如何用信息看世界
指导着工业时代（8世纪中叶-19世纪）的基础理论，是强调确定性和可预测性的机械论，直到现在，很多人还习惯用机械思维解决问题。但从20世纪初开始，物理学家们意识到不连续性、不确定性是我们这个世界的本质，在这个新体系下，指导人们的理论已经逐步变为“三大论”，即信息论、控制论和系统论，它们也正是信息时代的科学基础之一。本篇总结一下信息论相关的思想、理论以及用法，希望对你有用。
一、“信息”是什么
“信息”这个概念虽然常用，可它的本质似乎很少有人关注，按直觉判断，“信息”不具有物理性，既不是物质，也不是能量，但它又似乎无处不在。
我们所说的“信息”到底是什么呢？
信息确实是一个抽象概念，它是音讯、消息、通讯系统传输和处理的对象，泛指人类社会传播的一切内容。
通俗的讲，可以这么理解：在自然和社会中，人们通过观察各类事物，在脑中形成了对应的“信息”，这些“信息”可以用某种约定好的编码形式（语言、文字）记录或传递，人们用这些“信息”来认识、区别事物，以指导人们改造世界。
二、信息有什么用？
1948年，信息论奠基人克劳德·艾尔伍德·香农（Claude Elwood Shannon）在论文《通讯的数学理论》（A Mathematical Theory of Communication）中给出了直击本质的经典定义：
“信息就是用来消除随机不定性的东西”。
从这个定义看，信息的能力是消除不确定性，这是为什么呢？不需用理论证明，举两个符合你直觉的例子：
1、你面临一个数学考试，满分是100分，那么当前你考试得分的可能性是0-100分，如果你提前了解了考试范围和难易度并加以复习，那么得分的可能性就会改变，比如50-100分，如果你再进一步了解出题人的习惯、出题历史，并继续有针对性的复习，那么你得分的可能性的范围会继续缩小。同理，在生活中你会发现，无论是选学校、找工作、买房子还是买股票，你都习惯性的会调查研究一番，在信息论的角度看，这些做法的基本原理都是用更多的信息来消除不确定性。
2、我们今天常说的大数据、人工智能，说到底就是想方设法利用更多信息消除不确定性。比如下围棋，对计算机来说，就是在最多361个点位选择一个地方落子，是一个361选1的问题；而对于语音识别，不过是在几十个发音相似的单词中选一个匹配；人脸识别呢，则是在几百万人中选一个匹配；至于今日头条的推荐，也是从若干篇新闻中匹配一些你感兴趣的。
三、信息论的理论基础
下面再稍微总结一些具体的方法论。
1.如何量化“信息”——信息量和信息熵
能发出信息的系统，我们可暂且称之为“信息源”，那么既然要通过信息来观察、评估甚至改造信息源，就必须对信息有一个量化标准。
怎么量化呢？仔细想想，在生活中，信息的载体是消息，而不同的消息带来的信息即使在直观感觉上也是不尽相同的。比如，“你所在公司的CEO成为了世界首富”显然要比“比尔盖茨成为了世界首富”信息量大得多，究其原因，前者是小概率事件，发生的可能性微乎其微，而后者早已让你习以为常。
因此，香浓的思路就是，以不确定性来度量信息，在一个信息所表示的N个可能性中选出一种可能性所需要的量，叫做“信息量”，而所有可能性的加总就叫“信息熵”。如此一来，信息的不确定性就转化到了两个变量上：信息所表示的可能性越多、不确定性越大，它提供的“信息量”就越大，对应的“信息熵”就越大。
举个例子，假设我们有一个硬币，每次抛出正面朝上的概率都是1/2，那么如果你告诉我“这一次抛硬币的结果是正面朝上”，这个消息的每个信息量就是：
那信息熵呢？就是把这条信息中的所有可能性对应的信息量的加权平均：
说到这里，你可能会觉得“熵”这个字有点唬人，不就是“平均信息量”吗。之所以叫“熵”，是因为它跟统计物理学中“熵”的公式几乎一样，其含义也类似，在物理学里，“熵”大致描述了一个系统的混乱程度，而“信息熵”也可大致描述信息源的不确定程度。
2.为什么新信息可降低不确定性——条件熵
描述信息之间的相关性就要用到“条件熵”。假设信息源发出两条信息X和Y，如果它们具有相关性，那么在已知X的条件下，另一个消息Y的信息熵就会减小。条件熵 H ( Y | X ) 表示的是在已知随机变量X的条件下另一个随机变量Y的不确定性，也就是在给定X时，根据Y的条件概率计算出的熵再对X求解数学期望：
最后，用X的“信息熵”减去已知X情况下Y的“条件熵”，就得到了“信息增益”，它可用来表示X的出现消除了多少Y的不确定性。
举一个通俗的例子，以上课为例，信息Y是“学生在教室中可以任意选择座位”，那么可能出现的座位分布会很多，其信息熵也就较大。如果此时又来一个信息X，表明“对座位的选择添加一个限制条件，男生坐左边而女生坐右边”，虽然左边的座位分布和右边的座位分布依然是随机的，但相对于未加限制时的情形就会简单很多。那么用Y的信息熵减掉在X出现后Y的条件熵，就会发现X给Y带来了信息增益。
3.不确定时就保留多样性——最大熵原理
除了以上定义的指标之外，信息论中还有一个重要定理，叫作“最大熵原理”。
最大熵原理是一种选择随机变量统计特性最符合客观情况的准则，也称为最大信息原理。随机量的概率分布是很难测定的，一般只能测得其各种均值（如数学期望、方差等）或已知某些限定条件下的值（如峰值、取值个数等），符合测得这些值的分布可有多种、以至无穷多种，通常，其中有一种分布的熵最大。选用这种具有最大熵的分布作为该随机变量的分布，是一种有效的处理方法和准则。这种方法虽有一定的主观性，但可以认为是最符合客观情况的一种选择。
在投资时常常讲不要把所有的鸡蛋放在一个篮子里，这样可以降低风险，其实就是最大熵原理的一个朴素的说法，因为当我们遇到不确定性时，就要保留各种可能性，获得更多的机会。
四、信息论的应用
把信息论的方法论应用我们的日常会有哪些实践呢？
1、如何用信息降低事物的不确定性？
你把自己当成一个系统或者你写程序构建了一个了软件系统，这个系统的能力是预测某个事物发展的可能性，降低不确定性，应该如何利用信息论来实现呢？
按信息论的方法，你要收集和分析这个事物传递给你的所有信息，越多越好，这样你就可以不断的获得信息增益，降低信息熵，对事物发展的可能性做更准确的判断。
不过，你最终能消除多少不确定性，关键取决于你能获得多少有效信息。一般来说，由于噪声、隐藏因素、消化信息能力等诸多限制，很多事情的不确定性是无法100%消除的，如果你还想最大限度的把事情做好，还要结合控制论的思想，一边做一边通过反馈来吸收新信息，快速迭代，持续逼近目标。详细攻略可参考我的另一篇超长科普《系统、信息、控制和反馈，人们解决问题的基本原理》
2、如何提升消化信息的效率？
单纯从一个信息本身的信息熵来看，你接受一段信息速度的快慢，取决于这段信息对你来说，在多大程度上是可预测的。
比如读书，如果作者说上半句你就知道下半句，那你很快就看完了，而如果这本书的内容对你来说是全新的，那你就只能慢慢细读。所以一个人读书速度的快慢，从根本上来说，是取决于这个人以前读过多少书。对一个领域了解越多，读这个领域的新书就越快。小说看多了，再看新小说就觉得到处都是俗套。
我们平时学习知识、积累经验，就是要减少世界给自己的不确定性。
新人看哪里都新鲜，老手看哪里都是俗套，正是这个道理。
3、如何用数据思维解题
上个世纪70—80年代，信息论专家贾里尼克和他的同事们提出了“数据驱动”的解决人工智能问题的方法，并且在识别语音、翻译语言等领域获得了成功。到了互联网普及之后，出现了数据的大爆炸，而且原来各个不同领域的数据可以关联了，这就产生了我们所说的大数据。
在这里，你首先要区分数据和信息。数据是形成信息的原材料，是最底层的原料。它和信息最大的差别就是数据的量非常大，信息的量要小一些；数据是散乱的、非指向性、非结构性的，信息是有指向性和结构性的。
所谓数据思维解题，就是把一个原来习惯性用逻辑来解的问题转换为一个信息问题，然后把数据做成信息，让机器进行快速匹配计算找答案，用的方法虽然和人的思考习惯完全不同，但是能解决问题。就像阿尔法狗，只要提前给它输入所有棋盘上可能出现的情况，面对具体的选择，它就能从信息库中快速地筛选出最佳的步骤。
如果你没搞过相关的计算，你的直觉会告诉你这很难，尤其是那些复杂的算法，实际我要告诉你，这里面最关键反而是你能不能挖掘到足够的信息。
在很长的时间里，大约从上个世纪80年代初到90年代初，全世界学术界的焦点也放到了算法上，大家普遍认为是模型不够准确，因此很多识别错误消除不了，但是十多年下来，其实全世界学术界没有什么拿得出手的成果。90年代初，贾里尼克教授从IBM的高管回归到学术界，他发现大家的路完全走错了，因为如果不挖掘新的信息，很容易就遇到天花板。
后来，Google搜索的优化之路也证明了这一点，直到2015年，搜索准确度的改进，有90%都来源于找到了新的有用信息，只有不到10%的改进，在于用更好的机器学习方法，把模型的参数训练得更准确。
回过头来看，信息论早就指明了这一点。减少识别的错误，其实就是要消除不确定性，而消除不确定性，就要使用新的信息。
所以在这里领域解决问题时，如果你想快人一步，就要优先去挖掘更多数据，转换成更多有价值的信息，相比算法，你所积累的经验、思考、洞见才是你的财富。
五、写在最后
至此，想一个有趣的问题，什么样的人最符合信息论的世界观：
给别人确定性
输出简洁、明确的信息。如果别人还是很难理解怎么办？信息论说，克服噪声的正确方法不是放大信号，而是增加信息冗余，所以，想要让别人充分理解你的意思，最好的办法不是用更大的声音对着他喊，而是多给他说几遍。
给自己确定性
更多的积累体系化、结构化的信息，可以降低吸收新信息带来的不确定性，提高吸收效率。只有这样，你才能保证在每天大量信息呼啸而来的时候，敏感地抓住那些不寻常之处，那才是真正有价值的信息。
