طرحی پسِ پرده وجود دارد، الگوهایی در ظاهر آن می‌توان شناسایی کرد. حال یا واقعا چیز عجیبی درباره این عدد وجود دارد یا من از توهم مورد تعقیب واقع‌شدن توسط آن رنج می‌برم.»

علیرغم لحن عجیب مقدمه، مقاله میلر به یک مقاله کلاسیک تبدیل شد زیرا یک نکته اساسی در مورد حافظه بیان کرد که بارها و بارها تأیید شده است: مغز انسان فقط می‌تواند مقدار محدودی از اطلاعات را در هر لحظه در ذهن نگه دارد.

میلر از استعاره طنزآمیز شکنجه به دست یک عدد صحیح استفاده کرد تا توجه را به این نتیجه‌گیری جلب کند که ما فقط می‌توانیم یک عدد 7رقمی یا 7چیز را به ذهن بسپاریم.

تخمین‌های اخیر نشان می‌دهند که تخمین‌های میلر خیلی خوش‌بینانه بوده است زیرا ما  در آن واحد فقط می‌توانیم سه تا چهار قطعه اطلاعات را در ذهن نگه داریم.

این محدودیت حافظه علت فراموش کردن آنی سریال حروف و اعداد تصادفی که وبسایت‌ها به عنوان رمزهای عبور موقتی ـ مثل   JP672K4LZ  ـ برایمان ارسال می‌کنند، را می‌تواند توضیح دهد.  ما مجبوریم این حروف را یادداشت کنیم وگرنه آنی فراموش می‌کنیم.

حتی کسانی که به صورت حرفه‌ای از حافظه‌شان کار می‌کشند هم با همین محدودیت مواجه‌اند اما با متوسل شدن به یک شکاف بزرگ مشکل‌شان را حل می‌کنند:

اینکه درواقع هیچ تعریفی برای حجم یک قطعه اطلاعات وجود ندارد.  

قطعه‌بندی [Chunking]  به ما کمک می‌کند تا مقادیر زیادی از داده را به مقادیر قابل‌مدیریت اطلاعات فشرده‌سازی کنیم که برایمان به راحتی قابل دسترس باشد.

شاید در سطح خودآگاه از این فرایند مطلع نباشید، اما همین حالا دارید از روش قطعه‌بندی برای یادگیری و به حافظه سپاری اطلاعات استفاده می‌کنید.

مثلا، اگر شهروندی در آمریکا باشید، احتمالا شماره تأمین اجتماعی 9رقمی‌تان را به حافظه سپرده‌اید. خرد کردن این توالی عددی به سه قطعه حفظ‌شدنی (الگوی سه-دو-سه) ، کار حفظ کردن آن را ساده کرده است. در ایالات متحده شهروندان شماره تلفن‌های 10رقمی (با الگوی سه-سه-چهار) را نیز به شیوه مشابه حفظ می‌کنند. با گروه‌بندی این اعداد، ما مقدار اطلاعاتی که مغزمان باید با آن کار کند را به دو-سوم کاهش می‌دهیم.

سرنام‌ها (مثل سرنام HOMES که برای به خاطر آوردن اسم دریاچه‌های بزرگ آمریکای شمالی استفاده می‌شود) یا رمزنگاری‌هایی با عنوان توشیح که در آن ابتدای هر یک کلمه قرار است نظم چیزی را به یاد بیاورد (مثلا در انگلیسی برای اینکه ترتیب عملیات ریاضی در ذهن بچه‌ها بماند از عبارت Please Excuse My Dear Aunt Sally استفاده می‌کنند که هر یک کلمه ابتدای این عملیات ریاضی است: پرانتزParentheses، نماExponents ، ضربMultiplication، تقسیمSubtraction، جمعAddition و تفریقSubtraction)، از یک اصل مشابه پیروی می‌کنند و اطلاعاتی را که در غیر این صورت به خاطر سپردن‌شان دشوار است،  طوری به مفاهیم ساده تبدیل می‌کنند که بتوانیم آن‌ها را حفظ کنیم.

حتی همان زنجیره‌های حروف و اعدادِ بی‌معنایی که به صورت تصادفی تولید می‌شوند را از طریق الگوهای قطعه‌بندی‌ مثل  JP6- 72K- 4LZ.می‌توان به کلمات عبور قابل مدیریت تبدیل کرد.

یکی از اقناع‌کننده‌ترین تحقیقات درباره قطعه‌بندی توسط هرب سیمون در دهه 1970 انجام شد. او روان‌شناس دانشگاه کارنگی ملون و پایه‌گذار رشته نوپدید هوش مصنوعی بود.

سیمون به خیلی از زمینه‌ها و رشته‌ها از جمله اقتصاد که منجر به دریافت جایزه نوبل در سال 1978 شد، کمک کرد اما یکی از جذاب‌ترین تحقیقات او درباره شطرنج بود.

سیمون ابتدا در دهه 1950 به طراحی الگوریتم‌های کامپیوتری که بتوانند شیوه حل مسئله توسط انسان‌ها را شبیه‌سازی کنند، علاقه‌مند شد و از شطرنج به عنوان چالشی که باید حل شود، استفاده کرد.

از نظر یک بازیکن تازه‌کار، شطرنج می‌تواند بسیار پیچیده باشد. با شروع بازی، هر بازیکن با 8 سرباز، دو اسب، دو فیل، دو رخ، یک وزیر و یک پادشاه که در یک صفحه شبکه‌بندی‌شده حاوی 64خانه که به صورت یکی‌درمیان سیاه و سفید است، به اطراف حرکت می‌کنند، مواجه می‌شود.

تازه‌کارها در بازی شطرنج ممکن است که به صفحه نگاه کنند و در به ذهن سپردن مکان هر قطعه روی این صفحه به تقلا بیفتند.

درعوض، یک استاد بزرگ شطرنج ـ لقبی که فقط به نخبه‌ترین بازیکنان شطرنج داده می‌شود ـ خیلی سریع می‌تواند قطعات را روی صفحه شناسایی و الگوها و توالی‌های آشنا را شناسایی و به آن‌ها واکنش نشان دهد.

درنتیجه، یک تازه‌کار در همه حرکت‌ها به تقلا میفتد اما یک استاد بزرگ شطرنج می‌تواند حرکات زائد را حذف کند و کل توالی حرکت رقیب را که هنوز بازی نکرده پیش‌بینی کند.

سیمون در مطالعه کارشناسان شطرنج به این نتیجه رسید که آن‌ها می‌توانند به مجموعه قطعات شطرنج روی تخته نگاه  کنند و ظرف چند ثانیه همان الگوی جای‌گیری قطعات را در ذهن‌شان بازتولید کنند.

اما وقتی از آن‌ها درخواست شد مکان قطعات شطرنج که به صورت تصادفی و بر خلاف قوانین شطرنج در جاهای مختلف قرار گرفته بودند را در ذهنشان بازتولید کنند، حافظه‌شان در سطح یک غیرحرفه‌ای عمل می‌کرد.

این نتایج نشان می‌دهد که استادان بزرگ شطرنج حافظه‌های خارق‌العاده ندارند، بلکه متکی به دانش شناساییِ الگوی‌های قابل‌پیش‌بینی و توالی‌های حرکتی‌ای هستند که در موقعیت‌های مختلفی که هر فرد ممکن است در طی بازی شطرنج بیاموزد، کسب کرده‌اند.

استادان بزرگ شطرنج نیز مانند استادان حافظه، ترکیبی از مهارت، آموزش و تجربه را ـ که به عنوان تخصص هم می‌شناسیم ـ به کار می‌گیرند تا به صورت برق‌آسا اطلاعات را قطعه‌بندی کنند.

تخصص، شیوه‌های یادگیری و به خاطر سپاری را تغییر می‌دهد. اگر نگوییم همه‌مان، اکثرمان، در چیزی تخصص داریم. عشاق پرندگان این توانایی را دارند که خیلی سریع انواعی از پرندگان را شناسایی کنند، آن‌هایی که به خودرو علاقه دارند می‌توانند خیلی سریع سال ساخت و مدل یک ماشین کلاسیک را تشخیص دهند.

در آن زمان،  بیش‌تر دانشمندان علوم اعصاب باور داشتند که تخصص ناشی از تغییراتی است که در نواحی حسی مغز رخ می‌دهد.

بر اساس این دیدگاه، عشاق پرنده تفاوت‌های بین انواعی از گنجشک را به این دلیل متوجه می‌شوند که تغییرات ظریف را در الگوی بال آن‌ها، که از منظر چشم آموزش‌ندیده مخفی می‌ماند، مشاهده می‌کنند.

اما یک دیدگاه متفاوت هم وجود دارد. با علم به این موضوع که قشر پیش‌پیشانی به ما کمک می‌کند روی ابعاد متمایز یک واقعه تمرکز کنیم، این حدس وجود دارد که تخصص درواقع شیوه‌ای که ما قشر پیش‌پیشانی را بسیج می‌کنیم، تغییر می‌دهد.

یک آزمایش

دو دانشجوی روان‌شناسی چندین شیء سه‌بعدی را با کامپیوتر خلق کردند. این اشکال قدری شبیه سفینه‌های فضایی بیگانه بودند اما از یک ساختار بنیادی و منطقی پیروی می‌کردند، به طریقی شبیه همان تفاوت‌ها و شباهت‌هایی که می‌توان در انواعی از گونه‌های پرندگان و ماشین‌ها شناسایی کرد، بودند.

سپس گروهی از دانشجویان داوطلب را به مدت 10روز به خدمت گرفتند و در این مدت آن‌ها را تبدیل به «متخصصان» شناسایی این اشکال بیگانه کردند به نحوی که آن‌ها می‌توانستند ویژگی‌های مشابه و متمایز بین این اشیاء را شناسایی کنند.

بعد از آموزش از مغز آن‌ها تصاویر ام. آر. آی گرفته شد تا مشاهده شود که آموزش چه اثری روی مغز آن‌ها گذاشته است.

درحالیکه به آن‌ها تصاویر سفینه‌های بیگانه نمایش داده می‌شد، از فعالیت مغزی آن‌ها تصویربرداری می‌شد و بعد از آن‌ها خواسته شد که تصویر ذهنی این شیء را که بعد از مدتی از روی صفحه ناپدید می‌شد، در ذهن‌شان ثبت کنند.

بعد از 10ثانیه به آن‌ها تصویر دیگری نمایش داده شد و از آن‌ها درخواست شد بگویند که آیا این تصویر همان تصویر است یا با آن فرق دارد.

از نظر کسی که هیچ آموزشی دریافت نکرده بود، این آزمون می‌توانست بسیار دشوار باشد اما چون داوطلبان آموزش دیده بودند، به راحتی می‌توانستند بین این اشیاء تمایز قائل شوند.

درست مثل استادان بزرگ در آزمایش هرب سیمون، کارشناسان اشکال سه‌بعدی نیز روش‌های ویژه‌ای را برای استخراج مفیدترین اطلاعات درباره چیزهایی که سعی داشتند به حافظه بسپارند، یاد گرفته بودند که به آن‌ها امکان می‌داد به کمک همین تخصص بر محدودیت‌های حافظه فائق بیایند.

اما زمانیکه همین اشیاء سرو‌ته نمایش داده شدند و کارشناسان دیگر نتوانستند از مهارتشان استفاده کنند، تمایز گذاشتن بین این اشکال سه‌بعدی برایشان تبدیل به کار سختی شد.

همانطور که انتظار می‌رفت، تصاویر ام. آر.آی نشان داد هنگامی که دانشجویان به مهارت تخصصی‌شان برای به خاطر سپاری این اشیاء بیگانه متکی بودند، فعالیت قشر پیش‌پیشانی که به طرز حیرت‌انگیزی افزایش پیدا می‌کرد.

این نشان می‌دهد که تخصص صرفا دیدن الگوها نیست بلکه درباره روش‌هایی است که برای کشف این الگوها به کار می‌گیریم. درواقع تخصص شیوه یادگیری ماست.

مثلا، کارشناسان پرنده فقط تفاوت بین آواز یک گنجشک و گنجشک خانگی را «نمی‌بینند» بلکه از تخصصان استفاده می‌کنند تا مستقیما «متمایزترین ویژگی‌های متفاوت» این پرندگان را شناسایی کنند.  

هر چه‌قدر که در موضوعی تخصص پیدا می‌کنیم، در واقع یاد می‌گیریم  آنچه یاد گرفته‌ایم را برای متمرکز شدن روی مهم‌ترین قطعات اطلاعاتی که واقعا به آن نیاز داریم، به کار ببریم.