「計算」會改變信息量么?
例如解一個線性方程組,從
4x+2y=6,
3x-y=2
到它的解(x=1,y=1),信息量變少了么?
如果是,少在哪裡?
如果不是,那為什麼還要「計算」?
首先,信息量當然減少了,因為可以有無數個方程得到這一組解,你只留下方程的解當然丟失了信息量。
在這個例子裡面,解相對於方程而言是多餘的,因為只要有方程就一定能得到這個解。方程+解和方程的信息量等同。所以,計算不能增加信息量。
然後,計算能不能減少信息量?減少信息量的本質是丟棄信息,而不是計算,你僅僅保留計算結果,丟棄原始方程,當然減少了信息量,但是這和計算一毛錢關係沒有,是因為你自己把方程丟了。
----------------------------------------------------------------------------------------------
看了大家的答案我有一個疑問,我們討論的信息量是資訊理論裡面的那個信息量么?
方程、函數或者點集,這三者是等價的,他們的信息量是等同的,是同一個東西的三種不同的表現形式。
所以,當你把方程列成一個方程組的時候,信息怎麼就會突然坍縮到只剩下交點呢?我們完全可以通過方程組還原出函數圖像或者點集啊,這說明兩者的信息量是完全等同的。
[1] D. J. C. MacKay, Information Theory, Inference, and Learning Algorithms, vol. 100. 2005.
令隨機變數X為所有包含不確定性的對象,這裡的「計算」我們視為對X的某個確定性函數 f:X-&>f(X)。也就是說,得到結果了就拋棄原有的信息。
注意,由於 f 是確定性的,條件熵 H(f(X)|X) 始終為0,H(X|f(X)) 等於 0 當且僅當 f 可逆。
在這種意義下,會。損失的信息量即為 H(X|f(X))。
不增加信息量,但是可以說增加了信息的另一種表述形式。信息的表述形式對很多問題來說是很關鍵的,而信息量只是個數值,就跟質量、能量差不多,同樣是50kg的碳氫氧氮磷,50kg的人和50kg的生豬就完全不同,可見表述形式也很重要。
@靈劍 說的是準確的,我補個理解方式。
方程組裡每一個方程都是一個點集,把它們組織成「方程組」相當於求交。「解」方程相當於把交集是啥給用列表或者別的什麼方式表示出來。
所以認為「把方程解出來是從未知到已知」之類的觀點是錯的……減少點集里點的個數是在「列成方程組」這一步乾的,不是在你「解」這一步才幹的。
減少了。
二元一次方程組可以看作是二維平面內的兩條直線,有4個自由度。
二元一次方程組的解,可以看作是二維平面內的一個點,有2個自由度。
請先明確,問題中的「信息量」是哪一種信息度量?單就這篇論文就有10種以上性質不同的量可以被解釋成「信息量」。
[1208.3459] Randomness, Information, and Complexity這種求解計算肯定信息減少,因為你的目標是一個「值」。
是一個「值」。是一個「值」。就好像你為了驗證一個項目是否可行,你需要處理分析巨量的文件,最後就得出一個結果:「可行」or「不可行」。
如果目標不同,得到的效果就不同。
舉個信息量變多的例子,有一個壓縮包,你通過一個演算法(或者說字典),解壓壓縮包,那麼得到的信息就變多了。
這個原因就好像你有一本字典,壓縮包就是幾個簡單的數字,一個數字可以對應幾個漢字或者幾百個漢字,那你將壓縮包計算後打開,就得到了海量的數據。
(具體的壓縮演算法不是這樣,我就是舉例通過「字典」的方式,把一個小的數字文件,展開為巨大的文件)
再舉個例子,遊戲,遊戲的文件大小是有限的固定的。
但是你打開遊戲,只要你一直玩下去。你可以得到無限長的視頻,你可以得到無限長的視頻,
你可以得到無限長的視頻。信息量沒有變,但是計算消耗能量。人總是需要更簡單直接的形式的信息,因為理解複雜的形式時消耗更多能量,會導致大腦的熵增加。這個計算的過程實際上也是信息的壓縮,雖然壓縮前後信息量不變,但壓縮過程總是消耗能量。
信息量減少了。
定性可以理解為,從方程可以準確地還原出解,而通過解無法準確得出遠方程。這意味著有一部分不確定性在計算過程中丟失了。信息量是事物不確定性的量綱,也就隨之減少。信息量變小
之前的方程組代表了兩條直線
他的解只剩下交點了
這個過程信息量減小。
只有方程的解和方程組等價,方程組的解和方程組並不等價。
當然會!!!
會改變的,所有的不可逆計算都會改變。這是由熵增保證的。
看你對信息的空間選取了。
如果你不了解數學,認為信息是文本,並且準備用ascii碼錶示那麼
4x+2y=6,
3x-y=2
等價於28545365548569522475699636552542555556663(瞎編的),如果你想把它存儲起來,那又不得不加上它在特定存儲器上的位置,比如266324 加前面那一大串(瞎編的)。
當你加了一個皮諾亞代數的標籤時
4x+2y=6,
3x-y=2
就等價於兩個方程。
如果再加上歐幾里德空間的性質,
4x+2y=6,
3x-y=2
就等價於兩條直線,
如果你認為方程的前後關係不重要並對其聯立,
大 4x+2y=6,
括
號 3x-y=2
,即你認為它僅僅表示點,那它就等價於點{x=1 y=1}。如果一些寫法上的變化是允許的,你可以寫的更好看一些:(x,y)=(1,1)。
如果你認為x,y不必要,那麼(1,1)就好。
每一次信息轉換,都引入了新的假設(信息所在空間變化,也是信息)。其結果是,原始信息在某些緯度減少,在某些緯度與原來即假設一致(如將變數x認為是x軸上的變數,信息增加)。這種操作與信息空間的操作同步進行,討論起來意義不大~除非把信息空間量化,但實際通常是毫無可行性的,比如,貼個皮亞諾代數的標籤,究竟是用了其中多少假設,變成了多大的空間?
所以我們判斷信息操作前後是否一致時,要對信息的空間進行定義,並保持一致,在此框架下,才能進行判斷。
比如6,放到布爾型里,表示兩種情形下的一種。放到0~31的空間里,表示32種情形下的一種。放到自然數里,表示可數多情況下的一種。放到實數里,表示不可數多的情況下一種。
如果
4x+2y=6,
3x-y=2
表示兩條直線,
那麼,(x=1,y=1)信息減少了,損失在解方程過程中的不可逆操作。
{4x+2y=6,3x-y=2}&>{4x+2*(3x–2)=6,y=3x–2}&>{x=1,y=3x-2}&>{x=1 y=1}。
至於其中某一步究竟可逆還是不可逆,也與操作定義明確與否相關。
如,解方程操作
第一步定義為「將第二個方程中的y用x表示,並帶入第一個方程中,不作其他變換」
第二步定義為「將第一個方程按結合律展開,將含x項置於等式左側,數字項置於右側,兩邊同時除以x項的係數。」
那麼結合第二個式子和第一步操作,可以推回第一個式子。
結合第三個式子和第二步的操作,推不回第二個式子。
可以理解為對兩條直線進行了縮放平移旋轉等操作,保證其交點始終不動,但縮放和平移的具體操作參數未被記錄完全。
在給定信息空間的條件下,如下定義:
信息空間=對應所有可能狀態的數量的負對數。
信息=已知的狀態數量的負對數。則:
信息2=信息1+操作信息空間–逆操作信息空間
一般地,操作信息空間。
民科表演完畢,謝謝觀賞。
信息量是不會增加的,這個可以從資訊理論中的Data Processing Inequality立即得到。
Wiki上給出了如下例子:
在資訊理論中這個不等式經常被用到,可以參考Thomas Cover的Elements of Information Theory。
計算可以減少信息量,而不能增加信息量。
為什麼要計算呢 因為信息需要處理 不然你接受不了那麼大的信息量計算可以減少信息量,也可以增加信息量,因為計算本身就是信息。
比如題中原始信息是x=1 y=1通過計算4x+2y3x-y得到4x+2y=63x-y=2信息量增加了簡單地說,計算就是一個映射,此處是將方程集合映射到解的集合里。方程集合大於解的集合。因此這個過程中,信息量減少。
在承認人的基本理性和基本邏輯的前提下,由於例子中的情況是一個等價變換,所以信息量是不會減少的。但信息存在的形式卻發生了改變,變得更加有助於分析,外星人的計算或許是由x y的值以某種規則導出一個方程組也說不定。數學在很多時候都在講求形式這是人的大腦運作模式所決定的,我們只能夠對相當狹窄的範圍的形式加以認知。同時也是公理系統要求的,因為運用這套系統有嚴格的限制,特別是在形式上,所以必須對待分析的東西加以轉化。人的直接認知的能力真的不強,例如,請找出一些數,它們無法被按照任何規則(例如從小到大規則)排成一列,沒學過數學的人很難想像。但數學引入了可列的概念,從而說明了無理數是不可以按照任何規則(例如從小到大規則)排成一列的。按理說,當你說出無理數時,信息就全部給出了,但你並不能直接認識到,必須通過某種方法旁敲側擊來讓自己認識到某些信息。形式的改變常常是重要的方法。
會改變,會變少。
例如,函數求導之後,函數的初始狀態就丟失了,積分也還原不回去。
推薦閱讀:
※中文字元Unicode和UTF-8的編碼為什麼不能一樣?
※在可遇見的未來中,有什麼高科技產品將會被淘汰?
※怎麼理解《無名師的 GUI 論》?
※Linux伺服器重啟(有可能是異常斷電)導致用戶數據損壞的原因是什麼?