1956年，著名的认知心理学家乔治·米勒发表了一篇重要的论文：《神奇的数字：7±2》，这是在该领域被引用次数最高的论文之一。该论文所阐述的观点是：虽然大脑可以将整个生命周期中的知识都储存在其数以万亿计的连接中，但是人类在一次意识知觉中能同时主动持有的事物数量却是有限的，平均来说这个数字为7。这些“事物”可以是一串数字、或是散落在一个房间里的几样物品、或是一张单词列表，等等等等。
无论它们是什么，能进入所谓的“工作记忆”的只能有7项。在工作记忆中，才能引发我们集中注意力和其他认知过程。而且它们在工作记忆中留存的时间很短暂：当它们不再被主动想起时，就会被存储在别处或被遗忘。自Miller之后，一直有神经科学家和心理学家致力于研究工作记忆，并且发现与工作记忆有关的限制很可能比7要小，只有4或5。
他们还研究了用来解决这一类限制的方式，例如当人们要记忆一串数字时，可通过将数字分成“组块”来帮助记忆。在3月份发表在《大脑皮层》的一篇论文中，三位科学家发现传播在大脑不同部位间的“反馈”信号的显著削弱，是造成记忆故障的主要原因。这项研究不仅为记忆功能和功能障碍提供了新的见解，还为大脑处理信息的一种新兴理论提供了进一步的证据。
这项研究的作者想要知道，是什么让工作记忆的容量限制如此之低。
他们已经知道的是，一个涉及到三个大脑区域——前额叶皮层、额叶视区和侧顶叶——的网络会在工作记忆中非常活跃。而还没被观察到的是，由于超过工作记忆极限而导致大脑从记得转变成不记得时，会产生的相应的神经活动变化。为了有所突破，研究人员决定回顾一项已经完成的实验。
几年前，论文的作者之一Earl Miller和他的研究团队曾进行过一项与工作记忆有关的试验，他们在屏幕上向猴子展示了一系列不同的图形：首先是一组彩色的正方形，紧接着是空白屏幕，然后播放一次初始屏幕的图案，但这次会改变其中一个正方形的颜色。猴子们必须检测屏幕与屏幕间的差异。屏幕上出现的正方形数量时而高于工作记忆容量、时而低于工作记忆容量。
放置于猴子大脑深处的电极会记录下各种神经元在完成每项任务时产生的脑电波的时间和频率。基本上，这些脑电波是数百万个神经元的协同节奏，它们会同时变得活跃又同时趋于安静。当大脑区域在时间和频率上出现相符的振荡时，我们说它们同步了。就像它们在一同哼唱，而且这些一起哼唱的神经元之间会互相交流。
Earl Miller把这比作是交通系统：大脑中的物理连接就好比是道路，而由这些振荡的脑电波共同产生的共振模式就好比是疏导交通的交通灯。据研究人员推测，这种设置或许有助于将活跃的网络“绑定”成一种体验的更加坚实的表达。
在最新的研究中，为了获取了解这种三部分式的记忆网络是如何运作的，他们挖掘了从猴子实验中收集到的振荡数据。
在早先研究的基础上，他们结合网络结构和活动的一些假设，建立了一个详细的机制模型。随后，当猴子需要记住的东西越来越多时，研究人员会针对不同大脑区域相互“交谈”的方式（包括对话的方向和强度），生成几个相互竞争的假设。然后他们再将这些计算与他们的实验数据进行比较，以分辨哪种假设最有可能正确。通过这一模型，研究人员发现这三个大脑区域就像是玩杂耍的人在进行一项复杂的接球游戏。
看起来，前额叶皮层像是建立了一个内部模型，会发送所谓的“自上而下”的信号（或反馈信号），将这一模型传达给级别更低的大脑区域。同时，表面的额叶视区和侧顶叶以“自下而上”（或前馈信号）的形式向前额叶皮层的深处发送原始感知输入。自上而下的模型和自下而上的感知信息间的区别，让大脑能弄清楚它正在经历什么，从而相应地调整其内部模型。
通过分析发现，当需要被记忆的事物数量超过猴子的工作记忆容量时，从前额叶皮层向其他两个区域输送的自上而下的反馈连接就会被打破，但前馈连接仍然完好。也就是说，通过模型我们发现，反馈信号的弱化导致大脑区域之间的同步性丧失。如果没有来自前额叶皮层的预测导向信号，工作记忆的网络就无法同步。模型的更新那么新的问题是，为什么自上而下的反馈信号会更容易随需被记忆的事物数量的增加而受到破坏呢？
研究人员的推测是，来自前额叶皮层的模拟信息基本上代表了一系列有关大脑能感知到什么的预测，在这种情况下这些事物的内容才能被保存在工作记忆中。许多神经科学家认为，大脑很大程度上都要依赖这种感知数据的“预测编码”，来执行常规认知和命令功能。但是Earl Miller等人认为，当工作记忆中的事物数量过大，这些事物的可能预测的数量就不容易被编码到反馈信号中。于是反馈失败、超负荷的工作记忆系统崩溃。
除此之外，研究人员现在正努力将这一工作记忆模型的脑电波之间的相互作用置于更重要的位置，因为传统的这类模型都将重点放在单个神经元的放电活动上。他们试图弄清楚的另一个问题是，为什么工作记忆的上限徘徊在4到5，而不是别的。Earl Miller认为，大脑在一次一个的“摆弄”这些存在于工作记忆中的事物，交替进行。这意味着所有信息都必须融入一个脑电波，当脑电波的容量被超出，就达到了工作记忆的极限。
有其他研究人员认为，这一模型是否真的强大、又能带给我们什么还需通过进一步的实验证实。科学家需要真正地“进入”大脑，找到那些连接的更直接的证据。而这一研究的潜在回报非常高。它不仅能让我们更好地理解大脑的工作方式以及可能出现在神经疾病的问题，它对于我们所谓的“智能”、甚至是“个性”都具有重要意义。
目前，人工智能的研究更侧重于前馈信号和分类算法，但有时候当系统在做一个决定时，需要基于的是它记住的内容、而非基于它所看到的，所以更好地掌握大脑的反馈连接，或许能帮助人工智能的研究迈出重要一步。