《数学之美》读后感
本周读吴军博士的《数学之美》有感，本身定位就是科普读物，是体会和学习作者的深入浅出的叙事方式，而不是去纠结要把每一页都读完每一个字，都要弄懂每一部分的内容是什么。那么，就必须有所取舍，第一步就是放弃前面提到的读完每一个字、弄懂每一个字的执念，然后根据自己的目的去挑选适合的内容，这可以节省自己的精力时间，并尽量效果最大化，时间的投入产出比也足够高。
同时也学到了一个信息传递模型，很有启发，有助于理解一些互联网的东西，同时也启发了自己将这个模型用到生活中去。
通信就是信息传递的过程（而非信息传播，人文学科的传播学原理和理工科的通信原理是有很多不一样之处的）。
可以概括为一个信息传递模型（即通信原理），它包含六要素：信息源，信道，接收者，信息，上下文，编码（和解码）。 每一部分各自包含了一些内容：
1、编码和解码
大多数常用字的笔画/字母少，而生僻字常常笔画/字母多。那么就可以根据这个不同使用频率的字的概率分布不同的现象，对常用字赋予更短的编码，从而加快通信过程/信息传递的过程，即最短编码原理。
而解码规则其实可以看成是语法规则，但需要注意语法是在多人使用之后，根据实际语料而后天总结出来的，因此常常有例外情况。
现代物理证明了一点，世界是量子化的而非连续的。那么在进行搜索时用到的搜索技巧“布尔运算=逻辑运算，借助 AND、OR、NOT（∩、∪、非集）来判断真、假（TRUE、FALSE)”这一点理论，就是可以用来思考生活里面的事情的。
2、信息
一段话所包含的信息量多少（信息熵）与其不确定性是直接相关的。信息越多，越需要花费更多时间精力和努力来解读，其背后蕴含的背景知识（暗知识）也就更多。
既然常用字在我们使用中所占用频率越高，那么就必然常用字的重复度越高。在这种情况下，同一句话所包含的信息量越小，其冗余度越高。 由此，可以发现一般情况下，同一句话的信息熵（信息量的多少）与冗余度（信息重复程度）的变化是反方向的。
第三，信息是消除系统不确定性的唯一办法。在没有获得任何信息前，一个系统就像一个黑盒子，引入信息就可以了解黑盒子系统的内部结构。
第四，信息是随机分布的，为了预测未来/推测可能性，会用到两个概念：
1)贝叶斯概率，即先验概率。这常常是反直觉的，但同时也是符合理性思考的。因为暗知识/背景知识存在。
2）马尔可夫链：随机过程中各个状态的概率分布，只与它的前一个状态有关。在实际的随机过程中，每一个状态的分布，都与周围的相邻因素的变动有关，即周围任何一个相邻因素的变化都可能引起在这个时间下系统状态的的对应变化，那就完全陷入混沌的状态了。为了能实际使用，才有了简化，生成马尔可夫链这个概念。
如果想到“信息=不确定性=随机事件”，那么就可以用到概率统计分布的数学理论了。
存在一个问题：信息和知识的联系和区别？
3、上下文
从语义角度来说，因为一词多义、断句不同意思也会变化、代词/限定词、言外之意这些情况的存在，很多时候是没法让一个词语、乃至一句话孤零零地存在的，是需要结合上下文进行推测和理解的。
为了正确理解语义，科学家想到了多种办法：如构建足够多的语料库去查询、断句去查字典来推测不同断句组合是否能说得通的概率、构建语法规则形成代码等办法。
4、信道
就是信息传递的通道，它有一个指标可以用来预测，即带宽。
信道，从传输来看，过滤掉噪音，还原信息。而增加噪音，也可以隐没真实的信息，就如同传播学原理中的一个办法，假话说多说久了，就会替代掉真实，而假话就变成了“真实”了。
完全随机不相关的高斯白噪音很难消除，而白噪音可以用来打破大脑的DMN模式，解除空转和内耗，从而恢复平静。