麻省理工学院的最新研究表明，大型人工智能模型可以成功地在人类中植入虚假记忆，效果优于其他方法。研究模拟了目击者采访，并发现人工智能模型能够有效地诱导“目击者”产生虚假记忆。研究人员将200名志愿者分为四组，并评估了他们的记忆形成情况。与人工智能模型互动的组别具有最有效的方法，因为它根据志愿者的回答提供即时反馈和积极强化。人工智能模型还使用误导性问题在志愿者的记忆中引入虚假细节。该研究突出了人类记忆的建设性特性以及其对外部影响的易受性。研究人员强调，人工智能模型可以通过引入虚假信息和植入新记忆来改变用户的记忆。

本文介绍了多个智能体模型及其在记忆形成和强化学习中的应用，如MERLIN、Memory Maze和LDM^2。这些模型通过结合短期和情节记忆，提升了智能体在复杂环境中的表现，尤其在合作和任务解决方面。研究表明，具有人类记忆系统的智能体在学习和决策中表现更佳。

该研究发现，训练线性物理网络学习线性变换的过程类似于无序和玻璃系统中的衰老和记忆形成过程。学习动力学类似于衰老过程，通过反馈边界力的重复应用而松弛，从而编码输入输出关系的记忆。均方误差的平方根采取非指数形式，这是玻璃系统的典型特征。这种物理解释表明，新兴学习可以是非常普遍的，可以作为生物系统中学习的非常早期的物理机制。