🌱 春节期间抽空读了几本关于信息的书，包括《信息简史》、《香农传》、《信息论40讲-吴军》、《产品沉思录-信息管理》，把有启示的部分汇总整理如下，✍️ 表示是我自己的感想。
整体脉络图如下，是把阅读过程中对我有所启示的部分，按照自己的理解，重新组装而来。挑选其中部分内容和大家分享。
📖 先推荐一下《信息简史》这本书。
吴军：这本书与其说是一部科技史书，不如说总结了一种世界观，即信息是宇宙固有的组成部分，就和力、运动等概念一样。而世界上几乎任何事物都可以用信息的方式量化，或者说就是“万物皆比特”。张小龙：虽然生活在信息时代，但大部分人并不知道“信息是什么”。这本书可以让人多一个视角来看待和理解世界，即“信息视角”。✍️ 信息视角：从信息的角度，来看 声音、语言、文字、物理（熵）、生物（基因）、电、数学（概率论）...🌱 信息是不确定性，是出人意料，是困难程度，是熵。宇宙是一部巨大的量子计算机，其存在本身便是记录着信息，并在自身演化过程中，不断处理着信息。via《信息简史》✍️那么人的一生呢？也是在不断丰富自己的信息。这一点，结合信息的进化来看，用常见的词来描述，就是 <成长>、<迭代>。牛顿等科学家告诉世人，我们所处的宇宙是连续变化的，而各种变化的规律是确定的。从近代开始，年轻人在大学里学的，都是那些放之四海而皆准的规律，以及如何使用规律的方法，在随后的人生中，他们只要灵活应用，就能成为社会精英。自从20世纪之后，当确定性的规律被人类认识得差不多了之后，世界本身所固有的不确定性，给大家带来的麻烦就越来越凸显出来了。
牛顿时代大家看到的变化是连续的，而今天经历的常常是非连续的，或者说是跳跃性的变化。不确定性加上跳跃式变化，才让大家感到格外焦虑。但是进入到20世纪后，我们无法再回避这个问题了。而近代科学的发展，又给人类掌握有关不确定性的规律提供了钥匙，这就如同300多年前牛顿等人找到了通过确定性消除无知的方法一样。那对付不确定性的方法是什么呢？20世纪初概率论和统计学的成熟，使人们得以把握随机性。在此基础上，1948年，香农博士找到了不确定性和信息的关系，从此为人类找到了面对不确定性世界时的方法论，也就是利用信息消除不确定性。1、信息提炼：在面对大量信息时，排除噪音，提取利用有效信息，科学做决策的能力；2、信息传播：向外界传递信息时，平衡分配有限资源，增加沟通带宽，放大影响力的能力；3、信息应用：看懂信息应用的逻辑和通信发展的趋势，提前抓住新机遇的能力。✍️这3种能力，难能、所以可贵。也是我们在学习用信息视角看待世界时，所要提醒自己的，“信息视角”如何能为我所用？以上2点，均来自于吴军在得到中的《信息论40讲》导论。1948年，美国数学家克劳德·香农发表论文《通信的数学理论》（A Mathematical Theory of Communication），奠定了信息论的基础。信息学界设了一个最高奖，就叫香农奖，相当于基础科学界的诺贝尔奖和计算机学界的图灵奖。按照吴军的归纳，香农至少在以下方面为信息技术演进指明了方向：第三，增加信道容量有两个途径，它们是分别增加带宽和信噪比；✍️ 这四点提炼了核心，可以在了解完详细信息后，回过头来看，会有更加丰富的感受。
我向你发出一条信息，这条信息究竟有多大的信息量，在于它能帮助你消除多少不确定性。既然信息是消除不确定性，那么信息最基本的单位，就应该是一个最基本、最简单的不确定性消除过程。就像是告诉你，抛一次硬币的结果，到底是正面朝上，还是反面朝上。于是，香农找到了二进制数字。我们都知道，二进制的数字要么是1，要么是0，那么，传送一个二进制数字给你，就相当于完成了一次二选一，实现了一次最基本的不确定性消除过程。这样一个包含两种可能的二进制数字，也就成了度量信息的基本单位，香农把它叫做比特，也就是bit。1个比特的信息量，就是1个二进制数字所代表的信息量。8个比特称为一个字节，也可以用一个大写的字母 B 来代替。我们都很熟悉的，用来表示电脑文件大小、内存硬盘容量的MB、GB、TB，其实都是在比特基础上形成的单位。不管是语言还是图像，信息从发送者那里出来，先通过编码，编成一连串0和1构成的二进制数字，完成数字传输，再通过解码过程，重新变回原来的形态，被接收者收到，这就是我们熟悉的数字通讯。维纳用熵来度量无序程度，而香农用熵度量的则是不确定性。不过，正如他们所意识到的，两者从根本上说是一回事。一个书面英语样本中的内在有序性越强（有序性表现为为语言使用者有意识或下意识所知悉的统计特征），其可预测性也就越高，换用香农的话来说，也就是后续字母所传递的信息量越少。如果受试者对下一个字母是什么信心十足，那么这个字母就是冗余的，它的出现没有贡献新的信息。信息是出人意料。讯息越有规律，就越可预测；越可预测，就越冗余；越冗余，含有的信息就越少。这样看来，随机程度如何与含有多少信息其实是同一个问题。它们的答案也是同一个。但我们为什么说π不是随机的呢？蔡廷给出了一个明确的回答：一个数只要是可计算的，即它能够被一个可定义的计算机程序生成，那它就不是随机的。因此，可计算性是随机性的一种量度。我们把充满不确定性的黑盒子就叫做“信息源”，它里面的不确定性叫做“信息熵”，而“信息”就是用来消除这些不确定性的（信息熵），所以搞清楚黑盒子里是怎么一回事，需要的“信息量”就等于黑盒子里的“信息熵”。同一条信息使用一万遍，只有第一次会产生结果，后面都不会产生结果。由于这个“裙摆指数”假说已经存在了上百年，大家早就知道了，即使再有道理，一个人尽皆知的消息也没有用。从数学来看，信息是字符集内字符的有序（有意义编码）或无序（随机加密编码）组合。DNA是信息分子的典型代表，是细胞层次上最先进的讯息处理器——它是一份字母表、一种编码，用60亿比特的信息定义了一个人。香农第一定律：编码长度 ≥ 信息熵（信息量）/ 每一个码的信息量只要编码设计得足够巧妙，上面的等号是成立的。如何将编码设计的足够短？哈夫曼编码原则：从本质上讲，是将最宝贵的资源（最短的编码）给出现概率最大的信息。资源分配的原则是，信息编码的长度和出现概率的对数成正比。✍️管理的本质，把最多的、最好的资源投入在最重要的事情上。
美国有名的私立学校哈克学校的前校长尼克诺夫博士讲，在孩子小时候，要让他们尝试各种兴趣爱好，但是最终他们要在一个点上实现突破，他将这比做用圆规画圆，一方面有一个扎得很深的中心，另一方面有足够广的很浅的覆盖面。✍️以前只听说过T型人才，还是第一次看到圆规型人才，都是差不多意思。不过感觉圆嘛，更美一些。绝大多数汉字被映射到两个维度上，即一个表意的偏旁维度和一个提示读音的发音维度，有些时候，提示读音的维度本身也表意。再往后，表达含义的偏旁已经和原来的图画不太像了。而这些偏旁就构成了文字的基本单元，而且慢慢固定下来了。在欧洲的拼音文字中，虽然没有表达意思的偏旁部首，但是有很多词根，前缀和后缀起到了表达意思的作用，也就是说这些语言实际上将表达信息的基本单元（单词）用一个词根、前缀、后缀这样三维的矢量表示了。✍️ 文字的基本单元。中文是偏旁，再细分是笔画；英文是词根、前缀、后缀。此外，矢量化在生活中也有应用，比如我们通过高考成绩录取大学生，或者通过身高选拔篮球运动员，其实就是利用矢量化的原理，只不过是将所有的人映射到了一维的空间中。✍️ 打标签也是矢量化的一种。矢量化，解构到最小单元，通过最小单元的组装，形成不同的集合。组件库也是一种应用，有了组件库，我们只需要拖动、组合不同的组件，即可绘制页面。同理，或许也可称之为“结构化”，都是将信息解构到最小单元，以便适应多种不同的应用场景。✍️对文字进行解构，获得编码（最小单元）。那如果对文章进行解构，最小单元是什么？词语？句子？我们在做结构化标注的时候，有2种打标方式，分词、分句。1、划出词语，词语之间添加关系（形成主谓宾）。如果不进行【关系】，是表达不出完整含义的。2、句子标注。可以是一句、或者几句话（段落），标注这几句话是什么意思。✍️ 信息拆解越小，组装的灵活度更高，组装可能性更多；任务拆解越细，推动的摩擦力更小，积累的惯性势能越大；做事越细，越能做成一件事情。信息有很多种编码方式，如果想解码信息同样也对应的有很多种解码方式，高效传递信息就是需要在相同的编解码方式中进行，否则就需要不断来回地的对齐，所以团队中为了高效的进行信息的传递，需要在字母和图形基础之上的编解码方式进行统一？✍🏻 行业黑话。把大量信息压缩在黑话里，这样传达的时候，用一个词就能传递一整块信息。via《信息简史》第二章 持久的文字（心智中并无词典）
乔纳森·米勒以信息学的准技术术语把麦克卢汉的论点重新表述了一番：“传播方式涉及感官的数目越多，利用副本可靠地传输发送者的思想状态的可能性就越大。听觉空间是有机的、综合的，通过所有感官的同步互动才能感受到；而‘理性空间’或图文空间则是单一的、序列化的、连续的，它制造的是一个封闭世界，其中缺失了部落时代的回音世界里那种丰富的回声。✍🏻信息的维度越多，就越能从多个方面，共同还原出表达者的意图。比如语音相对于文字，有语气、音调，这些会影响到一句话的意思。但同时，却也丢失了效率。✍️信息的载体不同，所面向的目标人群、消费的场景也不同。以微博和公众号为例的图文，以抖音、快手为例的短视频，以爱奇艺、B站为例的长视频、以小宇宙、喜马拉雅为例的音频。看似来源不同的信息，它们在消除不确定性时，作用有可能重叠。那么什么时候不重叠呢？当信息是垂直的时候，也叫做正交的时候。在多种信息源中，如何选取几种最重要而且彼此尽可能正交的信息呢？在信息处理中常常有两个方法，一个是不断叠加，另一个是不断删除。✍️ 信息的正交、信息的全面性。不同的来源、多个维度、交叉重复性小的信息组合在一起。不断叠加、不断删除。同理对应到，先不断突破固有边界，百尺竿头更进一步，然后再不断精简、聚焦，守好自己的边界。也对应到，先把书读厚、再把书读薄。🌱 避免反复使用相互嵌套或者相互包含的信息，即使它们来自不同的来源，因为那些信息即便不完全相同，但是可能一个覆盖了另一个，或者相似性太高。很多人申请工作，简历中提供的都是相互覆盖的信息。比如最重要的两段工作经验本身已经证明专业能力了，还罗列了一大堆无关紧要的工作经历，以及可有可无的专业证书。这些对别人了解自己不会有更多的帮助。最后一个原则，看问题要刻意改变一下观察的角度，从几个不同的角度看。
🌱 误导人的信息的第一个特征，那就是耸人听闻，对付这类信息，我给了你三个办法，分别是放到更大的时空里判断，看信息的一致性，以及看看是否刻意过滤了大背景的低频信息提高了信息失真率。✍️ 1、从时间线、空间线上，横纵向地看，比如看前后十年、看不同国家 2、标题和内容的一致性，段落和全文的一致性，不要断章取义 3、关注隐藏的背景信息。不过要能意识到有背景信息被隐藏，需要提前有一个框架；同时，背景信息的获取成本可能较高，此时关注同行评议也是一种方法，借助行业关键人的评论来拓宽信息获取维度。1）一切事物在底层上都是互相联系的；2）整体能提供比个体本身更多的信息。我们永远不能孤立地去考虑问题和事物，而应该不断地追问自己：把我们研究的对象本身，通过深入挖掘底层，不断地建立联系，来将它跟我们已知的系统、体系，联系起来，从整体的角度去看待问题。单单局限在一个领域里面还不够，你可能还要学会跨领域，把不同的知识点联系起来，才能更好地去理解和消化它们。虽然听者听到的只是断断续续、有高有低的鼓点，但实际上他们也“听到了”那些缺失的辅音和元音。而且他们听到的是整个短语，而非单个的单词✍️ 上下文，是在塑造语言的环境，以便于更精准的表达涵义。一方面，要保留上下文，提供背景信息；一方面，要提升信息传递的效率。这二者如何平衡？在日常语言中，冗余可以辅助理解。可在密码分析中，冗余就是密码的阿喀琉斯之踵。英语的冗余度大约是百分之五十。✍🏻一定的冗余，提供了上下文，能够帮助消岐。但对密码来说，冗余会导致复杂度上升，对编码、传输、解码、存储都带来不便。冗余度：（信息的编码长度 - 一条信息的信息量）/ 信息的编码长度冗余度的好处：1、便于理解 2、消除歧义 3、提高容错性冗余的坏处：1、信息存储和传递效率降低 2、信噪比增大✍️ 和信息冗余对应的，是信息的压缩。这一点，放在<信息处理>当中。专业语言，也就是常说的黑话，也是“概念”，是一串信息的压缩，目的是在既定范围中进行高效率、准确的表达。通用语言，面向大众，需要更加通俗化。“所以，我们应该努力建造自己的词汇系统来表达，而和很多人沟通的时候，尽量把自己限制在一个通用的范畴里面。” http://home.wangjianshuo.com/cn/category/aeec_hidden丁香医生平台曾经全部是三甲医院的医生，几乎每个医生都有这个标签。后来交互设计师认为既然大家都有，就没必要存在，属于冗余信息。但实际上一旦去掉这些信息，用户不知道你是哪个医院的。要让用户成交，应该尽量把这些信息抛出来。比如这个医院是百强医院，这个医生是教授，这个平台的审核很专业。当这些东西没有的时候，用户就很困惑。因为平台给的信息不够，不足以让用户判断。✍🏻冗余应该站在什么角度来判断？一个平台上，大家都有这个属性，信息就是多余的吗？那要看信息的使用者是谁。对用户来说，他不止看到这个平台，也看到其他平台，对他来说信息源更多，医院属性能够帮助消除一些不确定性。
以上，感谢阅读。内容一定不够完善，如果有信息补充，欢迎留言😉ps：《信息简史》可在微信读书中阅读；阅读和整理的工具，是flomo和craft。点击 < 阅读原文 > ，可获取flomo的注册链接。