🔬

信息論可視化器

探索香農熵、信道容量以及驅動所有數字通信的數學

🔬 立即試用

什麼是信息論?

信息論由克勞德·香農於1948年創立,是關於信息量化、存儲和通信的數學研究。它將熵定義為消息不確定性的度量。香農證明了每個通信信道都有最大容量,且在此限制以下的任何速率都可以通過巧妙編碼實現可靠傳輸。

為什麼這很重要?每條短信、每通電話、每段流媒體視頻和每個Wi-Fi連接都依賴於香農定理。壓縮算法(ZIP、MP3、JPEG)利用熵來縮減數據。糾錯碼添加策略性冗餘以抵抗噪聲。

📖 深入了解

類比 1

想像一下您正在玩 20 個問題。如果有人想到一種動物,你最好的策略是每次提出問題,將可能性分成兩半——「它是哺乳動物嗎?」消除了一半的選項。資訊理論準確衡量您需要多少是/否問題。一次公平的拋硬幣需要 1 個問題(1 位)。擲骰子大約需要 2.6 個問題(2.6 位元)。結果越令人驚訝,它攜帶的訊息就越多。

類比 2

想想一個吵鬧的電話。您在吵鬧的餐廳裡想聽聽您朋友的聲音。香農表明,存在一個數學速度限制——通道容量——限制了你說話的速度並且仍能被理解。低於該限制,巧妙的編碼(例如放慢語速和重複關鍵字)可以讓您的訊息完美傳達。除此之外,無論你做什麼,錯誤都是不可避免的。每個 Wi-Fi 路由器、5G 塔和串流媒體服務都遵守這項法律。

🎯 模擬器提示

初學者

發送一條簡單的訊息,觀察熵如何衡量訊息內容——更多的驚喜意味著更多的位元。

中級

向頻道添加雜訊並觀察糾錯碼如何保持訊息完整性。

專家

將傳輸速率推向香農極限並探索容量與錯誤的權衡。

📚 術語表

Entropy
訊息中不確定性或資訊內容的量測。更高的熵=每個符號更多的資訊。
Bit
二進位數字 — 資訊的基本單位,代表一種二進位選擇(0 或 1)。
Shannon's Channel Capacity
透過吵雜的通訊頻道可靠傳輸訊息的最大速率。
Compression
透過利用冗餘來減少資料大小。無損(ZIP)保留所有資訊;有損 (JPEG) 會丟棄一些。
Redundancy
超出最低需求的額外訊息,可以實現錯誤檢測/糾正,但會降低效率。
Mutual Information
衡量兩個變數之間共享的資訊-一個變數對另一個變數的了解程度。
Kullback-Leibler Divergence
衡量一種機率分佈與參考分佈的差異。機器學習基礎知識。
Error Correction
新增冗餘位元以偵測和修復傳輸錯誤(漢明碼、Reed-Solomon、LDPC)。
Source Coding Theorem
香農定理:資料可以被壓縮到其熵率,但不能低於其熵率,而不會遺失資訊。
Noisy Channel Theorem
香農定理:可靠的通訊在低於通道容量的速率下是可能的。

🏆 關鍵人物

Claude Shannon (1948)

以「通訊數學理論」創立資訊理論,定義熵與通道容量

Richard Hamming (1950)

創建用於錯誤檢測/糾正的漢明碼,這是數位通訊的基礎

Solomon Kullback (1951)

共同開發了 KL 散度,這是機器學習中廣泛使用的基本度量

Abraham Lempel & Jacob Ziv (1977)

發明了 ZIP、GIF、PNG 格式的 LZ 壓縮演算法(LZ77、LZ78)

David Huffman (1952)

作為麻省理工學院的學生發明了最佳無前綴編碼(霍夫曼編碼)

🎓 學習資源

💬 畀學習者嘅話

探索資訊理論視覺化工具的迷人世界。每一個發現都始於好奇心!

開始使用

免費,唔使註冊

開始使用 →