蛮缠滥打将淹没真正有用的食品安全信息 辉格 2011年8月10日 食品安全话题又起波澜，最近，几家媒体相继“揭露”了知名餐饮企业的“丑闻”，永和豆浆和肯德基的豆浆被“发现”是豆浆粉冲泡而不是现磨的，随后肯德基的炸薯条用油也被“发现”不是每天更换，接着，矛头又转向山西陈醋，许多品牌被“发现”并非100%酿造，而是兑入了醋酸，许多还添加了防腐剂苯甲酸钠。 由于这些报道是以“惊天发现”的口吻叙述的，似乎揭开了一道长期被掩盖的黑幕，于是不明就里的读者们就跟着大惊失色了；其实，这些算不上什么发现，只是揭露者将自己一厢情愿臆测的标准强加于商家，进而将不符合该臆测标准的事实认定为黑幕和丑闻而已，而实际上，永和并未曾宣称他们的豆浆都是现磨的，肯德基也没宣称过他们的油是每日更换的，相关法律和行业标准也没有这么要求。 甚至，从常识出发，也得不出这样的推断；有人凭经验宣称6度以上的陈醋无需防腐剂即可无限期保质，即便这一缺乏研究和统计支持的说法果真成立，也不能因此认定添加防腐剂是非酿造醋的证据，甚而是无良行为，选择添加的厂商或许是出于审慎考虑，或许是因为食醋未达到6度，毕竟，山西陈醋的行业标准是4.5-6度，而迄今被披露的添加者，都作出了明确标注。 对豆浆粉的指责更是欲加之罪何患无辞，甚至翻出了基于材料成本计算“暴利”的陈词滥调，照这么算餐饮服务业遍地是暴利，30多块一杯的咖啡材料成本也不过两三包豆浆粉，更有趣的是，假如材料成本低是一件值得大惊失色而产生被欺骗感的事情，那么指责者们所钟爱的“现磨”才更离谱，它的材料成本更低。 从这一片蛮缠滥打的恬噪之中，有一种人会得到好处，就是那些在食品安全上劣迹斑斑并曾被揭露的厂商，他们或许正在暗处窃笑；这些在产品质量和安全控制上缺乏优势，也不愿在信誉和品牌上做长期投入的商家，最希望看到的局面就是，市场的食品安全信息一片混沌，消费者缺乏可据以判断的有效信息，这样，他们与那些在质量和安全上表现优秀的企业便处于同等竞争地位了，甚而他们在安全上的低投入还会带来成本优势。 创造如此混沌状态的一个办法，就是制造大量不能反映真实安全信息的噪音，来淹没那些有效信息，从而在消费者眼里造成天下乌鸦一般黑的印象；对于消费决策来说，天下乌鸦一般黑和一般白是完全等价的，即：颜色将不再是影响选择的因素；这种把水搅浑的手法人们大概不会陌生，某些组织在无法维持自身的高大清白形象时，便会转而一个个抹黑周围的其他人，好让大家相信自己并不比别人更黑，所以你们也就别再挑三拣四了。 当然，这不是说报道上述事件的媒体都是在替黑商家干活，或许他们只是无法区分真正重要的安全信息，这样的话，他们该给自己强化一下自己的辨别力和审慎习惯了，或者他们只是为了博得一点眼球和喝彩，毕竟这是媒体的主要激励来源，但假如明知这么做会恶化社会的食品安全信息环境，却仍不惜以此博眼球，那就很不道德了，至少不能再以“社会良心”自居了，假如他们果真拿了欲搅混水者的好处，那就比乌鸦还黑了。

科学的信息学阐释（一）
辉格
2008年12月27日

对于“什么是科学？”这个问题，在我刚接触科学哲学的时候，我的想法比较朴素：科学是用来解释事实的。那什么叫解释呢？我说：解释就是降低听众对某些事件的惊讶程度，即，解释者所面对的那些听众，在听过他的解释之后，对原本让他们较为惊讶的事件感觉不再那么惊讶了，这种差异越强烈，我们就说：解释者所持理论的解释力越强。（当然，前提是他的理论是逻辑自洽的，这一点先不讨论）

有一段时间，我对自己的这一表述比较满意，但总是觉得它不够形式化，如果解释者面对的不是人而是机器，这一区别方法还能有效吗？于是我想，如果要让一台机器对不同的事件表现出惊讶或者泰然，我会如何着手？

假如你掷4个一组的骰子，A)掷出4个6会让你很惊讶，B)掷出3个6、1个2个则略感惊讶，C)掷出2、3、5、6各1个则丝毫不惊讶，差别在哪里？我是这样想的：人对之惊讶的东西，不是事件，而是现象，上面三次掷骰子，就事件本身而言，其在整个事件空间中所占据的位置，是同等的，但它们所表现出的现象——或者说当我们用某种语言把它们表述出来时，则十分不同：这三个现象所覆盖的事件，所占据事件空间的比例分别是：A=1/1296，B=4/1296，C=12/1296。

一个现象所占据的事件空间的比例大小，对应着观察者从该现象中所获得的信息量的大小，比例越大，信息量越小。可以这样理解：有人问你住在哪里，你回答1)广东2)广州3)海珠区，这些答案占据事件空间的比例一个比一个小，所含信息量一个比一个大。反过来，事件空间的缩小，也会降低该空间中事件的信息量。比如，在一个9x9棋盘上的一颗落子，比在19x19的棋盘上，信息量小很多。

所以，区分惊讶与否的关键是信息量。于是，我把“解释”一词的含义形式化为：所谓解释，就是对原有的事件空间（S）追加约束（R），使得被解释现象（P）的信息量从原有的I0减少为I1，且约束本身的信息量Ir小于I0-I1。科学，通过引入一组自然律，约束了事件空间，因而降低了现象在观察者眼里的信息量，从而达到了降低惊讶程度——或者说解释的效果。

还是拿骰子说明：假如你连掷三次，结果都是1、2、3、4各一个，你感觉很惊讶。此时，一位骰子科学家提出“点数守恒定律”——一次掷四颗骰子的点数之和恒等于10，并以此作为对上述现象的解释。看看是否与我的说法吻合：在没有守恒定律之前，事件空间（S0）的容量是6的4次方1296，“1234各一个”这一现象占据了该空间的12个位置，其信息量I0=-log2(12/1296)=6.75bit【注】，引入点数守恒定律之后，新的事件空间（S1）的容量为83，于是“1234各一个”的信息量变为I1=-log2(12/83)=2.79bit，比I0减少了3.96bit。

那么点数守恒定律本身包含了多少信息量？四颗骰子点数和的值空间是6～36，容量31，因而定律的信息量Ir=-log2(1/31)=4.95bit，超过了其节省的3.96bit，但这一定律不仅能解释(1,2,3,4)骰子组合，至少还能解释如下6种组合：(1,1,2,6)，(1,1,3,5)，(1,1,4,4)，(1,2,2,5)，(1,3,3,3)，(2,2,3,3)，所以，它节省的总信息量是3.96bit*7=27.72bit，这样，该定律一共节省了22.77bit。

好久没做代数题了，请大家帮我检查一下有没有算对。

（未完待续）

注：信息量的计算方法，见Wiki条目：熵（Entropy）。