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
