信息论入门教程
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。
今天，信息论在信号处理、数据压缩、自然语言等许多领域，起着关键作用。虽然，它的数学形式很复杂，但是核心思想非常简单，只需要中学数学就能理解。
本文使用一个最简单的例子，帮助大家理解信息论。
一、词汇的编码
小张是我的好朋友，最近去了美国。
我们保持着邮件联系。小张写信的时候，只使用4个词汇：狗，猫，鱼，鸟。
信的所有内容就是这4个词的组合。第一封信写着"狗猫鱼鸟"，第二封信写"鱼猫鸟狗"。
信件需要二进制编码，在互联网传递。两个二进制位就可以表示四个词汇。
狗 00
猫 01
鱼 10
鸟 11
所以，第一封信"狗猫鱼鸟"的编码是
00011011，第二封信"鱼猫鸟狗"的编码是10011100。
二、词汇的分布
最近，小张开始养狗，信里提到狗的次数，多于其他词汇。假定概率分布如下。
狗：50%
猫：25%
鱼：12.5%
鸟：12.5%
小张的最新一封信是这样的。
狗狗狗狗猫猫鱼鸟
上面这封信，用前一节的方法进行编码。
0000000001011011
一共需要16个二进制。互联网的流量费很贵，有没有可能找到一种更短编码方式？
很容易想到，"狗"的出现次数最多，给它分配更短的编码，就能减少总的长度。请看下面的编码方式。
狗 0
猫 10
鱼 110
鸟 111
使用新的编码方式，小张的信"狗狗狗狗猫猫鱼鸟"编码如下。
00001010110111
这时只需要14个二进制位，相当于把原来的编码压缩了12.5%。
根据新的编码，每个词只需要1.75个二进制位（14 / 8）。可以证明，这是最短的编码方式，不可能找到更短的编码，详见后文。
三、编码方式的唯一性
前一节的编码方式，狗的编码是0，这里的问题是，可以把这个编码改成1吗，即下面的编码可行吗？
狗 1
猫 10
鱼 110
鸟 111
回答是否定的。如果狗的编码是
1，会造成无法解码，即解码结果不唯一。110有可能是"狗猫"，也可能是"鱼"。只有"狗"为0，才不会造成歧义。
下面是数学证明。一个二进制位有两种可能0和1，如果某个事件有多于两种的结果（比如本例是四种可能），就只能让0或1其中一个拥有特殊含义，另一个必须空出来，保证能够唯一解码。比如，0表示狗，1就必须空出来，不能有特殊含义。
同理，两个二进制位可以表示四种可能：00、01、10和11。上例中，0开头的编码不能用了，只剩下10和11可用，用10表示猫，为了表示"鱼"和"鸟"，必须将11空出来，使用三个二进制位表示。
这就是，上一节的编码方式是如何产生的。
四、编码与概率的关系
根据前面的讨论，可以得到一个结论： 概率越大，所需要的二进制位越少。
狗的概率是50%，表示每两个词汇里面，就有一个是狗，因此单独分配给它1个二进制位。
猫的概率是25%，分配给它两个二进制位。
鱼和鸟的概率是12.5%，分配给它们三个二进制位。
香农给出了一个数学公式。
L表示所需要的二进制位，p(x)表示发生的概率，它们的关系如下。
通过上面的公式，可以计算出某种概率的结果所需要的二进制位。举例来说，"鱼"的概率是0.125，它的倒数为8， 以 2
为底的对数就是3，表示需要3个二进制位。
知道了每种概率对应的编码长度，就可以计算出一种概率分布的平均编码长度。
上面公式的H，就是该种概率分布的平均编码长度。理论上，这也是最优编码长度，不可能获得比它更短的编码了。
接着上面的例子，看看这个公式怎么用。小张养狗之前，"狗猫鱼鸟"是均匀分布，每个词平均需要2个二进制位。
H = 0.25 x 2 + 0.25 x 2 + 0.25 x 2 + 0.25 x 2
= 2
养狗之后，"狗猫鱼鸟"不是均匀分布，每个词平均需要1.75个二进制位。
H = 0.5 x 1 + 0.25 x 2 + 0.125 x 3 + 0.125 x 3
= 1.75
既然每个词是 1.75 个二进制位，"狗狗狗狗猫猫鱼鸟"这8个词的句子，总共需要14个二进制位（8 x 1.75）。
五、信息与压缩
很显然，不均匀分布时，某个词出现的概率越高，编码长度就会越短。
从信息的角度看，如果信息内容存在大量冗余，重复内容越多，可以压缩的余地就越大。日常生活的经验也是如此，一篇文章翻来覆去都是讲同样的内容，摘要就会很短。反倒是，每句话意思都不一样的文章，很难提炼出摘要。
图片也是如此，单调的图片有好的压缩效果，细节丰富的图片很难压缩。
由于信息量的多少与概率分布相关，所以在信息论里面，信息被定义成不确定性的相关概念：概率分布越分散，不确定性越高，信息量越大；反之，信息量越小。
六、信息熵
前面公式里的H（平均编码长度），其实就是信息量的度量。H越大，表示需要的二进制位越多，即可能发生的结果越多，不确定性越高。
比如，H为1，表示只需要一个二进制位，就能表示所有可能性，那就只可能有两种结果。如果H为6，六个二进制位表示有64种可能性，不确定性大大提高。
信息论借鉴了物理学，将H称为"信息熵"（information
entroy）。在物理学里，熵表示无序，越无序的状态，熵越高。
七、信息量的实例
最后，来看一个例子。如果一个人的词汇量为10万，意味着每个词有10万种可能，均匀分布时，每个词需要 16.61 个二进制位。
log₂(100, 000) = 16.61
所以，一篇1000个词的文章，需要 1.6 万个二进制位（约为 2KB）。
16.61 x 1000 = 16,610
相比之下，一张 480 x 640、16级灰度的图片，需要123万个二进制位（约为 150KB）。
480 x 640 x log₂(16) = 1,228,800
所以，一幅图片所能传递的信息远远超过文字，这就是"一图胜千言"吧。
上面的例子是均匀分布的情况，现实生活中，一般都是不均匀分布，因此文章或图片的实际文件大小都是可以大大压缩的。
八、参考链接
- Visual Information Theory, by Christopher Olah
- Information Theory (PDF), Roni Rosenfeld
（完）
文档信息
- 版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）
发表日期： 2019年8月 1日
*[2019年8月 1日]: 2019-08-01T14:46:59+08:00
Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: