MiniMax 定理：压缩即智能

ESSAY

我们在很多地方都看到了一个词，叫「压缩即智能」

第一次碰到这个词的时候，很多人会愣一下。压缩？压缩怎么就智能了？zip 文件很智能吗？后来读到刘慈欣的《诗云》，突然就通了

故事的背景是，一个技术远超人类的外星神级文明来到地球。人类在它面前毫无还手之力，科技、军事、能源，全面碾压

但有一个人类诗人对它说：你写不出超越李白的诗

这个文明不服。它决定用自己的方式解决这个问题：穷举。把所有汉字的所有可能排列组合，全部生成出来，存进一团围绕恒星运行的巨大存储结构里。刘慈欣管它叫「诗云」

雕 床 栏 头 春 故 少 光 里 更 层 朱 似 国 夜 国 乡 栏 事 中 风 楼 雕 昨 前 千 乡 举 山 流 霜 国 前 改 多 又 千 改 穷 有 春 事 只 砌 小 了 楼 东 知 了 玉 水 犹 故 楼 了 往 前 夜 东 月 低 花 知 几 国 疑 望 昨 是 流 少 能 日 昨 目 白 多 多 玉 向 向 似 山 雕 只 举 月 楼 几 春 花 秋 月 何 时 了 ? 5000²⁸ 种排列 · 好诗在哪里？

从数学的角度，这朵云里一定包含了超越李白的作品。所有可能的汉字排列都在里面，当然也包括最好的那几首

但这个文明做完之后，沉默了。因为它找不到那些诗。拥有一切可能的诗句，却没有办法判断哪些是好的

一个图书馆把世界上所有的书都收齐了。这不叫智能。一个人读完之后，用三页纸写清楚这些书的共同规律。这叫智能，区别在于：丢掉了什么

穷举不产生智能。压缩才产生智能

从 Shannon 开始

那压缩和智能之间的关系，到底是文学直觉，还是有数学支撑？

有。而且这条线索比大多数人想象的要长

1948 年，Claude Shannon 发表「A Mathematical Theory of Communication」，定义了信息熵：一条消息的信息量，等于编码它所需的最小比特数

最小。这两个字是整个信息论的地基

你能用 10 个 bit 无损表达原本需要 100 个 bit 的信息，说明你找到了 90% 的冗余结构。你理解了它

1960 年代，Solomonoff、Kolmogorov 和 Chaitin 从三个不同国家独立提出了算法信息论。Kolmogorov 复杂度：一个对象的复杂度 = 生成它的最短程序长度

最短的程序，能还原全部的信息

100 bits 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 compress 10 bits 1 0 1 0 1 90% 冗余被消除 H(X) = −Σ p(x) log p(x) 找到冗余结构 = 理解它

100 bits → 10 bits：找到冗余，就是理解

2006 年，Marcus Hutter 发起了一个 50 万欧元的竞赛：谁能更好地压缩维基百科的前 1GB，谁就更智能。他说，智能是一个模糊的概念，但文件大小是硬数字

Ilya Sutskever 说过，通过压缩实现无监督学习，是创立 OpenAI 的两个 founding ideas 之一

DeepMind 的论文「Language Modeling Is Compression」证明了语言建模和数据压缩在数学上等价。训练一个语言模型，就是在训练一个压缩器

从 Shannon 到 Kolmogorov 到 Hutter 到 Ilya，几十年，所有人到了同一个地方：

最小化描述长度，最大化预测能力

这就是「压缩即智能」的数学含义

F = ma

不止数学。回头看整个科学史，「压缩即智能」一直在场

第谷花了二十多年记录天文观测数据，手稿好几米高。开普勒压缩成了三条定律

然后牛顿来了。F = ma 加上万有引力公式，两行字，把前面所有东西全部装进去了

麦克斯韦用四个方程压缩了整个电磁学。爱因斯坦用五个符号 E=mc² 压缩了质量和能量的关系

科学的进步史，就是压缩率的提升史

第谷 20 年观测 开普勒 3 条定律 牛顿 F = ma 2 行字 数据 → 定律 → 公式：压缩率越来越高

20 年观测 → 3 条定律 → 2 行字

每一次重大突破，都是用更少的符号解释更多的现象

物理学最底层的原理叫最小作用量原理。光走最短路径。物体沿作用量最小的轨迹运动。宇宙在每一个尺度上都偏好最经济的方案

压缩，即智能

冯·诺依曼

说到数学结构，这里有一段有意思的历史

1928 年，冯·诺依曼证明了博弈论的基石定理：在零和博弈中，存在一个最优策略，使得最大可能损失被最小化

这个定理叫Minimax 定理

找到所有最坏情况（max loss），然后在里面选最好的（min）。反过来也成立，在所有保守策略中找收益最高的（max min）

后来这个框架到处都是。Nash 均衡、Alpha-Beta 剪枝、对抗训练，都建立在它上面

max min loss gain min(max loss) = max(min gain) Minimax 定理：两条线终将收敛

两条线终将收敛：这就是 Minimax

还有一件事比较有意思，可以把前面说的「压缩即智能」放进数学框架里看

Kolmogorov 复杂度：最短的程序，还原全部信息

min 描述长度，max 保真度

Shannon 最优编码：最少的比特数，无损传输全部信息

min 码长，max 保真

训练语言模型：找一组参数，使得在任何未知数据上的预测误差尽可能小

min loss，max generalization

这三个问题的数学结构是一样的。都是 Minimax

冯·诺依曼在 1928 年就把这个结构命名好了。只是当时没人在讨论 AI

大脑

「压缩即智能」在生物学里也有对应

人类婴儿出生时，大脑有大约100 万亿个突触连接。到成年，减少到 50 万亿

少了一半。这个过程叫突触修剪。大脑主动丢弃低效连接，保留最有用的路径。大脑在对自己做压缩

自闭症谱系的一种理论认为，部分患者的突触修剪不够充分。连接太多，信号互相干扰，无法提取清晰的模式

连接太多和信息太多，是同一类问题。诗云的困境，在生物学里也存在

人脑每秒接收大约 1100 万 bits 的感官信息，意识只能处理大约 50 bits。99.9995%被丢弃了

意识，大概就是一个极其挑剔的压缩器

它的工作就是决定丢掉哪些信息

10 的 103 次方

最后回到诗云，算一笔账

假设汉字 5000 个，一首七言绝句 28 个字。所有可能的排列组合是 5000²⁸，大约10¹⁰³

可观测宇宙中的原子总数大约 10⁸⁰。诗云里的「诗」比宇宙里的原子还多

好诗大概率不超过几百万首。占比 10⁶ / 10¹⁰³ =10⁻⁹⁷

随机抽样找好诗，在宇宙的整个生命周期里，一首都找不到

穷举的失败在于搜索空间太大。什么都不压缩，好的东西就被淹没了

而李白不在 10¹⁰³ 的空间里搜索。他对语言、情感、韵律、意象有一套高度压缩的理解，可以直接跳到好诗的邻域

他的脑子里装的是一个压缩过的生成模型

10⁶ 首好诗 10¹⁰³ 李白 压缩 = 知道往哪里跳

李白不穷举。他知道往哪里跳

大语言模型也是一回事。GPT 的参数量远小于训练数据量，但它能生成从没见过的合理文本。因为它压缩了数据背后的结构

外星文明输给了李白。它的算力够了。它不会压缩

「压缩即智能」这个词表达得不好。两个抽象概念中间一个「即」字，没有信息论背景的人很难直觉理解

但它说的事情很简单。用最少的符号解释最多的现象，用最短的程序还原全部信息，用最少的参数做最好的预测。换句话说：Mini 这个 Max

我建议以后别说「压缩即智能」了，说：MiniMax

以上内容，是认真的