MiniMax 定理：壓縮即智能

ESSAY

我們在很多地方都看到了一個詞，叫「壓縮即智能」

第一次碰到這個詞的時候，很多人會愣一下。壓縮？壓縮怎么就智能了？zip 文件很智能嗎？后來讀到劉慈欣的《詩云》，突然就通了

故事的背景是，一個技術遠超人類的外星神級文明來到地球。人類在它面前毫無還手之力，科技、軍事、能源，全面碾壓

但有一個人類詩人對它說：你寫不出超越李白的詩

這個文明不服。它決定用自己的方式解決這個問題：窮舉。把所有漢字的所有可能排列組合，全部生成出來，存進一團圍繞恒星運行的巨大存儲結構里。劉慈欣管它叫「詩云」

雕 床 欄 頭 春 故 少 光 里 更 層 朱 似 國 夜 國 鄉 欄 事 中 風 樓 雕 昨 前 千 鄉 舉 山 流 霜 國 前 改 多 又 千 改 窮 有 春 事 只 砌 小 了 樓 東 知 了 玉 水 猶 故 樓 了 往 前 夜 東 月 低 花 知 幾 國 疑 望 昨 是 流 少 能 日 昨 目 白 多 多 玉 向 向 似 山 雕 只 舉 月 樓 幾 春 花 秋 月 何 時 了 ? 50002? 種排列 · 好詩在哪里？

從數學的角度，這朵云里一定包含了超越李白的作品。所有可能的漢字排列都在里面，當然也包括最好的那幾首

但這個文明做完之后，沉默了。因為它找不到那些詩。擁有一切可能的詩句，卻沒有辦法判斷哪些是好的

一個圖書館把世界上所有的書都收齊了。這不叫智能。一個人讀完之后，用三頁紙寫清楚這些書的共同規律。這叫智能，區別在于：丟掉了什么

窮舉不產生智能。壓縮才產生智能

從 Shannon 開始

那壓縮和智能之間的關系，到底是文學直覺，還是有數學支撐？

有。而且這條線索比大多數人想象的要長

1948 年，Claude Shannon 發表「A Mathematical Theory of Communication」，定義了信息熵：一條消息的信息量，等于編碼它所需的最小比特數

最小。這兩個字是整個信息論的地基

你能用 10 個 bit 無損表達原本需要 100 個 bit 的信息，說明你找到了 90% 的冗余結構。你理解了它

1960 年代，Solomonoff、Kolmogorov 和 Chaitin 從三個不同國家獨立提出了算法信息論。Kolmogorov 復雜度：一個對象的復雜度 = 生成它的最短程序長度

最短的程序，能還原全部的信息

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) 找到冗余結構 = 理解它

100 bits → 10 bits：找到冗余，就是理解

2006 年，Marcus Hutter 發起了一個 50 萬歐元的競賽：誰能更好地壓縮維基百科的前 1GB，誰就更智能。他說，智能是一個模糊的概念，但文件大小是硬數字

Ilya Sutskever 說過，通過壓縮實現無監督學習，是創立 OpenAI 的兩個 founding ideas 之一

DeepMind 的論文「Language Modeling Is Compression」證明了語言建模和數據壓縮在數學上等價。訓練一個語言模型，就是在訓練一個壓縮器

從 Shannon 到 Kolmogorov 到 Hutter 到 Ilya，幾十年，所有人到了同一個地方：

最小化描述長度，最大化預測能力

這就是「壓縮即智能」的數學含義

F = ma

不止數學。回頭看整個科學史，「壓縮即智能」一直在場

第谷花了二十多年記錄天文觀測數據，手稿好幾米高。開普勒壓縮成了三條定律

然后牛頓來了。F = ma 加上萬有引力公式，兩行字，把前面所有東西全部裝進去了

麥克斯韋用四個方程壓縮了整個電磁學。愛因斯坦用五個符號 E=mc2 壓縮了質量和能量的關系

科學的進步史，就是壓縮率的提升史

第谷 20 年觀測 開普勒 3 條定律 牛頓 F = ma 2 行字 數據 → 定律 → 公式：壓縮率越來越高

20 年觀測 → 3 條定律 → 2 行字

每一次重大突破，都是用更少的符號解釋更多的現象

物理學最底層的原理叫最小作用量原理。光走最短路徑。物體沿作用量最小的軌跡運動。宇宙在每一個尺度上都偏好最經濟的方案

壓縮，即智能

馮·諾依曼

說到數學結構，這里有一段有意思的歷史

1928 年，馮·諾依曼證明了博弈論的基石定理：在零和博弈中，存在一個最優策略，使得最大可能損失被最小化

這個定理叫Minimax 定理

找到所有最壞情況（max loss），然后在里面選最好的（min）。反過來也成立，在所有保守策略中找收益最高的（max min）

后來這個框架到處都是。Nash 均衡、Alpha-Beta 剪枝、對抗訓練，都建立在它上面

max min loss gain min(max loss) = max(min gain) Minimax 定理：兩條線終將收斂

兩條線終將收斂：這就是 Minimax

還有一件事比較有意思，可以把前面說的「壓縮即智能」放進數學框架里看

Kolmogorov 復雜度：最短的程序，還原全部信息

min 描述長度，max 保真度

Shannon 最優編碼：最少的比特數，無損傳輸全部信息

min 碼長，max 保真

訓練語言模型：找一組參數，使得在任何未知數據上的預測誤差盡可能小

min loss，max generalization

這三個問題的數學結構是一樣的。都是 Minimax

馮·諾依曼在 1928 年就把這個結構命名好了。只是當時沒人在討論 AI

大腦

「壓縮即智能」在生物學里也有對應

人類嬰兒出生時，大腦有大約100 萬億個突觸連接。到成年，減少到 50 萬億

少了一半。這個過程叫突觸修剪。大腦主動丟棄低效連接，保留最有用的路徑。大腦在對自己做壓縮

自閉癥譜系的一種理論認為，部分患者的突觸修剪不夠充分。連接太多，信號互相干擾，無法提取清晰的模式

連接太多和信息太多，是同一類問題。詩云的困境，在生物學里也存在

人腦每秒接收大約 1100 萬 bits 的感官信息，意識只能處理大約 50 bits。99.9995%被丟棄了

意識，大概就是一個極其挑剔的壓縮器

它的工作就是決定丟掉哪些信息

10 的 103 次方

最后回到詩云，算一筆賬

假設漢字 5000 個，一首七言絕句 28 個字。所有可能的排列組合是 50002?，大約101?3

可觀測宇宙中的原子總數大約 10??。詩云里的「詩」比宇宙里的原子還多

好詩大概率不超過幾百萬首。占比 10? / 101?3 =10???

隨機抽樣找好詩，在宇宙的整個生命周期里，一首都找不到

窮舉的失敗在于搜索空間太大。什么都不壓縮，好的東西就被淹沒了

而李白不在 101?3 的空間里搜索。他對語言、情感、韻律、意象有一套高度壓縮的理解，可以直接跳到好詩的鄰域

他的腦子里裝的是一個壓縮過的生成模型

10? 首好詩 101?3 李白 壓縮 = 知道往哪里跳

李白不窮舉。他知道往哪里跳

大語言模型也是一回事。GPT 的參數量遠小于訓練數據量，但它能生成從沒見過的合理文本。因為它壓縮了數據背后的結構

外星文明輸給了李白。它的算力夠了。它不會壓縮

「壓縮即智能」這個詞表達得不好。兩個抽象概念中間一個「即」字，沒有信息論背景的人很難直覺理解

但它說的事情很簡單。用最少的符號解釋最多的現象，用最短的程序還原全部信息，用最少的參數做最好的預測。換句話說：Mini 這個 Max

我建議以后別說「壓縮即智能」了，說：MiniMax

以上內容，是認真的