Alcune immagini rimangono più impresse nella memoria rispetto ad altre. Un recente studio della Yale University ha contribuito a chiarire perché ciò accade.
Comunemente si afferma che “l’uomo che morde il cane” fa notizia, mentre “il cane che morde l’uomo” no, poiché il primo è un evento inaspettato e sorprendente. Lo stesso principio si applica alla memorabilità delle immagini.
Secondo Ilker Yildirim, professore di psicologia a Yale e autore principale dello studio, “La mente tende a ricordare meglio ciò che non riesce a spiegare facilmente. Le scene prevedibili e poco sorprendenti possono essere trascurate.”
Lo studio, pubblicato su Nature Human Behavior, analizza come il cervello seleziona quali informazioni memorizzare in mezzo alla marea di dati ricevuti quotidianamente, combinando un modello computazionale della complessità delle scene con uno studio comportamentale.
“Nel lavoro condotto da Yildirim e John Lafferty, professore di statistica e scienza dei dati a Yale,” spiega un comunicato stampa, “i ricercatori hanno sviluppato un modello computazionale che esamina due fasi della formazione della memoria: la compressione e la ricostruzione dei segnali visivi.”
Lo studio ha incluso una serie di esperimenti in cui ai partecipanti è stato chiesto di ricordare immagini specifiche mostrate in rapida successione. Si è scoperto che quanto più difficile era per il modello computazionale ricreare un’immagine, probabilmente perché più complessa o insolita, tanto più essa era memorabile per i partecipanti. Un esempio citato nel comunicato stampa di Yale è quello di un idrante in un contesto naturale remoto, un’immagine anomala che non trova facilmente spiegazione.
Questa ricerca non solo aiuta a comprendere quali immagini si distinguono, ma rappresenta anche un progresso nello sviluppo dell’intelligenza artificiale. “Abbiamo utilizzato un modello di intelligenza artificiale per comprendere meglio come le persone percepiscono le scene,” afferma Lafferty. “Questa comprensione potrebbe contribuire allo sviluppo di sistemi di memoria più efficienti per l’intelligenza artificiale in futuro.”
