昨天的概率問題，“不著邊際”解釋的很好。這個問題其實很容易繞進去，看上去表麵條件沒變，但實際上，當你選了一扇門以後，把有羊的那扇門打開給你看，這個信息量很大，此時，排除了這扇門後麵沒有美女。開始選時，是三選一。而此時，如果再選，是兩選一。換選的概率是50％。不換選的概率是33.33％。所以選擇A是對的。

當然，有的人就喜歡羊，所以抱了去賣錢，也是好主意。還有就是，概率是大組測試的統計，當莫個人在那一刻到底打開門看見什麽，還是看那次選擇過程的結果。是美女，還是羊，真是運氣了。

其實信息也是很有意思的一件事情。比如，信息裏麵的信息量。

昨天，美女Z小姐組織我們那裏的女生出去吃飯，聲情並茂的寫了小詩歌，大意是春天來了，R要穿的五彩繽紛了，S的有美麗的長腿好多人還不知道，我們應該出去吃飯熱鬧一下了。還製定了Dress Code，要穿藍色的，還放寬了條件，說，帶藍色的就行。擅長講冷笑話的C說，我們工作證上就有藍色。總之，飯還沒吃，已經email來往，熱鬧非凡了。一般這種好玩的事情，她們都肯定覺得我一定參加。可我後來沒去。這個我沒去吃飯的信息量就很大。要是從來不愛湊熱鬧的不去，大家就不問了。所以當天很多人問我，到底怎麽了，為啥不去呢。

同樣道理，昨天Dow指一下跌破500多點，最後回收在400多點，也是很大的信息量。這些情況不是經常都碰見和發生的。演林黛玉的演員，出家了，信息量也很大。如果每天都有演員出家，這個也就不突出了，就像大家不會對冬天天氣冷大驚小怪一樣。所以竇娥說，要六月下雪。這個信息量就大了，冤啊。

我們每天都為大量的信息所環繞。當年鼻祖香農，提出了“信息墒”的概念。“一條信息的信息量大小和它的不確定性有直接的關係。比如說，我們要搞清楚一件非常非常不確定的事，或是我們一無所知的事情，就需要了解大量的信息。相反，如果我們對某件事已經有了較多的了解，我們不需要太多的信息就能把它搞清楚。所以，從這個角度，我們可以認為，信息量的度量就等於不確定性的多少。”

信息墒香農用bit來表示，同樣有公式來計算。變量的不確定性越大，最後信息墒的值就越大。信息學三定律。第一定律說，信息不守恒；第二定律說，信息能與時俱增；第三定律說，信息增長沒有上限。

在進入信息社會以後，有越來越多的人傾向於“世界統一於信息。”比如：美國著名物理學家，黑洞概念的提出者J.A. Wheeler提出“it from bit”，即“Everything is information”，主張萬物來自“比特”。 霍金修改他堅持了30年的理論，認為黑洞不會吞沒信息。J. Whitescarter 在網上發布一套用Powerpoint 做的幻燈片，題為《信息的本質和自然界的信息》（The Nature of Information and the Information of Nature），呼籲我們接受Wheeler的挑戰，努力揭示世界的本源在於“比特”（bit）。

目前，我並沒有被這樣信息高於一切的觀點所說服。不過，我們每天大量的處理各種各樣的信息，是肯定的。而信息論的很多數學模型，最大墒值模型，信息的相關性，信息的冗餘度等等，都得到廣泛的應用。我們每天離不開的google，一直以 “整合全球信息，讓人人能獲取，使人人能受益” 為使命，google的搜索技術，page ranking，相關性的研究，都和信息密不可分。

其他，信息在大家生活中的應用，看看這個我讀到的。我沒有最後證實，是不是真的。

“當年最早改進最大熵模型算法的達拉皮垂兄弟在金融界大顯身手。他們兩人和很多 IBM 語音識別的同事一同到了一家當時還不大，但現在是世界上最成功對衝基金(hedge fund)公司----文藝複興技術公司 (Renaissance Technologies)。我們知道，決定股票漲落的因素可能有幾十甚至上百種，而最大熵方法恰恰能找到一個同時滿足成千上萬種不同條件的模型。達拉皮垂兄弟等科學家在那裏，用於最大熵模型和其他一些先進的數學工具對股票預測，獲得了巨大的成功。從該基金 1988 年創立至今，它的淨回報率高達平均每年 34%。也就是說，如果 1988 年你在該基金投入一塊錢，今天你能得到 200 塊錢。這個業績，遠遠超過股神巴菲特的旗艦公司伯克夏哈撒韋（Berkshire Hathaway)。同期，伯克夏哈撒韋的總回報是 16 倍。”

我就等著有一天，我也可以把這個股市最大墒的模型建起來，預測未來。而所以這些科學公式，不知道哪一種是可以統一和解釋愛情，這個最最不確定也似乎最沒有解的不知道是物理，還是化學，還是生物學或是社會學的，又複雜又單純的現象。如果大家已經研究出來了，也寫寫論文，我也好好學習一下。

愛科學活動周先告一段落。以後，我看到好玩的在介紹了。