对信息进行数据分析（信息论模型合理配置资源）

这是《给年轻人的跨学科工具箱》第十五篇笔记，如果觉得不错，可以去B站购买所长的课程。

上一篇文章人类学模型——为什么是智人胜出？主要介绍了人类进化史中，智人得以从众多人类中胜出的原因是想象与共识。然后从进化心理学的角度解释了为什么男性会更加专注，为什么我们热爱吃甜食。以及介绍了一个新概念，文化人类学中的模因，以及人类另一种延续的方式。

本篇文章主要介绍包括以下内容：

1. 人类最重要的三条公式
2. 信息熵
3. 霍夫曼编码
4. 帧间压缩算法
5. 互信息、冗余度

阅读本篇文章可以回答不限于以下问题：

• 如何合理地分配资源？
• 如何有效地去除冗余度？
• 如何做到一年读上百本书？
• 如何高效地学习？
• 如何画脑图？

张首晟教授认为对人类来讲，有三条最重要的公式：

• 第一条，描述的是物质和能量的关系
• 第二条，香农的信息熵公式，描述的是信息如何量化。
• 第三条，是海森堡测不准原理，描述的是科学 的边界

E=mc^2

宇宙最重要的两个概念，能量和信息。之所以没有物质，是因为由上图可知，能量和物质是相通的。之所以会有第三条公式，是因为他是量子力学的范畴，是告诉我们科学的边界在哪里，无论科学怎么发展，我们都无法测算基本粒子的状态，因为我们观察粒子这件事情，本身就会改变他的行为。

由于我们观察粒子，会需要一个光子打在粒子身上，但这个行为会改变基本粒子的行进轨迹，因为他会吸收光子的动量，而瞬间改变自己的状态，也就是说，我们的观察改变了客观世界。

因此第三条公式给我们的启发是，这个世界，没有绝对客观的存在，人类观察世界的方式和角度和这个世界对待我们的方式和方法，会从物理学的层面影响彼此，我们观察到的东西实际上是客观世界和主管想象之间的结合体。

能量守恒，但信息不守恒。信息可以复制和分享，并不存在你分享他人，你的信息就会变少。因此人类之间分享知识，是一件可以为这个世界创造纯粹增量的事情。

信息是怎么衡量的？

可以用质量衡量物质，信息量衡量信息。要理解信息量，需要理解信息熵的概念。

信息熵是描述一个东西的不确定程度的量。通俗点理解，就是搞清楚一件事情的难度。

比如你去买一印着图案的娃娃，他的信息熵为0，因为盒子上的图案，就是娃娃的样子。但若去开一个盲盒，信息熵就陡然增大。影响信息熵的三个因素

1. 可能出现的娃娃款式越大，信息熵就越大
2. 在娃娃款式数量不变的情况下，如果每一款出现大概率是一样的，这个时候信息熵最大
3. 如果其中某一个款式，出现的概率很大，那么信息熵就会大大降低。

信息量，就是把信息熵消除掉的信息所需要的能量，基本单位为比特。

比如，同事问你中午吃什么，你说随便，这个时候信息熵最大，因为具有无限可能，但如果说不吃辣，信息熵就会降低，如果指定某一家的时候，信息熵降为0。

不做选择，随波逐流，或者平均分配注意力，就会增加整个系统的无序性，如何聪明地分配我们的资源和注意力，这就要讲到信息论里面另外一个模型：霍夫曼编码。

如果我们可以把较短的编码分配给高频出现的词汇，把较长的编码分配给低频出现的词汇，这样编码效率最高。

比如电报的摩尔斯密码，是由点和线两种符号组成，他将最简单的代码，分配给了最高配的字幕。

由此可见，为了提高效率，我们应该把生活中最重要的资源，分配给人生中最高配出现的场景。

与之类似的有一个广为人知的概念--奥卡姆剃刀：无需必要，勿增实体。结合起来，得出一个结论，即大刀阔斧地做减法，围绕关键领域饱和配置资源。其实很多IT人员就是这样，熟知的标配都是黑色背包和格子衫，他们不会在衣服上花精力和资源，但是其经常使用的电脑和手机等电子产品，往往都是买的最好的。

视频需要压缩才能方便传输，如果一个高清电影，不压缩的话，大概占据空间为11198GB。这种处理方式即是帧间压缩算法，它包含着一种哲理，通过关注信息增量，而不是关注信息存量，来极大地提升效率。

如上图，每个格子代表一帧，观察会发现，里面存在很多重复信息，只有右手在变化，其他完全一样。所以，只需要对第一个图整体处理，后面的只关注右手的变化即可。

所以，如果我们关注变化，忽略重复，可以使我们的学习效率提升N倍。

有的人一年可以读上百本书，怎么做到的呢？他们的关键原则基本是，不平均用力。读越基础，越深刻，越偏理论的书，花的时间越大，读表层肤浅的书花的时间就越少。这其实就是霍夫曼编码的原理，因为基础的知识，在很多不同的书里面都会存在，是高频场景，需要配置大量资源。因此，提高读书效率，只需要，集中精力夯实基础知识，然后只关注新知识的增量。

比如，如果你对阅读过，脑科学——高效学习的秘密，对大脑的功能分区有一个完整的知识框架，你会发现，对其他书籍里面，相关的章节你阅读速度会非常快，而其他人，可能这个部分是最难读的。

其实生活中，做任何事情，起步的时候先花时间把基本练扎实是最重要的，因为基本功越扎实，后面不断前进，就可以只关注增量。

两件事情的互信息越大，表面他们之间的相关性越强。需要注意的是，相关性不等于因果性。

人类的本能会去寻求因果，但是在这个世界上，大部分事物之间的联系都是相关联系，比如一些短视频平台推送视频，都是会给客户打个性化标签，比如宝妈，学生党等，这些标签就是互信息，不能说你打开了一个军事视频，就说明你是一个军事迷。

很多成功人士在分享经验的时候，也都混淆了相关和因果。很多人说，当年之所以做这个事情，是因为我觉得XXXX。这个说法通常都是错的，因为生活错综复杂，记忆却是主观的，这个在文章认知心理学--高效学习中有讲过。再加上，当人类要向其他人表达的时候，会自发地美化自己。

比如过去三十年，很多成功企业家说自己能成功，都是自己有魄力有能力有毅力，但这只是相关关系，不是因果关系。他们发展是赶上了中国本身整体的高发展红利。

高互信息的一个极端情况，就是信息等价。知道了A事件发生的信息，就等于知道了B事件。很多演讲之所以让人觉得无趣，就是因为有很多信息等价，给人一种废话连篇的感觉，比如，今天天气真好，风和日丽，阳光明媚。

冗余度，如果废话多，那就是添加了很多冗余度。冗余度在计算机和工程学里面也会出现。简单的可以解释为，资源的重复度。计算机里面，就是增加备份来保证系统更加安全可靠的工作。

所以冗余度并不是一个贬义词，如果冗余度非常低，其实也增加了信息被接受的难度。

当代年轻人，从出生就接受了大量的信息，所以相比上一代，对冗余度的接受越来越低，所以会出现YYDS等精简词汇出现。那如何有效地去除冗余度呢？--画分析框架。

脑图是一种偷懒的分析框架，它默认结构知识金字塔结构，但语言表达结构多种多样，比如递进，循环，四象限等。

一般画脑图分为三步：

1. 先把关键概念零散地列出来
2. 寻找概念之间的关联，进行分类和链接，拿到信息等价的概念
3. 回忆脑中已经建立的思维模型，进行套用和矫正，形成一个属于这一次阅读内容的新的分析框架

本篇文章主要介绍信息论相关的模型，并通过介绍证件压缩算法和霍夫曼编码的原理，引申出提高读书效率，只需要，集中精力夯实基础知识，然后只关注新知识的增量。生活中，做任何事情，起步的时候先花时间把基本练扎实是最重要的，因为基本功越扎实，后面不断前进，就可以只关注增量。并通过去除冗余度的原理，介绍了画脑图的方法。

下一篇《营销学重要模型》，不见不散。