编辑推荐：
算法技术已开始改变人们体验日常生活的方式，以及人们记忆和存储个人记忆的方式。越来越多的公司正利用机器学习算法将我们记录的数据转化为自动化的记忆体验。伴随这些记忆产品的发布，促销性话语（promotional discourses）也随之出现。研究人员认为，对这
算法技术已开始改变人们体验日常生活的方式，以及人们记忆和存储个人记忆的方式。越来越多的公司正利用机器学习算法将我们记录的数据转化为自动化的记忆体验。伴随这些记忆产品的发布，促销性话语（promotional discourses）也随之出现。研究人员认为，对这些特定话语的研究能够为围绕记忆数据化（datafication）与自动化（automation）的社会想象（imaginaries）提供洞察。本研究植根于记忆研究与媒介研究（media studies）的双重路径，对三家公司（Google、Apple和Personal AI）以及一个项目（Memoro）的促销性话语进行了定性的符号学分析（semiotic analysis）。所提出的比较并非基于技术本身的功能层面——因为这些技术在功能上高度异质——而是聚焦于促销材料中所作出的话语性承诺（discursive promises）。
记忆算法化的承诺：技术记忆产业中的数据化想象与增强修辞
一、研究背景与问题提出
在数字化浪潮的推动下，算法技术正深刻改变着人们体验日常生活的方式，也改变着人们记忆与存储个人记忆的路径。越来越多的科技企业开始利用机器学习算法，将用户记录的数据转化为自动化的记忆体验——从Google Photos推出的"Little Patterns"功能，到可穿戴记忆助手Memoro，再到Personal AI所承诺的"数字孪生"——这些被研究人员统称为"记忆技术"（mnesic technologies）的应用，正在将存储于云端和设备中的信息转化为自动化、策展化乃至人工构造的记忆。
然而，既有研究对记忆数据化的关注主要集中在数字平台的经济与政治议题上，对技术企业如何通过促销性话语建构用户期待、塑造社会对记忆数据化的想象，尚缺乏系统的批判性考察。与此同时，技术企业通过"制造问题—提供解决方案"的修辞策略，将记忆自动化包装为不可避免且根本可欲的技术发展路径，这一话语实践亟需学术层面的审视与剖析。正是基于这一研究空白，本研究聚焦于技术记忆承诺（technomnesic promise）的话语维度，探讨科技企业如何通过促销性材料塑造个人记忆的形态，以及围绕记忆数据化的社会技术想象如何被建构和传播。
二、研究设计与核心发现
（一）研究设计与方法
本研究选取了四类具有代表性的记忆技术主体作为分析对象：Google Photos（2015年上线）、Apple Photos及visionOS 2（2014年上线）、Memoro（2024年，MIT项目）以及Personal AI（2021年，Human AI Labs）。研究材料涵盖上述主体的官方网站促销文本、图片、视频及交互界面元素。其中，Google Photos方面，研究人员查阅了自2015年5月28日产品正式发布至2024年12月6日期间公司网站上的全部57篇文章，并对其中15篇与主题直接相关的文章进行了深度分析；Apple方面，通过关键词"memory"检索获得87个页面，对最相关的Apple Photos和visionOS 2页面进行了详细考察；Memoro方面，收集了MIT Media Lab项目主页的展示文本、视觉材料和视频，以及发明者Zulfikar等人合著的学术论文；Personal AI方面，查阅了其2021年上线时的"Thesis"页面、记忆声明页面及技术文档。
在分析方法上，研究采用开放社会符号学（open sociosemiotics）路径，对收集的多模态话语材料（文本、视觉、视听、程序性元素）进行定性分析。首先考察各公司描述记忆数据化所使用的词汇场，进而分析图片与文本之间的互文关系，最终提炼出记忆相关承诺的潜在模式。
（二）主要研究结果
1. 自动化承诺："问题"与"解决方案"的修辞建构
研究发现，尽管各技术主体在功能上高度异质，但其促销话语均围绕"自动化记忆过程"这一核心承诺建构用户期待。这一承诺建立在双重"问题"修辞之上：其一为"数据过载"问题——数字世界中个体面临的海量数据难以管理，记忆技术被包装为应对这一问题的必要"解决方案"；其二为"生物记忆的不可靠性"问题——人类记忆被视为功能性缺陷，技术被呈现为补偿这一缺陷的工具。值得注意的是，问题与解决方案在本质上同源——二者均源于日常经验的数据化，且解决方案的使用反而维持甚至再生产了问题本身，形成了一种技术依赖的循环。
2. 记忆"增强"的两种形态：算法化回忆（algorithmic anamnesis）与算法化记忆浮现（algorithmic mneme）
研究借鉴亚里士多德关于"回忆"（anamnesis）与"记忆浮现"（mneme）的经典区分，揭示了记忆增强承诺的两种不同形态。算法化回忆指向主动的记忆搜索与档案组织——Google Photos承诺"自动整理你的记忆"，通过内容索引、可搜索性和分类系统减轻用户主动回忆的负担；而算法化记忆浮现则指向被动的记忆涌现——算法从用户数据中自动筛选"值得回忆"的内容，以"数字记忆"的形式将其带回用户当下。Memoro项目更进一步，通过持续监听用户声音环境，实现了从"主动检索"到"环境式提取"的转变，承诺在用户意识到遗忘的当下即提供实时补偿。
3. 记忆筛选的规范性标准与记忆生产
研究揭示，各技术主体在筛选"值得记忆"的内容时，采用了反映技术能力而非用户需求的规范性标准。Google Photos的算法偏好高质量、人物微笑、拍摄于非常访地点的照片，将"好记忆"等同于"积极记忆"；Apple Photos则依据预设类别（人物、动物、地点、节日、场景、动作等）对图像进行分类，并作出前所未有的"公平性"承诺，将个人记忆与算法公平议题相关联。这些筛选机制实质上构建了一种"可记忆性评分"，将记忆的价值理性化为算法可计算的统计材料。
4. 记忆与用户的"增强"：从体验增强到数字孪生
研究的另一重要发现是，记忆增强承诺呈现出一个渐进式谱系：从Google Photos和Apple Photos通过编辑工具和多媒体效果"增强"记忆体验——如"电影感照片""空间照片"等沉浸式功能——到Memoro的实时语义记忆补偿，再到Personal AI承诺创建可模拟个体行为、在个体死后仍能继续互动的"数字孪生"。这一谱系反映出技术记忆产业从"增强记忆体验"向"再造自我"的承诺升级，其背后是对"数据忠实反映生活"这一认识论承诺的依赖。
三、结论与讨论
本研究的核心结论在于：技术记忆承诺本质上是一种"增强"叙事——从理性化的数字记忆生产、索引与策展，到对"可记忆之物"的层级化筛选，再到对所谓记忆需求的回应，最终指向一种"近乎绝对"的记忆愿景，为人工版本的自我和死后数字"生命形态"铺平道路。这些承诺将用户的日常经验转化为可供企业采集和利用的无限数据源，塑造了一种"数据个体"（data-individual）生存于"无遗忘世界"的想象。
研究同时指出，这些承诺导致了人们在塑造自身生命叙事方面的能动性丧失。算法辅助的数字内容策展基于概率计算，将人类生活转化为数据、将记忆转化为统计材料，排除了那些尚未被数据化的经验维度（气味、味觉、触觉以及程序性记忆），也排除了那些支配记忆存续或浮现的隐秘标准——如联想、玛德莱娜小蛋糕浸入茶水的味觉体验。研究最后警示，这种被承诺的"近乎完全、升华、净化、无遗忘的愉悦记忆"世界，不仅助长了"以防万一"式数据存储的倾向，更对大型科技公司数据中心所造成的生态灾难负有责任，同时阻碍了冲突性记忆与遗忘的浮现空间。
