知道太多了居然要付出代价？物理学家：是的，而且这很公平

你有没有想过一个问题：为什么天气预报永远不可能100%准确？为什么你再怎么努力，房间也会自动变乱？为什么你永远找不到那只配套的袜子？

这些问题背后，都藏着一个让物理学家头疼了一百多年的幽灵——熵。

昨天我们聊了麦克斯韦妖这个思想实验，讲到它是如何让物理学家们抓狂了半个多世纪。今天咱们接着聊，聊一个更颠覆认知的事实：知道某些信息，居然需要付出真实的代价。

不是心理代价，是物理意义上的、能量层面的、实实在在的代价。

一个让热力学第二定律差点崩溃的思想实验

先简单回顾一下。1871年，麦克斯韦提出了一个让所有物理学家都坐不住的想法：

假设有一个密封的容器，里面装满了气体分子。容器中间有一道门，一个小妖怪负责把守。它只做一件事：看到速度快的分子就把它挡在一边让过去，看到速度慢的分子也挡在一边让过去。结果呢？ 一边气体的平均速度越来越快（变热），另一边越来越慢（变冷）。这么一来，本来均匀的温度分布，被这个小妖怪硬生生拉开了差距。

问题来了：热力学第二定律说，热量会自发从高温流向低温，温度差会越来越小。但这个小妖怪似乎能让这个过程逆转，让系统变得更加有序。

这不是在打热力学第二定律的脸吗？

当时很多物理学家觉得这是胡扯，但又说不出哪里不对。毕竟这个小妖怪的行为看起来确实没什么毛病——它只是"看了看"分子的速度，然后做了个判断而已。

这个漏洞，一留就是六十多年。

西拉德出手了：这个妖不简单

1929年，一个叫利奥·西拉德的匈牙利物理学家站了出来。他写了一篇论文，标题叫《论由智能生物引发的热力学系统的降低熵操作》，名字很长，但核心观点就一个：麦克斯韦妖不是免费的，它干活需要信息，而信息是有成本的。

西拉德认为，这个小妖怪不是凭空存在的。它要工作，就必须先"知道"分子的速度。要做到这一点，它必须跟分子发生某种相互作用——不管是光学手段、热力学手段，还是别的什么。

而任何获取信息的过程，都必然伴随着能量的消耗或熵的产生。

这个想法在当时石破天惊。在西拉德之前，大家都觉得信息就是信息，是一种抽象的、跟物理世界没什么关系的东西。但西拉德说：不对，信息是物理的。你要获取信息，就得付出代价。

他甚至还给出了一个具体的思想实验：利用一个假想的单分子热机来论证，如果小妖怪能够无代价地获取信息，那么第二类永动机就是可能的。

物理学不允许这种事存在，所以小妖怪必须付出代价。

布里丰补了一刀：观测就要耗能

西拉德的论证很精彩，但还不够具体。1956年，法国物理学家列昂·布里渊进一步完善了这个理论。

布里丰的具体论证是这样的：

小妖怪要"看到"分子，首先得有光（或者别的什么信号）照在分子上，然后反射回来被它接收。但问题是，光本身就是一种能量。 当光子和分子相互作用的时候，它不可避免地会给分子一个冲量，改变分子的运动状态。

换句话说，小妖怪每"看"一次分子，就相当于在分子身上"戳"了一下。这个"戳"的动作会把能量传递给分子，改变系统的状态。

布里丰还算了一笔账：为了获取一个分子的位置和速度信息所付出的能量，刚好等于小妖怪"节省"下来的那部分熵。 一进一出，熵不减反增，热力学第二定律稳如老狗。

当然，后来的研究指出布里丰的论证在某些细节上并不完全准确（比如他假设观测需要光子照明，但理论上可以有被动观测的方式）。但他的核心结论是对的：信息获取不是免费的午餐。

本内特的终极解答：记忆才是最费钱的

到了1982年，IBM的物理学家查尔斯·本内特给出了一个更完整的解答。他的论证直指问题的核心：

你们都在讨论"观测"要花多少能量，但其实你们忽略了最重要的一步——记忆。

就算小妖怪成功地把分子的速度信息记录下来了，它也不可能无限期地保留这些信息。任何一个物理系统，存储容量都是有限的。当它记录了新的信息，旧的信息就必须被擦除。

而问题来了：擦除信息，同样需要消耗能量。

这就是后来被称为兰道尔原理的核心内容。1961年，IBM的另一位物理学家罗尔夫·兰道尔证明：在经典计算机中，擦除一个比特的信息，理论上至少会产生k·ln2的热量（k是玻尔兹曼常数）。

这个数字很小，大概是10的-21次方焦耳级别。但原理是颠覆性的：记忆不是免费的，忘记同样需要代价。

本内特把这个洞见用在了麦克斯韦妖上：你以为小妖怪只是在"观测"和"判断"吗？它还得把每次观测的结果存储起来，不然它怎么知道之前哪些分子通过了、哪些没有？等它存储空间满了，它必须擦除旧数据，才能继续工作。而这个擦除过程产生的热量，刚好抵消了它之前"节省"下来的熵。

小妖怪勤勤恳恳干了一辈子，最后发现自己白干了。

熵增定律再次安然无恙。

信息熵：这个熵不太一样

说到这儿，可能有同学要问了：你说的这个"信息"，跟香农的信息熵是一回事吗？

好问题。

不完全是。 这里我们需要做一个重要的区分。

我们之前讨论的"信息"，更准确的叫法是"物理信息"——它是跟具体物理状态相关的信息，比如"这个分子的速度是500米/秒"。这种信息是真实的、具体的，跟物理世界绑定在一起。

而香农提出的"信息熵"，则是一个更加抽象的概念。它衡量的是一条消息携带的信息量的多少——或者说，你收到这条消息之后，不确定性的减少程度。

举个例子。你收到一条天气预报说"明天晴"，这条消息的信息量其实很低，因为"晴天"本来就是一个大概率事件，你本来也不太意外。但如果预报说"明天有史无前例的暴雪"，那这条消息的信息量就爆炸了，因为它太出乎意料了。

信息熵高的消息，往往意味着小概率事件发生了。

这个概念跟热力学熵有某种形式上的相似性（所以香农才用了"熵"这个字），但它们的本质并不完全相同。热力学熵描述的是系统的混乱程度，而信息熵描述的是你"有多惊讶"。

当然，这两者之间的联系并没有完全切断。后来的研究表明，在某些条件下，它们确实可以建立起定量联系。这也是为什么我们经常能看到"信息就是负熵"这样的说法——虽然这种说法需要一些限定条件。

为什么这件事值得你花三分钟了解

可能有人觉得，这是物理学家在象牙塔里玩的思想游戏，跟我的生活有什么关系？

关系大了去了。

第一，理解信息的代价，是理解一切数字化技术的基础。

你手机里的芯片每秒钟运算那么多次，每一次运算都在擦除和写入信息，每一次都产生热量。这就是为什么你的手机会发热，为什么芯片的能耗问题是如此重要。兰道尔原理告诉我们，能耗的下限跟信息处理量成正比——你处理的信息越多，消耗的能量就越多。

第二，它重塑了我们对"知道"这件事的理解。

以前我们觉得，知道某件事是纯粹的收益。你可以提前知道明天的天气，可以提前知道股票涨跌，可以提前知道对手的策略。但现在我们知道了：知道也是需要付出代价的。 天气预报不可能100%准确，因为你要精确预测明天的天气，需要采集和处理的信息量是天文数字，代价太高。

第三，它打通了物理学和信息论之间的壁垒。

这是最神奇的部分。你以为物理学和信息学是两码事？错了。信息是有物理实体的，是跟能量和熵纠缠在一起的。在某种程度上，宇宙的历史可以理解为一个不断产生熵、不断创造信息的历史。

从一个奇点开始，宇宙膨胀、基本粒子形成、恒星诞生、行星凝聚、生命出现……每一步都伴随着熵增和信息量的增加。你读这篇文章的时候，你的大脑正在处理文字信息，而处理这些信息的过程中，你的身体也在消耗能量、产生热量。

一切都有关联。一切都遵守着某些深层的、对称的、优美的定律。

麦克斯韦妖让我们明白了，我们不可能不劳而获地"知道"什么。要让世界的无序程度降低，就必须有别的什么地方无序程度增加。这个交换是公平的，物理学从不欺骗任何人。

所以下次当你找不到那只配套的袜子的时候，别太自责。也许它只是遵循了熵增定律，而你只是还没有找到足够的信息来定位它。

或者，你可以选择买一打袜子。这样，就算信息不足，你也不至于光脚出门。