Neues Modell zeigt: Einfache Random Walks imitieren menschliche Gedächtnissuche

Eine aktuelle Untersuchung auf arXiv beleuchtet, wie Menschen beim Abrufen von Erinnerungen ähnlich wie Tiere nach Nahrung suchen. Dabei folgt die menschliche Gedächtnissuche dem sogenannten Marginal Value Theorem (MVT), das besagt, dass Individuen ein semantisch zusammenhängendes Cluster ausnutzen, bis es weniger lohnend wird, und dann zu einem neuen Cluster wechseln.

Die Forscher haben moderne, hochdimensionale Embedding‑Spaces – also mathematische Darstellungen von Wörtern und Konzepten – mit zwei unterschiedlichen Sampling‑Methoden getestet: einfache Random Walks und das adaptive Metropolis‑Hastings‑Sampling. Beide Verfahren wurden auf vorhandene Daten zu semantischer Fluenzität angewendet, um zu prüfen, ob sie das beobachtete foraging‑ähnliche Verhalten nachahmen können.

Erstaunlicherweise zeigen Random Walks in diesen Embedding‑Spaces Ergebnisse, die mit optimaler Foraging‑Dynamik und dem MVT übereinstimmen. Das Metropolis‑Hastings‑Sampling, das ursprünglich entwickelt wurde, um strategische Akzeptanz- und Ablehnungsentscheidungen zu modellieren, liefert hingegen keine Ergebnisse, die dem menschlichen Verhalten entsprechen. Diese Befunde legen nahe, dass ein gut strukturiertes Embedding allein – ohne komplexe Akzeptanzkriterien – bereits nahezu optimale Gedächtnissuchverläufe erzeugen kann.

Die Ergebnisse unterstützen die Sichtweise von Hills (2012), die argumentiert, dass moderne Embeddings menschliche Gedächtnissuche ohne aufwändige Sampling‑Mechanismen nachahmen können. Im Gegensatz dazu wird die Annahme, dass komplexere Algorithmen automatisch bessere kognitive Modelle liefern, infrage gestellt. Die Studie zeigt, dass Einfachheit in der Sampling‑Strategie oft ausreichend ist, um die Komplexität menschlicher Erinnerungsprozesse zu erfassen.