导读：我们把关于信息处置的理论称为信息论，它是20世纪40年月从通讯理论中成长并总结出来的一门学科，专门研讨有关信息处置和牢靠传输的一般纪律。这一理论对计较机技术的成长具有重要意义。为了更好地论述这一理论，让我们先来会商几个大师耳熟能详的词：数据、信息、常识。

作者：徐晟

来历：华章科技

01 数据是一组成心义的标记

数据无处不在，只是它们没有实体。

曩昔，人们习惯把数字的组合称为数据。但在明天，这样的了解明显不够周全。那末能否可以把数字、字符、字母的调集称为数据？也不正确。

在明天“大数据”的语境中，数据是可以被记录和识此外一组成心义的标记，一般可经过原始的观察或怀抱获得。数据是对客观事物的逻辑归纳，可以用来暗示一个究竟、一种状态、一个实体的特征，或一个观察的成果，有些是用于描写某个工具的究竟性数据，有些则是经过观察、分析、归纳获得的总结性数据。

数据可所以持续的，比如无线电通讯时在空气中传输的电磁波，它们是模拟数据；数据也可以是离散的，比如在计较机中存储的文档和照片，它们是数字数据。

承载数据的形式有很多，不但包括笔墨、数字、标记、图像、语音、视频，也可以是对某个事物的属性、数目、位置、关系的笼统暗示。大气的温湿度、汽车的行驶线路、门生的档案记录、商务的条约，这些都是数据。

我们平常用电子装备看消息、摄影片、买工具、打游戏，本质上都是在和数据打交道。在计较机中，它们是连续串包括有0和1的二进制数的组合。

02 信息是用来消除不肯定性的

现在我们来明白一下什么是数据，什么是信息。当人们在研讨甲骨文时，上面记录的标记仅仅是一些数据。要读懂这些数据，就必须领会数据背后要表达的寄义。一旦对数据做出诠释，我们就能获得甲骨文上的信息。

数据与信息既有联系，又有区分。数据是信息的载体，信息则需要依托数据来表达。它们是形与质的关系，两者密不成份。

信息由数据加工得来，它可以由数字和笔墨表达，也可以表示为其他具成心义的标记，其承载形式不重要，重要的是信息能让我们领会一些工作、辨别一些真伪、佐证一些概念。也就是说，虽然数据存在的形式多种多样，但我们真正想要获得的是信息。

“信息”作为科学术语最早出现在哈特莱1928年撰写的论文《信息传输》中，在该论文中他初次提出了将信息定量化处置的设想。1948年，信息论开创人、美国数学家香农颁发了一篇有着深远影响的论文—《关于通讯的数学道理》，他明白指出了“信息是用来消除随机不肯定性的工具”。

在香农看来，一旦我们想要对信息停止量化和比力，我们就不要去关注这些信息到底承载了什么内容，而是要看这条信息出现后，能否改变了某些不肯定性事务的几率。明天这一界说已经被看做是对“信息”的典范界说，在各类场所不竭被人援用。

不管是数字、字符或它们的组合，假如我们没法解读，就不能称其为信息。有一个重要的判定标准是，看它能否承载了有用的内容。不管是石头上刻的画、纸上写的字、墙上的涂鸦还是电脑中的文件，只要它们能表达确切的寄义，就能以为是信息。

一串11位数字的号码，假如它是随机数字，则谈不上是信息。假如我告诉你，这串数字是我的手机号，它就消除了不肯定性，它即是一种信息。信息是把人们不清楚的给说清楚的那些内容，假如已经晓得了，就不能算作新的信息。

举例来说，明天任何一个小门生都晓得地球是圆的，地球自转发生了白天和黑夜。这在明天看来是一个根基常识，但我们的祖先并不晓得。假如我们把发现笔墨作为人类文化的起点，那末大约经过5000多年，也就是直到15世纪，人们才起头接管地球是一个大圆球的概念。

虽然“地球”对于明天的小门生来说不算是新的信息，可是对于前人来说，它不可是信息，而且信息量庞大。

你也许已经发现了，信息会因场景而定，因每小我的主观熟悉而定。同一条信息，对一些人是有用的，对另一些人也许就没用了。

03 常识是对信息的总结和提炼

随意给出3个数字：68、21、192。这3个数字仅仅是数据。现在给它们加上一些说明，比如：衣服的价格是68元，明天的气温是21摄氏度，小明爸爸的体重是192斤。这些数占有了明白表达的寄义，它们就是信息。

不但如此，我们还能基于这些信息给出一些判定：衣服不是很贵，天气有点风凉，汉子该去减肥了。做出这些判定，需要依靠我们平常生活中堆集的经历和常识，即常识。

常识是对信息的提炼和概括，它是高度概括的信息。假如说信息可以解答一些简单的题目，比如“谁”“在那里”“做什么”，那末常识可以回答一些更具深入认知的题目，比如“怎样”“为何”。

平常生活中最根基的常识是常识。比如明火不能碰、热油不能遇水、人有生老病死、月有阴晴圆缺，它们大部分来自生活，是大师以为都该晓得、不言自明的常识。明天很多约定俗成的常识，是由我们的祖辈口口相传、代代相承而来。人并不是天生就有常识，晓得火为何物、火可伤人、火可熟食。很多事理都是从生活理论中总结而来的。

现现在，对于野生智能来说，要处理的焦点题目是让计较机具有常识。很多常识背后有着复杂的常识系统，机械必须真正“了解”常识，而不是“记忆”它们。

举例来说，计较机也许能经过数据样本进修，晓得人类有头、手、脚等身材部位，但它很难了解既然这些部位都长在人体上，为何只要头上有眼睛，手和脚上却没有？又比如，计较机学会并晓得了“人有2只眼睛”，但它没法判定这个天下上能否存在“有1只眼睛的人”和“有3只眼睛的人”。

现在的野生智能只能从数据中进修到数据之间的联系，它还不能很好地处置有关常识的题目，这方面人们还有很长的研讨之路要走。

以上会商的“常识”，指的都是人脑中的常识。它和计较秘密处置的“常识”是分歧的。从本质上讲，计较机只是模仿人类的常识，它们并没有真正把握这些“常识”。计较机只是经过一些特定方式把人类常识表达出来。而这个特定方式是基于图技术。

图是一种暗见常识的工具，是描写常识的状态、关系、途径间隔等相关要素的最自然的数学表达。它擅长存储和处置复杂的网状关系，所以在常识图谱、交际收集、用户关系分析等范畴有着普遍的利用。

近年来，基于图技术的常识图谱是非常热门的研讨范畴。比如公共熟知的维基百科就是一个常识图谱利用。常识图谱可以用来描写各类实体以及它们之间的关系。它是一个庞大的图形收集常识库。在这个收集合，每个节点是一个实体，比如人名、地名、事务、活动，肆意两个节点之间的边暗示它们之间存在关系，如图3-1所示。

▲图3-1 基于图形结构的常识图谱表示图

常识图谱的根基组成是“实体–关系–实体”的三元组，它不但能把与关键词有关的常识系统化地展现给用户，也可以基于常识停止推演。例如说，从〈东方明珠，座落在，浦东〉和〈浦东，属于，上海〉这两个组合，就能猜测获得〈东方明珠，位于，上海〉。

常识图谱还会不竭更新迭代，用户搜索的次数越多，范围越广，这个常识库就能获得越多的信息和内容。

常识并不是与生俱来的，获得常识凡是有两种路子。

路子一是亲身材验。比如，刚诞生的婴儿什么都不懂，将一杯热水放到他眼前，他会想要去拿杯子，成果喝水被烫到了。第二次他再看到杯子，有了上次被烫的经历，他会观察杯口能否冒烟，摸摸杯子的温度，再决议能否拿杯子喝水。在这个进程中，婴儿经过自己的亲身材验，逐步把握了有关“热水”的常识。

南宋理学家、思惟家朱熹曾说：“所谓致知在格物者，言欲致吾之知，在即物而穷其理也。”他要表达的意义是，获得常识的路子在于熟悉人间万物，并完全研讨它们的道理。就是说，要亲身材验这个天下来获得贵重的常识。每小我有分歧的人生和履历，这些会成为我们独占的常识。

亲身材验得来的常识是最实在的，所以它凡是比力正确。不外，这样获得常识的时候周期长，效力也比力低。

路子二是经过他人教授。比如经过怙恃、教员、书籍、收集进修得来，但教员教的、书上印的能够出错，这样得来的常识一定正确。不外，它照旧是获得常识最首要的形式，究竟我们没有那末多时候和精神，凡事都亲身履历一遍。站在前人和伟人的肩膀上，不竭进修新的常识，是人类科技进步的底子缘由。

风趣的是，在互联网时代，任何人都能随时随地找到自己想要的信息，但我们的常识总量并不会立即增加。进修是一种进程，需要时候堆集，欲速则不达。

比如很多人都听过“区块链”，但大部分人并不清楚它是什么。有人以为它是钱，也有人以为它是一种身份认证技术。但这些了解都不正确。很多人只是从网上找到了关于区块链的信息，并没有真正获得关于它的常识。从某种意义上讲，互联网虽然进步了人们找到碎片信息的效力，但下降了人们把握完整常识的才能。

固然，互联网对全部社会来说照旧利大于弊，它让全天下的常识可以快速传递和同享。每小我都可以在收集上自在地颁发概念，这些内容也被其他人搜索、阅读、会商。一个小门生能从互联网上学到常识，并在课堂上指出教员的毛病，在家里改正怙恃的看法。这让曩昔作为威望的教员和怙恃遭到了应战，这在之前是不成设想的。

最初，让我们做个简答的总结——数据、信息、常识三者密不成份。

• 数据是一组成心义的标记，它是信息的载体，是常识的来历；
• 信息赋予了数据寄义，信息消除了不肯定性；
• 常识从理论、经历中获得，它由数据记录，从信息中提炼。

关于作者：徐晟，某贸易银行IT技术主管，结业于上海交通大学，处置IT技术范畴工作十余年，对科技成长、野生智能有自己独到的看法，专注于智能运维（AIOps）、数据可视化、容量治理等方面工作。

本文摘编自《鬼话机械智能：一书看破AI的底层运转逻辑》，经出书方授权公布。（ISBN：9787111696193）

《鬼话机械智能：一书看破AI的底层运转逻辑》

保举语：AI是什么？机械若何具有“智能”？“智能”若何起感化？本书以浅显易懂的方式，勾画野生智能的全貌，展现AI的底层运转逻辑，即AI是若何工作的。