今天是香農誕辰103年，他是信息論和人工智能的奠基人，他的研究成果深遠的影響著(zhù)這個(gè)時(shí)代，他謙遜的品格也鼓舞著(zhù)后來(lái)人不斷進(jìn)取，這是一個(gè)值得被人銘記的名字，正因為信息的傳播打破了時(shí)空的限制，像空氣和水一樣廉價(jià)，如果世人傳頌我的故事，讓他們說(shuō)，我曾與英雄同在，我活在信息時(shí)代。

　　1943年，第二次世界大戰正使全世界處于動(dòng)蕩不安之中，同時(shí)也是全球精英突破各種困難之時(shí)，克勞德·香農和阿蘭·圖靈正是在這階段認識的，他們在研究如何破譯軸心國的加密信息。他們曾在貝爾實(shí)驗室餐廳共進(jìn)午餐，他們都相信機器可以被賦予思考的力量。雙方的討論會(huì )很激烈，香農提議將有“文化的東西”灌入電子的大腦中，圖靈則說(shuō)“不，我對建造一顆強大的大腦不感興趣，我只想要一顆普通的大腦。”，這些聊天讓人目瞪口呆，機器能被賦予智能么？

　　香農在研究密碼學(xué)時(shí)，發(fā)現任何語(yǔ)言都有一定的統計結構和冗余。比如，在一篇文章中，去掉某些詞，并不影響這篇文章包含的信息。香農估計，英語(yǔ)的冗余度是百分之五十。隨著(zhù)研究的深入，香農對“信息論”的存在逐漸清晰，他興奮的說(shuō)：“對于信息論的研究而言，與信息的'意義'基本無(wú)關(guān)”。1948年，香農發(fā)表了《通信的數學(xué)理論》，揭示出：信息的意義不是在語(yǔ)義上衡量的，而是數學(xué)上的。簡(jiǎn)單的說(shuō)，一些信息出現的可能性大或者一些信息更重要，這樣的說(shuō)法都是建立在概率基礎上的。香農又通過(guò)數學(xué)方法定義了信息熵、信道容量等概念，到20世紀60年代，信息論發(fā)展成為了關(guān)于信息、信息傳輸和信息處理的新學(xué)科。

　　1949年夏的一天，香農用鉛筆在活頁(yè)紙上自上而下而下的畫(huà)了一條豎線(xiàn)，并在旁邊寫(xiě)下了10的冪，從100到1013。他將坐標軸命名為“比特存儲容量”。然后他開(kāi)始列舉一些可以?xún)Υ娴臇|西，在103下，香農寫(xiě)下了打孔卡片，在104處，他寫(xiě)下了“單行距打字頁(yè)面”(有32種可能)，在105附近，他寫(xiě)下了不同尋常的東西：“人類(lèi)的基因構成”，這種科學(xué)思考可謂史無(wú)前例，因為人類(lèi)的DNA結構要等上幾年才會(huì )被提出，香農還是猜的太保守了，起碼低了四個(gè)數量級。在107的級別上，是一本厚厚的《無(wú)線(xiàn)電工程師學(xué)會(huì )學(xué)報》，在109級別，則是《不列顛百科全書(shū)》，1011比特是一小時(shí)的電視節目，而一小時(shí)的彩色電影，就要超過(guò)1013比特了。最后，就在下1014，香農寫(xiě)下了他所能想象的最大信息量：美國國會(huì )圖書(shū)館。

香農的活頁(yè)紙

　　1951年，香農則展示了一個(gè)機器人，盡管它不聰明，外表也不像人，但是它給觀(guān)眾留下了深刻印象，因為它能學(xué)會(huì )走迷宮，他們稱(chēng)它為“香農的老鼠”。　　http://27.221.42.30/vhot2.qqvideo.tc.qq.com/ARh_Ifz6l0QICH6LN9_LgXTuizVfR7yqgwmNTTLlBSMI/uwMROfz2r5xoIaQXGdGnC2dfhzktbhdAyZmeukSI5tNswzV1/e1338amyt44.m701.mp4?vkey=C31660F5FA9CE8002202D5133785D5FE1C305C77359F46383B350BEEEA8E691796F35F0927D2F39AB9B30501B62946506EF6A449E1FB74871D84FA8AB5802BD06463ABF2EA86EE1FB57EFEEFE7D6D2427DF9A320B3210B22E86F99E7928AE92E80C1CBEE36EBBD83400963DC1AE1ED63A7A3C87198266F8F81D846698C07EAF4&br=29&platform=2&fmt=auto&level=0&sdtfrom=v1010&guid=d70faeb08f7946098cc380b58faa6aed

　　這些看起來(lái)有點(diǎn)不可思議，尤其是香農的老鼠，它具有學(xué)習的能力，不同于以往人類(lèi)發(fā)明的其它機器。這些具有開(kāi)創(chuàng )性的工作，是如何完成的？香農和其他信息論的先驅們到底是怎么開(kāi)創(chuàng )了一個(gè)基礎學(xué)科的？我做一個(gè)簡(jiǎn)要的介紹。

　　熵的概念，最早起源于物理學(xué)，用于度量熱力學(xué)系統的無(wú)序程度，1865年，熱力學(xué)的主要奠基人魯道夫首先使用了該詞，他發(fā)現了一種量，這種量與能量無(wú)關(guān)，他就稱(chēng)之為“熵”。香農首先將熵用于描述信息的不確定性，因為無(wú)序程度和不確定性，其背后都帶有隨機分布的特點(diǎn)，熵的計算被定義為：

　　其中，X代表一個(gè)離散型隨機變量，p(x)為其概率分布函數。當對數函數以2為底時(shí)，熵的單位是比特。熵的大小不取決于X的實(shí)際值，而僅依賴(lài)其概率分布。這個(gè)公式也被稱(chēng)為香農熵。

　　當有多個(gè)隨機變量表示多個(gè)關(guān)聯(lián)的事件時(shí)，事件之間相互影響。

　　以上三個(gè)公式分別是兩個(gè)隨機變量(X，Y)的聯(lián)合熵，條件熵和互信息，其證明過(guò)程采用香農熵、聯(lián)合概率分布函數，鏈式法則。我們使用互信息來(lái)衡量不同事件空間，兩個(gè)信息的相關(guān)性。熵與互信息存在關(guān)系，通俗的說(shuō)，任何新信息的增加，都不會(huì )使得原有信息的熵增加。就像我們玩德州撲克，不管你的表情如何改變，只要做了改變，都會(huì )被精明的玩家窺探到你手中的牌怎么樣，因為你增加了信息，在牌局中，那些面無(wú)表情的人是最可怕的，一些人還會(huì )帶著(zhù)帽子、墨鏡來(lái)掩飾自己的情緒。另外一個(gè)例子，偉大的發(fā)明和公司，往往是使熵降低的，比如互聯(lián)網(wǎng)搜索引擎使人們獲取信息的成本很低，從而解決了信息的不對稱(chēng)，有利于階層之間的流動(dòng)，使熵降低。

熵與互信息的關(guān)系

　　下圖是香農提出的通信系統模型。

香農模型

　　信源是發(fā)送信息的主體，信宿是接收者，信道是信息傳送的通道，編碼泛指將信源的信息轉換成適合通過(guò)信道傳送的信號的設備，譯碼是編碼的相反的設備。信道可以分為兩大類(lèi)：有線(xiàn)信道和無(wú)線(xiàn)信道。有線(xiàn)信道包括光纖、電纜等沿導線(xiàn)的電磁波傳遞介質(zhì)，無(wú)線(xiàn)信道則是依賴(lài)于自由空間來(lái)傳遞電磁波。此外，信道也可以分為有無(wú)記憶、連續還是離散等方式。信號在通過(guò)信道時(shí)，會(huì )有延時(shí)，還有伴有固定或時(shí)變的損耗，在通信系統中，這部分信道被成為干擾。干擾的來(lái)源可能是人為、自然和設備內部。

　　信道容量是指該信道中，每個(gè)字符平均能傳送的最大信息量，信道容量等于輸入與輸出的互信息的最大可能值。

信道容量

　　在通信系統中，信息需要編解碼，然后在信道中傳輸，香農信道編碼定理，描述了信息傳輸速率與信道容量的關(guān)系：如果信源的信息速率小于信道容量，那么則存在一種編碼方式，能保證發(fā)送信息的誤差任意小。也就是說(shuō)，通過(guò)不可靠的信道，實(shí)現可靠的信息傳輸。在人們不具備更好的信道的條件下，如何將現有信道發(fā)揮到最大的利用價(jià)值，香農給出了一個(gè)極限。在香農以前，在這個(gè)問(wèn)題上，物理學(xué)家和數學(xué)家總是聊不到一起，直到香農的三大定理給大家一個(gè)評價(jià)標準。有趣的是，當時(shí)香農并沒(méi)有給出這個(gè)結論的證明，這個(gè)證明直到后來(lái)才被人推導出來(lái)。近些年來(lái)，信道編碼取得重要進(jìn)展，已經(jīng)實(shí)現了無(wú)誤差編碼方式。

　　在信息論中，熵是用來(lái)度量信息的不確定程度的，熵增定律說(shuō)明了一個(gè)孤立系統有朝著(zhù)熵增的方向發(fā)展的趨勢，進(jìn)而呈現出一種最無(wú)序的、最不確定的狀態(tài)。最大熵就是使系統處于熵最大的狀態(tài)-滿(mǎn)足已有事件，無(wú)偏的對待不確定事件，即對未確定的事件，認為是等概率出現的。最大熵原理即是認為，在統計學(xué)習里，所有的模型中，熵最大的模型是最好的模型。

　　最大熵原理對目前機器學(xué)習的優(yōu)化算法而言是舉足輕重的，是訓練人工神經(jīng)網(wǎng)絡(luò )的指導思想。

最大熵模型求解過(guò)程

　　因為信息處理和信息傳輸，就像是一枚硬幣的兩面，這枚硬幣就是“信息”。以上公式看起來(lái)繁瑣，實(shí)際上，對于一個(gè)給定了數據集的機器學(xué)習任務(wù)，就是構建特征f，然后，使用凸優(yōu)化方法求極值。對于一個(gè)有等式約束的優(yōu)化問(wèn)題，使用拉格朗日乘子法，對上式中各變量求導數，然后令各方程為0，并組成方程組，然后對方程組求解。

　　越是深入的了解前人的工作，越能感受到，信息論和人工智能源起一處，我們可以很容易的將二者聯(lián)系起來(lái)，比如機器學(xué)習的模型充當了信息論中的編譯碼器的角色，引入信息論中的哈夫曼編碼的算法可以加快網(wǎng)絡(luò )的訓練速度，使用最大熵或交叉熵構造機器學(xué)習的代價(jià)函數，對抗網(wǎng)絡(luò )很類(lèi)似于信息論中的信道均衡的抽頭系數的訓練---通信的成功應用正在讓人工智能快速成長(cháng)。

　　香農在成功面前是虛懷若谷的，在20世紀五十年代，香農一邊從事火控系統和密碼學(xué)方面的工作，一邊苦苦思考他對信息的設想，他獨自一人住在紐約格林尼治村的公寓里，與同事幾乎沒(méi)有交往，因為他們都搬到了新澤西的新總部，而他卻選擇留在西街的舊辦公樓，他不需要向別人解釋自己在干什么，畢竟他從事的是戰爭工作，有時(shí)候，他會(huì )去辦公樓對面的微波研究組閑逛，并且在那里認識了貝蒂·摩爾，1948年，兩人開(kāi)始約會(huì )，隨后在1949年初結婚，也就是在那個(gè)時(shí)候，他成為了人人都在談?wù)摰目茖W(xué)家。

　　http://27.221.42.26/vhot2.qqvideo.tc.qq.com/AvEMPOvV6Z2XyusTYURx9L9FkEx-JXrIfhkHvVeouhE8/uwMROfz2r5xoIaQXGdGnC2dfhzktbhdAyZmeukSI5tNswzV1/x13382nq69y.m701.mp4?vkey=2BF6387674D42068A29C7CF7AC455DCC9B16589730E711212A3F50BFFD64AF06C34D48CF88FACAE33DD3CB6B4845FE555F8CE614F28A7DBB35C8880E2C2CC6F065322BE85281BE137D1F726EA8613B9200D59A886391F4CF9C60FA79EA755483EA67E1BB9D9E20A667D15C8C10C320EB427E9B1E2D2A5ECFA569B90621E82CB7&br=28&platform=2&fmt=auto&level=0&sdtfrom=v1010&guid=d70faeb08f7946098cc380b58faa6aed