数据压缩Compression

能保住信息又缩短描述，说明你抓住了藏在细节里的规律。

牛顿用同一套定律，把落向地面的物体和绕着地球转的月球连在了一起。1687 年，他的《自然哲学的数学原理》在伦敦出版。书中的运动定律和万有引力定律，让这两种现象进入同一个计算框架：月球也在向地球下落，却因向前的运动不断绕过地球。研究者不用为每颗行星另背一套运动规则。给出质量、位置和速度，就能用同一套方程推算它怎样运动。天上地下原本分散的现象，有了共同的说明书。

为什么成立

能还原的短描述，才显出规律

一千个连续的 A，可以写成“A 重复一千次”，再按说明完整展开。后面的字符能由规则确定，就省去了逐个记录的必要。数据压缩把长记录换成这样的短表示；重复、出现频率不均、前后依赖，都能提供缩短的机会。

规则和例外必须一起算

判断是否省了描述，要先固定同一套编码和还原约定。设数据为 $D$ ，描述它的规则为 $M$ ，总长度是：

$L (M) + L (D ∣ M)$

$L (M)$ 是写清规则所需的比特数， $L (D ∣ M)$ 是知道规则后，还原数据仍需补上的比特数。白话说，把说明书和剩余细节加起来，再与直接记录原文相比。规则很短，却要附上几乎整份原文，就没有找到多少规律。这是最小描述长度原则的核心。

理解让许多事实共用一条规则

找到能反复使用的短描述，让你从逐条记忆走向掌握结构。读懂牛顿的定律后，你能根据起点推算新的轨迹；背熟旧轨迹只能复述旧记录。把这套思路带到工作中，就要看一条解释能接管多少事实，又留下多少例外。规则连同例外仍然更短，才是理解有所进展的证据。

出处

它来自信息论与计算机科学。香农在 1948 年的《通信的数学理论》中奠定无损编码极限的理论基础。柯尔莫哥洛夫在 1965 年用最短生成程序刻画信息量；里萨宁在 1978 年提出最小描述长度原则，把“规则加剩余数据”的总长度用于选择模型。

换个领域看

技术

像素一个不丢

PNG 能把图片文件压小，同时逐个还原像素。1996 年，万维网联盟发布了它的首版推荐规范。编码器利用相邻像素的关系，把像素改写成差值，再压缩反复出现的数据。大块纯色图里，许多差值都是零，容易省下空间；打开文件时，解码器把这些步骤倒过来走，恢复原有像素。

投资

让财报少些意外

能解释多期经营数据的规则，比一句公司故事更有用。假设你在研究一家连锁咖啡店，先用成熟店过去的销售水平估计下一季度，再单列新店爬坡和关店。新一季账本到手后，若大部分销售都能按这套办法说明，只剩少量差额，你就抓住了可复用的结构；若每家店都要补一个理由，原来的解释就该重写。

个人生活

把漏项写成规则

反复出差时，一条规则能替你记住多次遗漏。假设你每次收行李都重新列清单，还总忘带同几样东西。你把过去的清单合成一份常备清单，另写“过夜加洗漱包”“下雨加伞”，这次只记录特殊物品。共同部分写一次，条件说清楚，例外单独留下，下一趟出门就能按这份短说明还原所需行李。

遇事时问自己

这些记录里，哪些内容反复出现，或能由前面的内容推出来？
我能否写出一条规则，让别人据此还原事实或推算下一次结果？
把规则、使用条件和所有例外加起来，是否比逐条记载更省？
面对下一批数据，我能用这条规则提前说对什么？
这份短描述删掉的细节，会不会改变我要做的决定？

边界与误用

短描述必须服从你要保留的信息。无损压缩要求完整还原；有损压缩允许丢掉事先选定的细节。把一次罕见故障删掉，报告会变短，却会妨碍排查事故。无损算法无法让所有输入都变短；一种工具压不动，也只说明它没找到可利用的规律。最常见的误用，是把一句顺口的故事当成理解：遗漏越多，句子越短。找到可还原的短描述，说明存在可利用的结构，却不能单凭它认定因果。让短规则接受新事实检验，并留下会改变决策的例外。

练一练

一家物流公司要保存半年的司机排班，方便以后逐日核对。原始记录占6000字节。方案甲用500字节写清轮班规则，再用900字节记录临时调整；方案乙的规则只占100字节，但调整表占1800字节。两套方案使用相同的编码约定，都能完整还原每天的排班。

若要用更少的空间完整保存排班，哪种判断最站得住？

某市研究员整理了三年的地铁进站量和周边商铺租金。一个很短的公式就能描述两者的共同变化，补上少量偏差后，整份记录仍比原始表短。同期，附近产业园的就业人数持续增加。研究员据此建议增加列车班次，认为这样就能提高商铺租金。

对这项建议，哪种判断最站得住？

你正在安排一次六周的自驾旅行，逐晚休息计划中有三晚只能睡不足四小时。应用建议把计划改成六个周平均值，并删除逐晚时长和日期，让报告更简洁。你要据此决定哪些早晨开车、哪些早晨休息。

为了让这份报告支持具体安排，哪种处理最合理？