在机械时代，关于物理世界的一些常识，只要学过中学物理，我们基本都了解。
比如，速度不能超过光速。温度不会低于绝对零度（-摄氏度）。发动机的效率不可能超过%。
正因为有了这些常识，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，今天到了信息时代，关于信息有什么规律和常识，很多人其实是不了解的。
因为不了解，所以就容易产生错误的判断。
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别多，大家会惯性地觉得，人多就多吧，只是平分到每个人身上的速度慢一点，比如k/s，但总归是能上网的。
其实，完全不是这样。
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。
这就是信息时代的规律和常识。
再比如，有人说，埃隆·马斯克发射了很多卫星，一旦覆盖全球通信，就能取代5G了。
乍一听好像有点道理。
但其实完全是两回事儿。
因为，从卫星到地面的信道容量是很有限的，它可以用来解决南北极、珠穆朗玛峰等极端地区的通信问题，但是速度完全没法跟5G相比。
很多人不了解信息时代的这些基本常识，所以才会有这种不切实际的对比。
不切实际的对比倒也无伤大雅，但是有一部分人会去做一些不切实际的投资，甚至不切实际的创业。
这其实就是在做类似超越光速的事情，永远都不可能达成目标，会浪费很多金钱和生命。
类似的事情，在机械时代，大家因为了解物理常识，会嘲笑他是民科。
但是在信息时代，很多人因为不了解信息常识，反而就会觉得他在创新。
所以，为了让大家了解信息时代的基本常识，吴*老师写了一本书，叫做《信息传》。
吴*老师是计算机科学家，是自然语言处理技术的先驱者，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、畅销书作家。
他著有《数学之美》、《浪潮之巅》、《硅谷之谜》、《智能时代》、《文明之光》、《大学之路》、《全球科技通史》、《见识》、《态度》等，本本都是超级畅销书。从我到我儿子小米，我们全家都是他的书迷。
吴*老师的这本《信息传》，我一拿起来就放不下来了。
因为它讲了很多信息时代的基本规律。
比如，为什么一次性密码最安全？为什么量子通信今天这么热门？数据压缩到什么程度会有损耗？
这些规律和常识，就相当于机械时代的牛顿三大定律一样重要，每个人都应该了解它们。
拿到这本书后，我专门访谈了吴*老师，让他给我们公号的读者讲讲他的《信息传》。
非常感谢吴*老师。
今天，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。
一个叫自发的时代，一个叫自觉的时代。
在自发时代，虽然人类有了电报、电话、无线电、电视机以及机械计算机等信息技术的成就，但是人类并不了解信息的本质和规律，因此依然处在黑暗中的摸索阶段。
在那个时候，哪怕是最好的科学家，也和今天的常人一样，在犯同样的错误。
比如像特斯拉和巴贝奇这样的天才，他们完全无法明白自己的很多努力，其实完全走错了方向。
特斯拉一直致力于用电磁波来传递能量，而特斯拉的竞争对手马可尼，则致力于用电磁波来传递信息。
最终，马可尼的研究获得了诺贝尔奖，收获了巨大成功。
到了今天，我们知道，用电磁波来传能量几乎是不太可能的，因为电磁场辐射衰减得很快，距离稍微远一点，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。
但是在那个时代，没有人了解信息的规律，大家都在黑暗中摸索前行。成功，具有很大的偶然性。
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，巴贝奇最早做计算机，其实就走错了方向。
因为他并不清楚，越是复杂的信息处理，就越要用简单的基本模块去实现。
在机械时代，大家普遍有一个误区：为了实现复杂的功能，就要把机器做得特别复杂。
于是，巴贝奇把计算机设计得越来越复杂，用无数的齿轮来实现微积分，最后复杂到连做都做不出来了。
再后来，香农在这个问题上，换了一种思路，他想着用最简单的模块，来搭建复杂的系统。这为后来电子计算机的诞生，奠定了基础。
今天我们的所有电子产品，你把它拆开来看，芯片上都是一些很简单的功能模块，最底层的就是0和1的开关电路，只是数量很多而已。
在自发时代，由于不了解信息的本质和规律，人们都在摸索中前行，盲打莽撞。
直到香农用一个被称为“熵”的概念，和三个非常简洁的定律，描述了信息科学的本质。
它们，就是我们今天所说的信息论的核心。
信息时代的信息论，就像是机械时代的牛顿三大定律。
有了信息论，所有的技术研究和发展就不再是凭运气，而是顺应规律。信息技术开始飞速发展。
这就进入了信息科学的自觉时代。
人类从此几乎没有再犯过什么大的错误，也没有走太多的弯路。
—2—
在自觉时代，我们要感谢三位非常重要的科学家，他们为今天的信息技术奠定了理论基础。
第一位科学家，毫无疑问，就是香农。
他做出的重要贡献之一，就是提出了著名的香农第二定律，解释了信息传输的规律。
具体来说，就是：
信息的传输率永远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）速度，也就是每秒能传输的信息量，比如kb/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当于在信道中传输的信息。
信息的传输率永远都不可能超过信道的容量，一旦超过，出错率就是%，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，也就是带宽。
频率范围，就是带宽。比如兆赫-兆赫，就是一段频率范围。
频率范围，也就是带宽越大，信道的容量越大。
光纤通信相比无线电通信和电缆通信，信息传输率可以高出很多，根本原因就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。
因为我们想要增加带宽，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0兆赫。
到了5G，发射频率增加到兆赫左右。美国下一代的还要到兆赫。
增加信道容量的第二个办法，就是增加信噪比。
信噪比越高，信道的容量越大。
信噪比，顾名思义，就是信号和噪声的比值。
想要信噪比越高，就要增加信号的强度，或者降低噪声。
增加信号强度，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伤害，所以必须把它限制在安全范围内。
在无线通信中，信号的强度会随着距离的增加而衰减，噪声则是恒定不衰减的。
所以，想要在不增加功率的情况下，增加信噪比，唯一的方式就是缩短通信的距离。
这就是5G的基站要建得非常密集的原因之一。
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，其实都是在解决这两个方向上所遇到的工程问题。
再过十几年，又会出现6G，6G也是在这两个方向上的进一步延伸。
因为这是信息时代的基本规律，朝着这两个方向走，就不会有失败。
—3—
在自觉时代，我们要感谢的第二位科学家，叫做冯·诺依曼。
冯·诺依曼，他解释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作用，还要解决另外两个问题：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计算机的完整计算功能。
按照冯·诺依曼的设计思想，一台电子计算机应该包括计算器、控制器、存储器和输入输出设备，它是由程序自动控制的。
这就是所谓的冯·诺依曼结构，这个结构是现代计算机的基础。
今天所有关于计算机的研究工作，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需要考虑的问题了。
当然，今天计算机的性能，已经和冯·诺依曼那个时代不可同日而语。
全球第一台电子计算机ENIAC，是在年完工的。这台计算机占地近平方米，每秒能运算次。
到今天，你知道一台iPhone12，每秒能计算多少次吗？
大概能计算亿次。
从每秒计算次，到每秒计算亿次，是怎么实现的？
这就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，也就对应着计算机中的0和1。
一块芯片有多大的计算能力，就看这块芯片上的晶体管有多密集。
以华为麒麟和华为麒麟为例。
麒麟是10纳米工艺的芯片，有55亿个晶体管。
麒麟是7纳米工艺的芯片，有69亿个晶体管。比麒麟性能提升了25.5%左右。
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，技术更先进，性能更高。
今天，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。
所以，在冯·诺依曼提出计算机的结构之后，后人都是在这个结构的基础上改进技术和工艺。
在信息的存储方面也是同样。
怎么来解决信息的存储问题？
最早是通过在纸带上打孔的方式，把运算过程记录下来。
后来演变成磁带。
比如我们小时候听歌时用的磁带，就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K。
再后来，5寸磁盘演变成了3寸磁盘。
再往后又演变成了硬盘。
我高中时用过的第一台带硬盘的计算机，硬盘的存储空间是10M。
到了我上大学，计算机的硬盘已经能达到1个G了。
而今天，一部手机的存储空间，已经能达到G。
这就是存储的进步。
这也是在冯·诺依曼结构的基础上，存储技术和工艺的改进。
—4—
在自觉时代，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，就说明对方的智能是不是能达到人类的水平，而不一定非要模拟人类的思考行为。
在过去，我们认为，数据产生信息，信息产生知识，知识产生智慧。
但是图灵告诉我们说，不需要通过知识产生智慧，从数据就能够直接产生智慧。
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收集到猫的一些信息：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：符合什么特征的动物，就是猫。
于是，你就拥有了智慧：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，到智慧。
人类想要机器也拥有智慧，一开始也想让机器走这条路径。
但是发现，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智慧呢？
于是，有人提出了一种算法，叫做深度学习。
我拿0万张猫的照片，让人工智能来看，这是不是猫？
人工智能判断对了，我就告诉它对了。人工智能判断错了，我就告诉它错了。
通过海量的反馈，让人工智能训练出一套有效的模型。
一开始，它随机判断，准确率可能是1%。
慢慢地，训练数据和反馈越来越多，准确率也慢慢提高。
2%，5%，10%……最后准确率提高到95%，甚至98%。接近甚至超过人类的准确率。
这个时候，模型就训练好了。
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。
这就是从数据，直接到智慧。
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。
这就是今天的人工智能。
图灵用图灵测试的方法让我们知道，我们应该怎么去对待数据，怎么去对待信息，怎么去对待知识，怎么去对待智慧。
理解了这些，你才能理解人工智能时代的基本常识。
最后的话
今天的文章，我们给大家介绍了三个人。
首先是香农，他解释了信息传输的规律。
然后是冯·诺依曼，他解释了信息和运算的关系。
最后是图灵，他定义了数据和智能的关系。
理解了他们的理论，你才能了解今天信息时代的基本常识。
而只有了解了这些常识，你才能在未来的工作、创业中，遵循信息时代的基本规律，不至于去追求一些永远不可能达成的目标。
你做事情才能事半功倍。
如果你想要了解更多信息时代的基本常识，推荐你去看吴*老师的新书《信息传》，非常精彩。
最后，再次感谢吴*老师。