來自 MIT 計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室的研究者設(shè)計(jì)出了一種計(jì)算機(jī)算法。這種算法叫做 MemNet延塑，它不能測出你的顏值绣张，但卻能檢測一張圖片有多容易被人類記住。

根據(jù) MemNet 的檢測數(shù)據(jù)关带，上圖人像非常容易被記住侥涵，而下圖山峰的記憶指數(shù)則非常之低。

MemNet 會(huì)為每一張圖片的記憶指數(shù)打分宋雏。數(shù)值越接近 1 的圖片越容易被記住芜飘，越接近 0 則越不容易被記住。據(jù)悉磨总，它傾向于給擁有以下特征的圖片打高分：臉部嗦明、動(dòng)物、新奇的事物以及對(duì)比強(qiáng)烈的色彩蚪燕。

我上了 MemNet 對(duì)所有人開放的網(wǎng)站娶牌，測出了以下 LOGO 的記憶指數(shù)。

Android：0.985

Apple：0.913

Adidas：0.802

Nike :0.93

McDonald's：0.876

KFC：0.942

照這些數(shù)據(jù)來看馆纳，Android 的 LOGO 比 Apple 稍微更容易記住诗良，Nike LOGO 的記憶指數(shù)高于 Adidas，而肯德基的 LOGO 則比麥當(dāng)勞更讓人印象深刻厕诡。

當(dāng)然累榜，在 LOGO 大小不一、規(guī)格各異的情況下灵嫌，這樣的測試很難說完全準(zhǔn)確壹罚，再加上每個(gè)人對(duì)不同品牌的熟悉程度和情感喜好不同，這也許與你的認(rèn)知相違背寿羞。究竟這個(gè)算法有多準(zhǔn)確猖凛，還需要更加嚴(yán)縝的測試和檢驗(yàn)。

本質(zhì)上绪穆，MemNet 是一種深度學(xué)習(xí)(Deep Learning)算法辨泳，能夠?qū)W習(xí)吸收新信息，在不受程序員操控的情況下自我改進(jìn)玖院。一開始菠红，它從一個(gè)叫做 LaMem 的圖片數(shù)據(jù)庫中認(rèn)識(shí)了 6 萬張圖片以及它們各自有多容易被記住。在那之上难菌，MemNet 建立了一個(gè)判斷圖片記憶指數(shù)的模型试溯。

使用者或許可以通過它篩選出一張獲得更大影響力的圖片，設(shè)計(jì)出讓人看了一眼就不會(huì)忘記的產(chǎn)品外觀郊酒，但它更深遠(yuǎn)的意義在于遇绞，也許能夠在教育領(lǐng)域幫助人類改善記憶键袱。

 ã€Œä½ å¯èƒ½æœƒ(huì)覺得，人們會(huì)ç¿’(xí)慣于像以前一樣忘掉許多東西摹闽，但我們的研究表明不一定是這樣的蹄咖。」該算法相關(guān)論文的主筆 Aditya Khosla 說付鹿。 「這意味著如果我們展示讓人印象深刻的圖像澜汤，我們可以潛在地改善人的記憶√纫伲」