AI 为什么学了新的忘旧的？——遗忘率跟「闭环深度」成反比

神经网络学新任务就忘旧任务，这叫「灾难性遗忘」。林小黑用图论给它做了一个结构证明：遗忘不是权重被覆盖，是结构现象——旧任务性能的退化，与实现该任务的那块权重的「互指闭环深度」成反比。

遗忘率 F ∝ 1/D，D 是任务子图里最大的环长度。要有效闭环，得同时满足三个条件：双向、闭合、共事件耦合——这三条可以直接从公理 2（耦合即认知）和公理 4（退相干离散台阶）推出来。深环优势也有边界：F_min = 1/(D+1)。

这意味着「记不住」不是模型太小、数据不够，是结构没有闭环。给模型加互指闭环，比单纯堆数据更能抗遗忘。这是四公理「观察者自指」在机器学习里的一次工程级落地。

林小黑 | gitee.com/samforce/structural-cognition | 公众号「今晚狗蛋看局」