刘润对话吴军：信息时代每小我都必须理解的基本常识

比如，速率不能超过光速。

正由于有了这些知识，大家就会知道做一件事情可以做到什么程度，比如汽车的效率能提升到多少。
我们就不会去追求那些不可能达成的目标。

但是，本日到了信息时期，关于信息有什么规律和知识，很多人实在是不理解的。

由于不理解，以是就随意马虎产生缺点的判断。

比如，一个会场的wifi网络每秒能传输10M的数据。
如果同时上网的人特殊多，大家会惯性地以为，人多就多吧，只是平分到每个人身上的速率慢一点，比如100k/s，但总归是能上网的。

实在，完备不是这样。

当所有人传输的信息总量超过一个阈值，所有人都会上不了网。

这是由喷鼻香农第二定律决定的：

如果信息传输率超过信道容量，就不可能实现可靠传输。
这个时候，谁也传不出去任何信息。

这便是信息时期的规律和知识。

再比如，有人说，埃隆马斯克发射了很多卫星，一旦覆盖环球通信，就能取代5G了。

乍一听彷佛有点道理。

但实在完备是两回事儿。

由于，从卫星到地面的信道容量是很有限的，它可以用来办理南北极、珠穆朗玛峰等极度地区的通信问题，但是速率完备没法跟5G比较。

很多人不理解信息时期的这些基本知识，以是才会有这种不切实际的比拟。

不切实际的比拟倒也无伤大雅，但是有一部分人会去做一些不切实际的投资，乃至不切实际的创业。

这实在便是在做类似超越光速的事情，永久都不可能达成目标，会摧残浪费蹂躏很多金钱和生命。

类似的事情，在机器时期，大家由于理解物理知识，会嘲笑他是民科。

但是在信息时期，很多人由于不理解信息知识，反而就会以为他在创新。

以是，为了让大家理解信息时期的基本知识，吴军老师写了一本书，叫做《信息传》。

吴军老师是打算机科学家，是自然措辞处理技能的先驱者，是谷歌公司的智能搜索科学家，腾讯公司的前副总裁，同时也是硅谷著名的风险投资人、脱销书作家。

他著有《数学之美》、《浪潮之巅》、《硅谷之谜》、《智能时期》、《文明之光》、《大学之路》、《环球科技通史》、《见识》、《态度》等，本本都是超级脱销书。
从我到我儿子小米，我们百口都是他的书迷。

吴军老师的这本《信息传》，我一拿起来就放不下来了。

由于它讲了很多信息时期的基本规律。

比如，为什么一次性密码最安全？为什么量子通信本日这么热门？数据压缩到什么程度会有损耗？

这些规律和知识，就相称于机器时期的牛顿三大定律一样主要，每个人都该当理解它们。

拿到这本书后，我专门访谈了吴军老师，让他给我们公号的读者讲讲他的《信息传》。

非常感谢吴军老师。

本日，我就把这次访谈的内容，分享给你。

— 1 —

信息科学的发展，大致可以分为两个阶段。

一个叫自发的时期，一个叫自觉的时期。

在自发时期，虽然人类有了电报、电话、无线电、电视机以及机器打算机等信息技能的造诣，但是人类并不理解信息的实质和规律，因此依然处在阴郁中的摸索阶段。

在那个时候，哪怕是最好的科学家，也和本日的凡人一样，在犯同样的缺点。

比如像特斯拉和巴贝奇这样的天才，他们完备无法明白自己的很多努力，实在完备走错了方向。

特斯拉一贯致力于用电磁波来通报能量，而特斯拉的竞争对手马可尼，则致力于用电磁波来通报信息。

终极，马可尼的研究得到了诺贝尔奖，收成了巨大成功。

到了本日，我们知道，用电磁波来传能量险些是不太可能的，由于电磁场辐射衰减得很快，间隔轻微远一点，就不剩下多少能量了。
而用电磁波来传信息却是非常可行的。

但是在那个时期，没有人理解信息的规律，大家都在阴郁中摸索前行。
成功，具有很大的有时性。

与其说马可尼比特斯拉水平更高，不如说比他更加幸运，无意中做的一些事情，恰好契合了信息科学的发展。

再比如，巴贝奇最早做打算机，实在就走错了方向。

由于他并不清楚，越是繁芜的信息处理，就越要用大略的基本模块去实现。

在机器时期，大家普遍有一个误区：为了实现繁芜的功能，就要把机器做得特殊繁芜。

于是，巴贝奇把打算机设计得越来越繁芜，用无数的齿轮来实现微积分，末了繁芜到连做都做不出来了。

再后来，喷鼻香农在这个问题上，换了一种思路，他想着用最大略的模块，来搭建繁芜的系统。
这为后来电子打算机的出身，奠定了根本。

本日我们的所有电子产品，你把它拆开来看，芯片上都是一些很大略的功能模块，最底层的便是0和1的开关电路，只是数量很多而已。

在自发时期，由于不理解信息的实质和规律，人们都在摸索中前行，盲打卤莽。

直到喷鼻香农用一个被称为“熵”的观点，和三个非常简洁的定律，描述了信息科学的实质。

它们，便是我们本日所说的信息论的核心。

信息时期的信息论，就像是机器时期的牛顿三大定律。

有了信息论，所有的技能研究和发展就不再是凭运气，而是顺应规律。
信息技能开始飞速发展。

这就进入了信息科学的自觉时期。

人类从此险些没有再犯过什么大的缺点，也没有走太多的弯路。

— 2 —

在自觉时期，我们要感谢三位非常主要的科学家，他们为本日的信息技能奠定了理论根本。

第一位科学家，毫无疑问，便是喷鼻香农。

他做出的主要贡献之一，便是提出了著名的喷鼻香农第二定律，阐明了信息传输的规律。

详细来说，便是：

信息的传输率永久都不可能超过信道的容量。

你可以把传输率理解为通信（上网）速率，也便是每秒能传输的信息量，比如200kb/s。

信道的容量，你可以把它想象成高速公路的宽度。
高速公路上行驶的汽车就相称于在信道中传输的信息。

信息的传输率永久都不可能超过信道的容量，一旦超过，出错率便是100%，所有人都会无法通信。

那么我们想要传输率更快，就要增加信道的容量。

如何增加信道的容量？

有两个办法。

第一个办法：增加频率范围，也便是带宽。

频率范围，便是带宽。
比如100兆赫-200兆赫，便是一段频率范围。

频率范围，也便是带宽越大，信道的容量越大。

光纤通信比较无线电通信和电缆通信，信息传输率可以赶过很多，根本缘故原由便是它的带宽要比后两者宽了很多。

光纤通信用的是可见光，而光的频率比无线电通信中电磁波的频率要高很多。

同样是无线电通信，从1G到5G，它的频率是不断提高的。

由于我们想要增加带宽，让频率范围往上走是有很大空间的，但是往下走的空间却很有限，最多频率降到零，但不可能是负的。

4G的发射频率大概是2000兆赫。

到了5G，发射频率增加到6000兆赫旁边。
美国下一代的还要到28000兆赫。

增加信道容量的第二个办法，便是增加信噪比。

信噪比越高，信道的容量越大。

信噪比，顾名思义，便是旗子暗记和噪声的比值。

想要信噪比越高，就要增加旗子暗记的强度，或者降落噪声。

增加旗子暗记强度，可以从加大发射功率入手。

但是这种做法是有极限的，比如我们的移动通信基站，功率太大会对周围的人造成辐射侵害，以是必须把它限定在安全范围内。

在无线通信中，旗子暗记的强度会随着间隔的增加而衰减，噪声则是恒定不衰减的。

以是，想要在不增加功率的情形下，增加信噪比，唯一的办法便是缩短通信的间隔。

这便是5G的基站要建得非常密集的缘故原由之一。

增加频率范围和增加信噪比，是增加信道容量的两个基本方向。

从1G到5G，大家都是在朝着这两个方向走。
所有关于5G的创新，实在都是在办理这两个方向上所碰着的工程问题。

再过十几年，又会涌现6G，6G也是在这两个方向上的进一步延伸。

由于这是信息时期的基本规律，朝着这两个方向走，就不会有失落败。

— 3 —

在自觉时期，我们要感谢的第二位科学家，叫做冯诺依曼。

冯诺依曼，他阐明了信息和运算的关系。

信息不仅仅是用来传输的，我们想要让信息发挥更大的浸染，还要办理其余两个问题：信息的运算和存储。

冯诺依曼从工程学的角度，把信息的运算和存储切割开来，每一块单独设计，再结合在一起来实现打算机的完通盘算功能。

按照冯诺依曼的设计思想，一台电子打算机该当包括打算器、掌握器、存储器和输入输出设备，它是由程序自动掌握的。

这便是所谓的冯诺依曼构造，这个构造是当代打算机的根本。

本日所有关于打算机的研究事情，依然在冯诺依曼所划定的框架内做改进。

比如处理器是一个还是多个，存储器是少量的还是海量，处理器和存储器是单独放置还是做到一个芯片中，这些都是后来改进时须要考虑的问题了。

当然，本日打算机的性能，已经和冯诺依曼那个时期不可同日而语。

环球第一台电子打算机ENIAC，是在1946年落成的。
这台打算机占地近160平方米，每秒能运算5000次。

到本日，你知道一台iPhone12，每秒能打算多少次吗？

大概能打算200亿次。

从每秒打算5000次，到每秒打算200亿次，是怎么实现的？

这便是芯片的工艺问题了。

芯片是由晶体管组成的，晶体管可以实现电门的开和关，也就对应着打算机中的0和1。

一块芯片有多大的打算能力，就看这块芯片上的晶体管有多密集。

以华为麒麟970和华为麒麟980为例。

麒麟970是10纳米工艺的芯片，有55亿个晶体管。

麒麟980是7纳米工艺的芯片，有69亿个晶体管。
比麒麟970性能提升了25.5%旁边。

在同样大小的一块芯片里，7纳米工艺的芯片，比10纳米工艺的芯片能搭载更多的晶体管，技能更前辈，性能更高。

本日，台积电和三星的量产芯片可以做到7纳米，接下来将量产5纳米。

以是，在冯诺依曼提出打算机的构造之后，后人都是在这个构造的根本上改进技能和工艺。

在信息的存储方面也是同样。

怎么来办理信息的存储问题？

最早是通过在纸带上打孔的办法，把运算过程记录下来。

后来演化成磁带。

比如我们小时候听歌时用的磁带，便是把歌曲的信息存储在了磁带上。

再后来有了磁盘。

我上小学四五年级的时候买过一张5寸的单面磁盘，当时花了8块钱，存储空间是180K。

再后来，5寸磁盘演化成了3寸磁盘。

再今后又演化成了硬盘。

我高中时用过的第一台带硬盘的打算机，硬盘的存储空间是10M。

到了我上大学，打算机的硬盘已经能达到1个G了。

而本日，一部手机的存储空间，已经能达到512G。

这便是存储的进步。

这也是在冯诺依曼构造的根本上，存储技能和工艺的改进。

— 4 —

在自觉时期，我们要感谢的第三位科学家，叫做图灵。

他提出了著名的“图灵测试”，定义了数据和智能的关系：

如果机器能够与人类展开对话而不被辨别出其机器身份，那么称这台机器具有智能。

通过了图灵测试，就解释对方的智能是不是能达到人类的水平，而不一定非要仿照人类的思考行为。

在过去，我们认为，数据产生信息，信息产生知识，知识产生聪慧。

但是图灵见告我们说，不须要通过知识产生聪慧，从数据就能够直接产生聪慧。

这是什么意思？

我举个例子。

如果让一个人来判断，路上的一个小动物是不是一只猫。
人是怎么判断的？

首先，你得先见过猫，你眼睛看到的所有东西，都是数据。

接着，你的大脑从这些数据中网络到猫的一些信息：猫的眼睛是什么样，耳朵是什么样……

然后，你总结出了一套知识：符合什么特色的动物，便是猫。

于是，你就拥有了聪慧：你看到一只猫，就能辨认出这是一只猫。

这是从数据，到信息，到知识，到聪慧。

人类想要机器也拥有聪慧，一开始也想让机器走这条路径。

但是创造，这条路是走不通的。

后来一想，不对，为什么一定要这么走呢？我们能不能从数据直接到聪慧呢？

于是，有人提出了一种算法，叫做深度学习。

我拿1000万张猫的照片，让人工智能来看，这是不是猫？

人工智能判断对了，我就见告它对了。
人工智能判断错了，我就见告它错了。

通过海量的反馈，让人工智能演习出一套有效的模型。

一开始，它随机判断，准确率可能是1%。

逐步地，演习数据和反馈越来越多，准确率也逐步提高。

2%，5%，10%……末了准确率提高到95%，乃至98%。
靠近乃至超过人类的准确率。

这个时候，模型就演习好了。

人工智能就能够准确地判断这张照片上的动物，到底是不是猫。

这便是从数据，直接到聪慧。

你给人工智能一张照片的数据，它虽然能判断照片上的动物是不是猫，但是它根本就不知道什么是猫。

这便是本日的人工智能。

图灵用图灵测试的方法让我们知道，我们该当怎么去对待数据，怎么去对待信息，怎么去对待知识，怎么去对待聪慧。

理解了这些，你才能理解人工智能时期的基本知识。

末了的话

本日的文章，我们给大家先容了三个人。

首先是喷鼻香农，他阐明了信息传输的规律。

然后是冯诺依曼，他阐明了信息和运算的关系。

末了是图灵，他定义了数据和智能的关系。

理解了他们的理论，你才能理解本日信息时期的基本知识。

而只有理解了这些知识，你才能在未来的事情、创业中，遵照信息时期的基本规律，不至于去追求一些永久不可能达成的目标。

你干工作才能事半功倍。

如果你想要理解更多信息时期的基本知识，推举你去看吴军老师的新书《信息传》，非常精彩。

末了，再次感谢吴军老师。