一夜之間,「熵」風靡南北,臺上,聊得開心,臺下,你聽懂了麼?
前些天,朋友樂樂找到我,滿臉愁容。
「機器貓,你常說,多讀書。今天我聽了一個厲害的分享,挺困擾的。」
我,...
「你看啊,宇宙有一個基本原理,熵增原理,發展的方向不變,所有的星星終將消失。」
我,...
「課上的老師說,熵增是不可逆的,而人生就是場反熵增。還舉了世界首富貝索斯的例子,也說,人要反抗熵。」
我,默默點頭。
「我特意查了字典,信息量越大,熵就越大,你看我讀書,這不是故意增加了熵,這麼做,對麼?」
「讀很多書,真的好麼,是不是哪裡出了問題!」
我想笑,忍住了。
找點信息的感覺
知乎上流傳一個說法:沒有比向他人解釋,熵是一種無序程度的度量,更忽悠人的了。
樂樂,你這一段話裡,出現了兩個無關的熵:「熵增是不可逆的」,這是熱力學的熵,而「信息量越大,熵越大」,這是信息的熵,是兩回事。
好比活魚和木魚,都是魚,但不一樣。
Q1:什麼是信息?
談談信息論創始人香農的故事。回到70年前,那是電腦剛剛誕生,手機、互聯網有如天方夜譚的年代。一位年輕的博士香農,在思考個嚴肅的問題:計算機中的信息是什麼?
當然,在他的腦海中,沒有聊天,沒有朋友圈。那時候,計算機是個嚴肅工具,解決數學、物理,那些各種各樣的計算問題。
要解開這些難題,需要線索,這些線索,香農稱之為信息。如果說,理解信息熵是道難題,那這篇文章就是幫你解題的信息。
那麼,自然出現了一個問題,哪些是好信息,哪些是壞信息,該如何分辨。於是乎,「熵」幽靈般地出現了。
比如,一句話「向前」,看起來平常,沒什麼價值。如果是身處戰場,周圍是槍林彈雨,那麼這句「向前」,是不是價值連城。
信息的價值,不在於信息本身,而在於背後解決了多麼複雜的問題,問題的複雜決定了信息的價值。這個價值的數學化表示就是信息熵。
香農寫到,「信息用來克服不確定性,信息熵本質上是對我們司空⻅慣的“不確定現象”的數學化表示。」
Q2:信息熵意味著什麼?
想像你身處在迷宮之中,眼前有好多岔道,你是不是想拿到提示,這個提示排除掉無關的岔道越多,價值越大,信息熵也越大。
換到信息的視角,信息熵衡量解決了多大問題,會幫到你多少。
熵是一種度量,本身不是答案,知道熵這個詞不重要,
知道在信息領域的內涵,知道能帶給你什麼,才重要。「樂樂,現在,你覺得,信息熵是好的,還是壞的」
樂樂:「像機器貓一樣好,給我解決問題。」
深入信息的世界
理查德·費曼的父親從小教育他:一隻鳥,就算你會用世界上所有的語言去稱呼它,你其實對這鳥還是一無所知。你所知道的,僅僅是不同地方的人怎麼稱呼這種鳥而已。你需要的是,好好看看這隻鳥。
樂樂:「機器貓,聽你這麼一說,我好像有了點感覺,很有趣,但要我自己解釋,又說不上來。來些舉一反三吧。」
Q3:文字和信息的關係是什麼?
樂樂:「文字不全是信息!」
在香農的世界裡面,信息是解決問題的。
如果沒有解決問題,就不是信息啦。解決問題也未必需要文字,一個眼神,一個暗示,也可以,和日常語境不一樣。
Q4:信息熵高,是什麼感覺?
熵的高低,是可以感覺到的。
比如下面哪句話的熵更大一點?
A. 太陽照常升起。
B. 今天出現日食。
樂樂:「日食,是因為罕見麼。」
轉換個視角,問你兩個問題,第一個問題是,今天太陽會不會照常升起?第二個問題是,今天會不會出現日食?
第一個問題,人人能回答,而第二個問題,除了天文學家還有誰知道,兩個問題複雜不同,所以熵不同。
信息的價值,不在於信息本身,而在於解決了多複雜的問題,謎題越複雜,可能的路徑越多,信息熵越大 ,必須反覆提。
信息熵大,你會覺得信息量很大。
樂樂:「不聽錯過一個億!」
下回,別老說錯過一個億,說:這句話的熵好高,是不是更有面子。
Q5:有哪些常見誤解呢?
我們對信息熵的感覺又不太準確。
再來做道題,下面這三句話,哪句話熵更大一點?
A. 改變自己。
B. 改變自己可以改變的。
C. 改變自己可以改變的變量。
樂樂:「我選A,沒看懂!」
這是典型的錯誤哈,站在自己角度,哪個看不懂,就選哪個,看不懂 = 信息熵高。
正確的解答是站在信息角度思考,嘗試用這三句話回答同一個問題:比如,如何突破自己。
同樣的問題,你拿到線索越有效,排除掉的無關可能性越高,熵也就越高,看哪個信息排除的無關可能性最多?
這三句話,「改變自己」包含「改變自己可以改變的」,「改變自己可以改變的」包含「改變自己可以改變的變量」。
畫成同心圓。
自身外的面積,即消除的無關可能。最裡面那個圓「改變自己可以改變的變量」,消除的可能最多,所以熵最大。
可以這樣想,越聚焦,熵越大。
樂樂:「也可以這樣說,一個坑套另一個坑!」
Q6:信息熵,是客觀,還是主觀的?
再來個有意思的問題,同樣的信息,你看到的熵,和我看到的熵,一樣麼。
信息熵因人而異的。如果我是小白,信息熵高,因為全是新知。如果我是專業老師,則信息熵低,因為早已知道。
有的人處理信息快,有的人處理信息慢,和知識儲備有關。
信息熵是主觀的,你的知識會改變信息的熵。
樂樂:「沒你這樣自吹自擂的!」
改些思考的視角
有一個人十分崇拜楊絳。高中快畢業的時候,他給楊絳寫了一封長信,表達了自己對他的仰慕之情以及自己的一些人生困惑。
楊絳回信了,淡黃色的豎排紅格信紙,毛筆字。除了寒暄和一些鼓勵晚輩的句子外,楊絳的信裡其實只寫了一句話,誠懇而不客氣:
「你的問題主要在於讀書不多而想得太多」。
樂樂:「機器貓,我知道腳踏實地,但我還想知道信息熵,在生活裡,該怎麼用。」
Q7:生活中怎麼使用?
你能分辨雞湯和乾貨麼,你知道怎麼找經典麼。
樂樂:「有時候行,有時候不行。」
如果感覺模糊,那需要一個探照燈,將信息分類,來加大亮度。
我歸納了這個公式:
信息熵 = 問題的複雜度 ✖️解決的充分度
A、隨手記
平時,隨手寫寫,通常是低複雜 ✖️ 低解決,俗稱朋友圈文字。一般是抒發隨心的感受,記錄生活中的記趣,給生活一些點綴。
畢竟,生活不用一直那麼沉重,也不用永遠解決問題,享受美好,在不經意間給些啟發就好。
樂樂:「你是不是就想說,我平時寫的,沒什麼信息。」
B、乾貨文
低複雜 ✖️高解決,是一些乾貨文,聚焦具體的問題,給具體的技巧和可行的方法,場景不會太複雜,但解決比較到位,看完了,你會特想行動。這是學習的主要區域,讓你一步一個腳印前進。
塔勒布曾經吐槽,讓一個人死的最快的辦法就是找一個家庭醫生。過於追求完美, 低估了問題的複雜度,可能帶來全局的損失。
我曾經也是喜歡追求乾貨,如果問題本身就小,那沒問題,如果問題本身很大,簡化問題,有時會適得其反。
如何判斷問題的大小,可以看時間尺度。人生意義問題,我是誰,我從哪裡來,問題最大,而今天中午吃什麼,這就比較小。
樂樂:「大小合適,乾貨不累。」
C、雞湯文
這可好玩了,雞湯學。
什麼是雞湯,高複雜 ✖️ 低解決,問題是普世的,解決是通用的,問題是你想要的,但解決是你沒用的。看雞湯文,通常有個感覺,說的很有道理,但是沒什麼用。
比如「改變自己」,雞湯文中喜歡用,誰都可以改變自己,但少有人知道如何去做,話是有道理的,但和問題解決沒太大關係。
少看雞湯,你以為能解決,但解決不了,更難受。
樂樂:「戳中我的痛點了~~~」
D、經典
彆著急,還有第四類,
高複雜 ✖️高解決,這些是經典。經典提升問題層次,也會給出有效的解決。經典可遇而不可求,經過紮實的研究,付出多年的努力才能得到。樂樂:「太讚了,推薦我些書吧?」
今年讀了一些,《如何達成目標》、《情緒》、《終身成長》,都是這類。
在信息時代求生,你要學會區分信息,聽從感覺,得到的可能是至理名言,也可能是故佈疑陣,按我的公式探照一下,洞悉背後的真相。
Q8:舉個實際運用的例子?
最後來個彩蛋:如何讓別人覺得厲害,如何優雅地炮製乾貨。
今天聊了很多事實,也談了很多觀點,該如何分辨事實和觀點麼?
(挖)
事實和觀點,似乎一目瞭然,但實際應用中會發現,事實中有觀點,觀點中有事實,而且事實和觀點還往往會相互轉換。
地球是圓的,大多數情況是事實,但嚴謹的測量後又發現,地球是略微橢圓的。
(埋)
兩者的關鍵差異是,背後是否有證據,前者有證據(照片等),後者沒證據。證據越強,越偏事實,證據越弱,越偏觀點。
但要注意,有證據不代表是對的,沒證據也不代表是錯的,事實/觀點 和 對 / 錯 在不同層面上。比如:地球是圓的,不準確,地球是略微橢圓的。多維宇宙,很可能是對的,這是目前唯一的解釋。
套路是:先把問簡單題搞複雜(挖坑),再把複雜題弄清楚(埋坑)。相比直接給答案,效果更好。
是不是有點感覺了。
樂樂:「經典!」
還有什麼?
夕陽無限好,只是近黃昏。
樂樂:「機器貓,我有最後一個問題,難道信息熵大,就該信麼。 」
當然不是,熵不代表靠譜,就算靠譜,一下子來了多個信息,你該怎麼辦?
道理很多,就算告訴你,也未必相信。信息之外,還有個因素是人。
如果不信任我,你不會獲得信息,信息重要,信任也重要。
信息和信任兩者相乘,成為你的選擇。
遇一個好人,讀一本好書,這些是信任,信任會讓你的信息增值。
所以,多認識牛人,多讀好書吧。
樂樂:「我懂了,今天學到了好多,謝謝你。」
哈哈,這才剛入門,就夠了嗎,想不想逆襲。
賣個關子,下週見啦~
信息小貼士
1、學習有邊界,知識有分岔,找到源頭,順流而下。
2、文字不全是信息,信息不全是文字。你的知識改變信息的熵。
3、信息熵 = 問題複雜度 ✖️ 解決充分度,換個角度,看世界。
4、讀好書,遇好人,信任會讓你的信息增值
閱讀更多 百萬機器貓 的文章