香农的股票投资

A. 《信息简史一部历史一个理论一股洪流》pdf下载在线阅读，求百度网盘云资源

《信息简史》（[美国] 詹姆斯·格雷克）电子书网盘下载免费在线阅读

资源链接：

链接: https://pan..com/s/1Gu6R2lKtzDeOWa9pASh8gQ

书名：信息简史

作者：[美国] 詹姆斯·格雷克

译者：高博

豆瓣评分：8.7

出版社：人民邮电出版社

出版年份：2013-10

页数：476

内容简介：人类与信息遭遇的历史由来已久。詹姆斯•格雷克笔下的这段历史出人意料地从非洲的鼓语讲起（第1章）。非洲土着部落在尚未直接跨越到移动电话之前，曾用鼓声来传递讯息，但他们是如何做到的呢？后续章节进而讲述了这段历史上几个影响深远的关键事件，包括文字的发明（第2章）、罗伯特•考德里的第一本英语词典（第3章）、查尔斯•巴贝奇的差分机与爱达•拜伦的程序（第4章）、沙普兄弟的信号塔与摩尔斯电码（第5章）。

但人类开始自觉地理解和利用信息始于克劳德•香农在1948年创立的信息论（第6、7章）。香农的信息论不仅推动了信息技术的发展，也引发了许多学科的信息转向（第8章），改变了人们对于诸如麦克斯韦妖（第9章）、生命的编码（第10章）、模因（第11章）、随机性（第12章）、量子信息论（第13章）等的理解。部分科学家甚至认为，构成世界的基础不是物质，不是能量，而是信息。正如物理学家约翰•惠勒所说，“万物源自比特”。

现如今，信息如洪流般淹没了我们，使我们深陷信息焦虑、信息过载、信息疲劳的困扰。但回顾历史，这并不是件新鲜事，人们也总是能想出应对手段。维基网络（第14章）、Google（第15章）便是我们的应对之一。无论对于信息的未来持何态度，有一点是确定无疑的，即我们人类是信息的造物。

作为《混沌》、《费曼传》、《越来越快》、《牛顿传》等畅销书的作者，格雷克不仅在书中细致还原了历史细节，通俗解释了各种理论，还生动刻画了几位不为大众所知的人物：可编程计算机先驱、超越时代的查尔斯•巴贝奇，第一位程序员、诗人拜伦之女爱达•拜伦，计算机科学之父、天妒英才的阿兰•图灵，以及全书的主人公、信息论之父克劳德•香农。

作者简介：詹姆斯•格雷克（James Gleick），生于1954年，本科毕业于哈佛学院，曾长期在《纽约时报》担任记者和编辑，并多年为《时代》周刊撰写技术专栏。1987年，他的首部作品《混沌：开创新科学》入围了美国国家图书奖和普利策奖的决赛，并成为畅销书，使得“混沌”、“蝴蝶效应”的说法家喻户晓，现已销售超过百万册。其后他又陆续出版了《费曼传：1000年才出一个的科学鬼才》（1992）、《越来越快：飞奔的时代飞奔的一切》（1999）、《牛顿传》（2003）等书，相继被翻译成了二十多种语言。

他是最早一批投入Internet创业热潮的人。1993年11月，他与合作者联合推出了Pipeline互联网接入服务，率先提供了用户友好的图形界面。十四个月后，Pipeline以一千万美元股票的价格出售。

B. 想请教关于炒股的入门知识。

电子计算机（electronic computer），俗称电脑，简称计算机（computer），是一种根据一系列指令来对数据进行处理的机器。所相关的技术研究叫计算机科学，由数据为核心的研究称信息技术。

计算机种类繁多。实际来看，计算机总体上是处理信息的工具。根据图灵机理论，一部具有最基本功能的计算机应当能够完成任何其它计算机能做的事情。因此，只要不考虑时间和存储因素，从个人数码助理（PDA）到超级计算机都应该可以完成同样的作业。即是说，即使是设计完全相同的计算机，只要经过相应改装，就应该可以被用于从公司薪金管理到无人驾驶飞船操控在内的各种任务。由于科技的飞速进步，下一代计算机总是在性能上能够显着地超过其前一代，这一现象有时被称作“摩尔定律”。

计算机在组成上形式不一。早期计算机的体积足有一间房屋大小，而今天某些嵌入式计算机可能比一副扑克牌还小。当然，即使在今天，依然有大量体积庞大的巨型计算机为特别的科学计算或面向大型组织的事务处理需求服务。比较小的，为个人应用而设计的计算机称为微型计算机，简称微机。我们今天在日常使用“计算机”一词时通常也是指此。不过，现在计算机最为普遍的应用形式却是嵌入式的。嵌入式计算机通常相对简单，体积小，并被用来控制其它设备—无论是飞机，工业机器人还是数码相机。

上述对于电子计算机的定义包括了许多能计算或是只有有限功能的特定用途的设备。然而当说到现代的电子计算机，其最重要的特征是，只要给予正确的指示，任何一台电子计算机都可以模拟其他任何计算机的行为（只受限于电子计算机本身的存储容量和执行的速度）。据此，现代电子计算机相对于早期的电子计算机也被称为通用型电子计算机。

历史

ENIAC是电脑发展史上的一个里程碑本来，计算机的英文原词“computer”是指从事数据计算的人。而他们往往都需要借助某些机械计算设备或模拟计算机。这些早期计算设备的祖先包括有算盘，以及可以追溯到公元前87年的被古希腊人用于计算行星移动的安提基特拉机制。随着中世纪末期欧洲数学与工程学的再次繁荣，1623年由Wilhelm Schickard率先研制出了欧洲第一台计算设备，这是一个能进行六位以内数加减法，并能通过铃声输出答案的“计算钟”。使用转动齿轮来进行操作。

1642年法国数学家Pascal 在WILLIAM Oughtred计算尺的基础上，将计算尺加以改进，能进行八位计算。还卖出了许多制品，成为当时一种时髦的商品。

1801年，Joseph Marie Jacquard对织布机的设计进行了改进，其中他使用了一系列打孔的纸卡片来作为编织复杂图案的程序。Jacquard式织布机，尽管并不被认为是一台真正的计算机，但是它的出现确实是现代计算机发展过程中重要的一步。

查尔斯・巴比奇(Charles Babbage)是构想和设计一台完全可编程计算机的第一人，当时是1820年。但由于技术条件，经费限制，以及无法忍耐对设计不停的修补，这台计算机在他有生之年始终未能问世。约到19世纪晚期，许多后来被证明对计算机科学有着重大意义的技术相继出现，包括打孔卡片以及真空管。Hermann Hollerith设计了一台制表用的机器，就实现了应用打孔卡片的大规模自动数据处理。

在20世纪前半叶，为了迎合科学计算的需要，许许多多单一用途的并不断深化复杂的模拟计算机被研制出来。这些计算机都是用它们所针对的特定问题的机械或电子模型作为计算基础。20世纪三四十年代，计算机的性能逐渐强大并且通用性得到提升，现代计算机的关键特色被不断地加入进来。

1937年由克劳德·艾尔伍德·香农（Claude Shannon）发表了他的伟大论文《对继电器和开关电路中的符号分析》，文中首次提及数字电子技术的应用。他向人们展示了如何使用开关来实现逻辑和数学运算。此后，他通过研究Vannevar Bush的微分模拟器进一步巩固了他的想法。这是一个标志着二进制电子电路设计和逻辑门应用开始的重要时刻，而作为这些关键思想诞生的先驱，应当包括：Almon Strowger，他为一个含有逻辑门电路的设备申请了专利；尼古拉・特斯拉（Nikola Tesla），他早在1898年就曾申请含有逻辑门的电路设备；Lee De Forest，于1907年他用真空管代替了继电器。

Commodore公司在20世纪八十年代生产的Amiga 500电脑沿着这样一条上下求索的漫漫长途去定义所谓的“第一台电子计算机”可谓相当困难。1941年5月12日，Konrad Zuse完成了他的机电共享设备“Z3”，这是第一台具有自动二进制数学计算特色以及可行的编程功能的计算机，但还不是“电子”计算机。此外，其他值得注意的成就主要有：1941年夏天诞生的阿塔纳索夫-贝瑞计算机是世界上第一台电子计算机，它使用了真空管计算器，二进制数值，可复用内存；在英国于1943年被展示的神秘的巨像计算机（Colossus computer），尽管编程能力极其有限，但是它的的确确告诉了人们使用真空管既值得信赖又能实现电气化的再编程；哈佛大学的Harvard Mark I；以及基于二进制的“埃尼阿克”（ENIAC，1944年），这是第一台通用意图的计算机，但由于其结构设计不够弹性化，导致对它的每一次再编程都意味着电气物理线路的再连接。

开发埃尼爱克的小组针对其缺陷又进一步完善了设计，并最终呈现出今天我们所熟知的冯·诺伊曼结构（程序存储体系结构）。这个体系是当今所有计算机的基础。20世纪40年代中晚期，大批基于此一体系的计算机开始被研制，其中以英国最早。尽管第一台研制完成并投入运转的是“小规模实验机”（Small-Scale Experimental Machine，SSEM），但真正被开发出来的实用机很可能是EDSAC。

在整个20世纪50年代，真空管计算机居于统治地位。1958年 9月12日 在Robert Noyce（INTEL公司的创始人）的领导下，发明了集成电路。不久又推出了微处理器。1959年到1964年间设计的计算机一般被称为第二代计算机。

到了60年代，晶体管计算机将其取而代之。晶体管体积更小，速度更快，价格更加低廉，性能更加可靠，这使得它们可以被商品化生产。1964年到1972年的计算机一般被称为第三代计算机。大量使用集成电路，典型的机型是IBM360系列。

到了70年代，集成电路技术的引入极大地降低了计算机生产成本，计算机也从此开始走向千家万户。1972年以后的计算机习惯上被称为第四代计算机。基于大规模集成电路，及后来的超大规模集成电路。1972年4月1日 INTEL推出8008微处理器。1976年Stephen Wozinak和Stephen Jobs创办苹果计算机公司。并推出其Apple I 计算机。1977年5月 Apple II 型计算机发布。1979年6月1日 INTEL发布了8位元的8088微处理器。

1982年,微电脑开始普及，大量进入学校和家庭。1982年1月Commodore 64计算机发布，价格：595美元。 1982 年2月80286发布。时钟频率提高到20MHz，并增加了保护模式，可访问16M内存。支持1GB以上的虚拟内存。每秒执行270万条指令，集成了134000个晶体管。

1990年11月: 第一代MPC (多媒体个人电脑标准)发布。处理器至少80286/12MHz，后来增加到80386SX/16 MHz ，及一个光驱，至少150 KB/sec的传输率。1994年10月10日 Intel 发布75 MHz Pentium处理器。1995年11月1日Pentium Pro发布。主频可达200 MHz ，每秒钟完成4.4亿条指令，集成了550万个晶体管。1997年1月8日Intel发布Pentium MMX。对游戏和多媒体功能进行了增强。

此后计算机的变化日新月异，1965年发表的摩尔定律发表不断被应证，预测在未来10~15年仍依然适用。

原理

个人电脑的主要结构:
显示器
主板
CPU (中央处理器)
主要储存器 (内存)
扩充卡
电源供应器
光驱
次要储存器 (硬盘)
键盘
鼠标

尽管计算机技术自20世纪40年代第一台电子通用计算机诞生以来以来有了令人目眩的飞速发展，但是今天计算机仍然基本上采用的是存储程序结构，即冯·诺伊曼结构。这个结构实现了实用化的通用计算机。

存储程序结构间将一台计算机描述成四个主要部分：算术逻辑单元（ALU），控制电路，存储器，以及输入输出设备（I/O）。这些部件通过一组一组的排线连接（特别地，当一组线被用于多种不同意图的数据传输时又被称为总线），并且由一个时钟来驱动（当然某些其他事件也可能驱动控制电路）。

概念上讲，一部计算机的存储器可以被视为一组“细胞”单元。每一个“细胞”都有一个编号，称为地址；又都可以存储一个较小的定长信息。这个信息既可以是指令（告诉计算机去做什么），也可以是数据（指令的处理对象）。原则上，每一个“细胞”都是可以存储二者之任一的。

算术逻辑单元（ALU）可以被称作计算机的大脑。它可以做两类运算：第一类是算术运算，比如对两个数字进行加减法。算术运算部件的功能在ALU中是十分有限的，事实上，一些ALU根本不支持电路级的乘法和除法运算（由是使用者只能通过编程进行乘除法运算）。第二类是比较运算，即给定两个数，ALU对其进行比较以确定哪个更大一些。

输入输出系统是计算机从外部世界接收信息和向外部世界反馈运算结果的手段。对于一台标准的个人电脑，输入设备主要有键盘和鼠标，输出设备则是显示器，打印机以及其他许多后文将要讨论的可连接到计算机上的I/O设备。

控制系统将以上计算机各部分联系起来。它的功能是从存储器和输入输出设备中读取指令和数据，对指令进行解码，并向ALU交付符合指令要求的正确输入，告知ALU对这些数据做哪些运算并将结果数据返回到何处。控制系统中一个重要组件就是一个用来保持跟踪当前指令所在地址的计数器。通常这个计数器随着指令的执行而累加，但有时如果指令指示进行跳转则不依此规则。

20世纪80年代以来ALU和控制单元（二者合成中央处理器，CPU）逐渐被整合到一块集成电路上，称作微处理器。这类计算机的工作模式十分直观：在一个时钟周期内，计算机先从存储器中获取指令和数据，然后执行指令，存储数据，再获取下一条指令。这个过程被反复执行，直至得到一个终止指令。

由控制器解释，运算器执行的指令集是一个精心定义的数目十分有限的简单指令集合。一般可以分为四类：1）、数据移动（如：将一个数值从存储单元A拷贝到存储单元B）2）、数逻运算（如：计算存储单元A与存储单元B之和，结果返回存储单元C）3）、条件验证（如：如果存储单元A内数值为100，则下一条指令地址为存储单元F）4）、指令序列改易（如：下一条指令地址为存储单元F）

指令如同数据一样在计算机内部是以二进制来表示的。比如说，10110000就是一条Intel x86系列微处理器的拷贝指令代码。某一个计算机所支持的指令集就是该计算机的机器语言。因此，使用流行的机器语言将会使既成软件在一台新计算机上运行得更加容易。所以对于那些机型商业化软件开发的人来说，它们通常只会关注一种或几种不同的机器语言。

更加强大的小型计算机，大型计算机和服务器可能会与上述计算机有所不同。它们通常将任务分担给不同的CPU来执行。今天，微处理器和多核个人电脑也在朝这个方向发展。

超级计算机通常有着与基本的存储程序计算机显着区别的体系结构。它们通常有着数以千计的CPU，不过这些设计似乎只对特定任务有用。在各种计算机中，还有一些微控制器采用令程序和数据分离的哈佛架构（Harvard architecture）。

计算机的数字电路实现

以上所说的这些概念性设计的物理实现是多种多样的。如同我们前述所及，一台存储程序式计算机既可以是巴比奇的机械式的，也可以是基于数字电子的。但是，数字电路可以通过诸如继电器之类的电子控制开关来实现使用2进制数的算术和逻辑运算。香农的论文正是向我们展示了如何排列继电器来组成能够实现简单布尔运算的逻辑门。其他一些学者很快指出使用真空管可以代替继电器电路。真空管最初被用作无线电电路中的放大器，之后便开始被越来越多地用作数字电子电路中的快速开关。当电子管的一个针脚被通电后，电流就可以在另外两端间自由通过。

通过逻辑门的排列组合我们可以设计完成很多复杂的任务。举例而言，加法器就是其中之一。该器件在电子领域实现了两个数相加并将结果保存下来—在计算机科学中这样一个通过一组运算来实现某个特定意图的方法被称做一个算法。最终，人们通过数量可观的逻辑门电路组装成功了完整的ALU和控制器。说它数量可观，只需看一下CSIRAC这台可能是最小的实用化电子管计算机。该机含有2000个电子管，其中还有不少是双用器件，也即是说总计合有2000到4000个逻辑器件。

真空管对于制造规模庞大的门电路明显力不从心。昂贵，不稳（尤其是数量多时），臃肿，能耗高，并且速度也不够快—尽管远超机械开关电路。这一切导致20世纪60年代它们被晶体管取代。后者体积更小，易于操作，可靠性高，更省能耗，同时成本也更低。

集成电路是现今电子计算机的基础20世纪60年代后，晶体管开始逐渐为将大量晶体管、其他各种电器元件和连接导线安置在一片硅板上的集成电路所取代。70年代，ALU和控制器作为组成CPU的两大部分，开始被集成到一块芯片上，并称为“微处理器”。沿着集成电路的发展史，可以看到一片芯片上所集成器件的数量有了飞速增长。第一块集成电路只不过包含几十个部件，而到了2006年，一块Intel Core Duo处理器上的晶体管数目高达一亿五千一百万之巨。

无论是电子管，晶体管还是集成电路，它们都可以通过使用一种触发器设计机制来用作存储程序体系结构中的“存储”部件。而事实上触发器的确被用作小规模的超高速存储。但是，几乎没有任何计算机设计使用触发器来进行大规模数据存储。最早的计算机是使用Williams电子管向一个电视屏或若干条水银延迟线（声波通过这种线时的走行速度极为缓慢足够被认为是“存储”在了上面）发射电子束然后再来读取的方式来存储数据的。当然，这些尽管有效却不怎么优雅的方法最终还是被磁性存储取而代之。比如说磁芯存储器，代表信息的电流可在其中的铁质材料内制造恒久的弱磁场，当这个磁场再被读出时就实现了数据恢复。动态随机存储器（DRAM）亦被发明出来。它是一个包含大量电容的集成电路，而这些电容器件正是负责存储数据电荷—电荷的强度则被定义为数据的值。

输入输出设备

输入输出设备（I/O）是对将外部世界信息发送给计算机的设备和将处理结果返回给外部世界的设备的总称。这些返回结果可能是作为使用者能够视觉上体验的，或是作为该计算机所控制的其他设备的输入：对于一台机器人，控制计算机的输出基本上就是这台机器人本身，如做出各种行为。

第一代计算机的输入输出设备种类非常有限。通常的输入用设备是打孔卡片的读卡机，用来将指令和数据导入内存；而用于存储结果的输出设备则一般是磁带。随着科技的进步，输入输出设备的丰富性得到提高。以个人计算机为例：键盘和鼠标是用户向计算机直接输入信息的主要工具，而显示器、打印机、扩音器、耳机则返回处理结果。此外还有许多输入设备可以接受其他不同种类的信息，如数码相机可以输入图像。在输入输出设备中，有两类很值得注意：第一类是二级存储设备，如硬盘，光盘或其他速度缓慢但拥有很高容量的设备。第二个是计算机网络访问设备，通过他们而实现的计算机间直接数据传送极大地提升了计算机的价值。今天，国际互联网成就了数以千万计的计算机彼此间传送各种类型的数据。

程序

简单说，计算机程序就是计算机执行指令的一个序列。它既可以只是几条执行某个简单任务的指令，也可能是可能要操作巨大数据量的复杂指令队列。许多计算机程序包含有百万计的指令，而其中很多指令可能被反复执行。在2005年，一台典型的个人电脑可以每秒执行大约30亿条指令。计算机通常并不会执行一些很复杂的指令来获得额外的机能，更多地它们是在按照程序员的排列来运行那些较简单但为数众多的短指令。

一般情况下，程序员们是不会直接用机器语言来为计算机写入指令的。那么做的结果只能是费时费力、效率低下而且漏洞百出。所以，程序员一般通过“高级”一些的语言来写程序，然后再由某些特别的计算机程序，如解释器或编译器将之翻译成机器语言。一些编程语言看起来很接近机器语言，如汇编程序，被认为是低级语言。而另一些语言，如即如抽象原则的Prolog，则完全无视计算机实际运行的操作细节，可谓是高级语言。对于一项特定任务，应该根据其事务特点，程序员技能，可用工具和客户需求来选择相应的语言，其中又以客户需求最为重要（美国和中国军队的工程项目通常被要求使用Ada语言）。

计算机软件是与计算机程序并不相等的另一个词汇。计算机软件一个较为包容性较强的技术术语，它包含了用于完成任务的各种程序以及所有相关材料。举例说，一个视频游戏不但只包含程序本身，也包括图片、声音以及其他创造虚拟游戏环境的数据内容。在零售市场，在一台计算机上的某个应用程序只是一个面向大量用户的软件的一个副本。这里老生常谈的例子当然还是微软的office软件组，它包括一些列互相关联的、面向一般办公需求的程序。

利用那些极其简单的机器语言指令来实现无数功能强大的应用软件意味着其编程规模注定不小。Windows XP这个操作系统程序包含的C++高级语言源代码达到了4000万行。当然这还不是最大的。如此庞大的软件规模也显示了管理在开发过程中的重要性。实际编程时，程序会被细分到每一个程序员都可以在一个可接受的时长内完成的规模。

即便如此，软件开发的过程仍然进程缓慢，不可预见且遗漏多多。应运而生的软件工程学就重点面向如何加快作业进度和提高效率与质量。

库与操作系统

在计算机诞生后不久，人们发现某些特定作业在许多不同的程序中都要被实施，比如说计算某些标准数学函数。出于效率考量，这些程序的标准版本就被收集到一个“库”中以供各程序调用。许多任务经常要去额外处理种类繁多的输入输出接口，这时，用于连接的库就能派上用场。

20世纪60年代，随着计算机工业化普及，计算机越来越多地被用作一个组织内不同作业的处理。很快，能够自动安排作业时续和执行的特殊软件出现了。这些既控制硬件又负责作业时序安排的软件被称为“操作系统”。一个早期操作系统的例子是IBM的OS/360。

在不断地完善中，操作系统又引入了时间共享机制——并发。这使得多个不同用户可以“同时”地使用机器执行他们自己的程序，看起来就像是每个人都有一台自己的计算机。为此，操作系统需要像每个用户提供一台“虚拟机”来分离各个不同的程序。由于需要操作系统控制的设备也在不断增加，其中之一便是硬盘。因之，操作系统又引入了文件管理和目录管理（文件夹），大大简化了这类永久储存性设备的应用。此外，操作系统也负责安全控制，确保用户只能访问那些已获得允许的文件。

当然，到目前为止操作系统发展历程中最后一个重要步骤就是为程序提供标准图形用户界面（GUI）。尽管没有什么技术原因表明操作系统必须得提供这些界面，但操作系统供应商们总是希望并鼓励那些运行在其系统上的软件能够在外观和行为特征上与操作系统保持一致或相似。

除了以上这些核心功能，操作系统还封装了一系列其他常用工具。其中一些虽然对计算机管理并无重大意义，但是于用户而言很是有用。比如，苹果公司的Mac OS X就包含视频剪辑应用程序。

一些用于更小规模的计算机的操作系统可能没用如此众多的功能。早期的微型计算机由于记忆体和处理能力有限而不会提供额外功能，而嵌入式计算机则使用特定化了的操作系统或者干脆没有，它们往往通过应用程序直接代理操作系统的某些功能。

应用

由电脑控制的机械在工业中十分常见

很多现代大量生产的玩具，如Furby，是不能没有便宜的嵌入式处理器

起初，体积庞大而价格昂贵的数字计算机主要是用做执行科学计算，特别是军用课题。如ENIAC最早就是被用作火炮弹道计算和设计氢弹时计算断面中子密度的（如今许多超级计算机仍然在模拟核试验方面发挥着巨大作用）。澳大利亚设计的首台存储程序计算机CSIR Mk I型负责对水电工程中的集水地带的降雨情形进行评估。还有一些被用于解密，比如英国的“巨像”可编程计算机。除去这些早年的科学或军工应用，计算机在其他领域的推广亦十分迅速。

从一开始，存储程序计算机就与商业问题的解决息息相关。早在IBM的第一台商用计算机诞生之前，英国J. Lyons等就设计制造了LEO以进行资产管理或迎合其他商业用途。由于持续的体积与成本控制，计算机开始向更小型的组织内普及。加之20世纪70年代微处理器的发明，廉价计算机成为了现实。80年代，个人计算机全面流行，电子文档写作与印刷，计算预算和其他重复性的报表作业越来越多地开始依赖计算机。

随着计算机便宜起来，创作性的艺术工作也开始使用它们。人们利用合成器，计算机图形和动画来创作和修改声音，图像，视频。视频游戏的产业化也说明了计算机在娱乐方面也开创了新的历史。

计算机小型化以来，机械设备的控制也开始仰仗计算机的支持。其实，正是当年为了建造足够小的嵌入式计算机来控制阿波罗宇宙飞船才刺激了集成电路技术的跃进。今天想要找一台不被计算机控制的有源机械设备要比找一台哪怕是部分计算机控制的设备要难得多。可能最着名的计算机控制设备要非机器人莫属，这些机器有着或多或少人类的外表和并具备人类行为的某一子集。在批量生产中，工业机器人已是寻常之物。不过，完全的拟人机器人还只是停留在科幻小说或实验室之中。

机器人技术实质上是人工智能领域中的物理表达环节。所谓人工智能是一个定义模糊的概念但是可以肯定的是这门学科试图令计算机拥有目前它们还没有但作为人类却固有的能力。数年以来，不断有许多新方法被开发出来以允许计算机做那些之前被认为只有人才能做的事情。比如读书、下棋。然而，到目前为止，在研制具有人类的一般“整体性”智能的计算机方面，进展仍十分缓慢。

网络、国际互联网

20世纪50年代以来计算机开始用作协调来自不同地方之信息的工具，美国军方的贤者系统（SAGE）就是这方面第一个大规模系统。之后“军刀”等一系列特殊用途的商业系统也不断涌现出来。

70年代后，美国各大院校的计算机工程师开始使用电信技术把他们的计算机连接起来。由于这方面的工作得到了ARPA的赞助，其计算机网络也就被称为ARPANET。此后，用于ARPA网的技术快速扩散和进化，这个网络也冲破大学和军队的范围最终形成了今天的国际互联网（Internet）。网络的出现导致了对计算机属性和边界的再定义。太阳微系统公司的John Gage 和 Bill Joy就指出：“网络即是计算机”。计算机操作系统和应用程序纷纷向能访问诸如网内其它计算机等网络资源的方向发展。最初这些网络设备仅限于为高端科学工作者所使用，但90年代后随着电子邮件和万维网（World Wide Web）技术的扩散，以及以太网和ADSL等网络连接技术的廉价化，互联网络已变得无所不在。今日入网的计算机总数，何以千万计；无线互联技术的普及，使得互联网在移动计算环境中亦如影随形。比如在笔记本计算机上广泛使用的Wi-Fi技术就是无线上网的代表性应用。

下一代计算机

自问世以来数字计算机在速度和能力上有了可观的提升，迄今仍有不少课题显得超出了当前计算机的能力所及。对于其中一部分课题，传统计算机是无论如何也不可能实现的，因为找到一个解决方法的时间还赶不上问题规模的扩展速度。因此，科学家开始将目光转向生物计算技术和量子理论来解决这一类问题。比如，人们计划用生物性的处理来解决特定问题（DNA计算）。由于细胞分裂的指数级增长方式，DNA计算系统很有可能具备解决同等规模问题的能力。当然，这样一个系统直接受限于可控制的DNA总量。

量子计算机，顾名思义，利用了量子物理世界的超常特性。一旦能够造出量子计算机，那么它在速度上的提升将令一般计算机难以望其项背。当然，这种涉及密码学和量子物理模拟的下一代计算机还只是停留在构想阶段。

计算机学科

在当今世界，几乎所有专业都与计算机息息相关。但是，只有某些特定职业和学科才会深入研究计算机本身的制造、编程和使用技术。用来诠释计算机学科内不同研究领域的各个学术名词的涵义不断发生变化，同时新学科也层出不穷。

计算机工程学 是电子工程的一个分支，主要研究计算机软硬件和二者间的彼此联系。
计算机科学 是对计算机进行学术研究的传统称谓。主要研究计算技术和执行特定任务的高效算法。该门学科为我们解决确定一个问题在计算机领域内是否可解，如可解其效率如何，以及如何作成更加高效率的程序。时至今日，在计算机科学内已经衍生了许多分支，每一个分支都针对不同类别的问题进行深入研究。
软件工程学 着重于研究开发高质量软件系统的方法学和实践方式，并试图压缩并预测开发成本及开发周期。
信息系统 研究计算机在一个广泛的有组织环境（商业为主）中的计算机应用。
许多学科都与其他学科相互交织。如地理信息系统专家就是利用计算机技术来管理地理信息。

全球有三个较大规模的致力于计算机科学的组织：英国电脑学会 （BCS）；美国计算机协会（ACM）；美国电气电子工程师协会（IEEE）。

C. 【译】走近克劳德·香农：天才是如何思考、工作和生活的

编译：Fanny

克劳德·香农（Claude Shannon）在工程和数学界是一位响当当的人物，他在20世纪30年代到40年代的工作为他赢得了“信息时代之父”的称号。

在他21岁的时候，香农发表了被称为有史以来最重要的硕士论文，文中论述了如何使用二进制开关进行逻辑运算，为未来的电子计算机奠定了基础。在他32岁的时候，《通信的数学理论》诞生。在这部着作中，香农提出了比特数据，证明了信息是可以被量化的，并阐述了如何在保证准确率的前提下用数字编码对信息进行压缩和传输。该着作被誉为“信息时代的大宪章”。

但香农所做的还不止于此。

香农不仅在学术上建树甚多，在生活中也非常有趣并富有创造力。在工程界和数学界里虽然有很多能写出优秀论文的人才，但他们却很少会像香农这样同时擅长玩杂耍、玩独轮单车、下国际象棋，等等。香农甚至还是一个专业级的选股人以及业余诗人。

他曾在二战时在连接罗斯福和丘吉尔的一条跨大西洋的绝密电话线上工作，并共同构建了世界上第一台可穿戴计算机。他学过开飞机和爵士单簧管。他在自己的房间里面做了一面假墙，按下按钮就能旋转的那种。他还曾经做过一个小玩意，这个东西唯一的作用是在打开开关的时候，会出现一个机械手来关闭开关。另外，他的照片还登上过Vogue杂志。

你可以把他想象成爱因斯坦和“世界上最有趣的男人”（出自DOS EQUIS啤酒的电视广告——译者注）的混合体。

我们希望能够通过研究香农，解答关于“是什么造就了香农？”以及“我们应该从香农身上学习什么？”的问题。通过几年时间的深入调查与研究，我们总结出了以下12条。也许这不是一份全面的清单，但我们希望它能够帮助大家获得生活上和工作上的一些启发。

比起香农所处的20世纪中叶，我们现在的生活中有更多的事物——比如社交媒体和智能手机——不断地分散着我们的注意力，从而降低了效率（而且香农在其中需承担部分责任）。

但不管在什么时代，如何避免分心都是生活中永恒的主题。香农向我们证明，想要减少分心的影响，光靠短时间的注意力集中是不够的，还需要对个人的生活与工作习惯有长期的塑造。

首先，香农不会让自己花太多时间来清空收件箱。他会把那些不想回复的邮件统一放到一个命名为“拖了很久都没回复的信件（Letters I’ve Procrastinated On For Too Long）”的垃圾箱中。事实上，当我们从华盛顿特区的国会图书馆中翻出他们归档保存的香农的信件时，我们发现寄给他的邮件比他寄出去的要多得多。所有节省出来的时间都被他花在研究和探索上了。

香农把同样的策略用在他的办公室中。他的同事经常会看到香农的办公室大门是紧闭的（这在贝尔实验室的“开门办公”的文化中并不多见）。我们了解到，香农的同事们并不认为他难以相处，但他们也感觉到香农非常注重自己的隐私和安静思考的时间。其中一位同事说道：“你可以敲开他的门，他也会回应你的话，但除此以外，他只会跟自己说话”。

另一方面，如果有同事带着大胆的新想法或吸引人的工程问题来拜访香农的话，香农通常与他进行好几小时的高效对话。香农其实跟其他人一样，都关心时间如何有效利用：应投入到思想碰撞中，而不是闲话家常里。对于那些比香农更为外向的人（说实话，这几乎就是所有人了）来说，多少都能从香农身上学到如何刻意并持续地在工作时间内做到毫无分心。

在数学工作中，香农可以直接抓住问题的核心、并把其他细节放在后面考虑。他曾解释道：“我觉得自己更喜欢具象化而不是符号化。我会试图先感受一下问题本身，然后再谈方程式。”就好像是他先看到了解决方案然后再来解释为什么这个它是正确的。

香农的学生Bob Gallager回忆道：“他有一种神奇的洞察力。他仿佛能看穿事物本身。他会说‘Something like this should be true’，而且往往事后证明他是对的。如果你没有超凡的直觉，你不可能凭空开辟出一片全新的领域。”

不过这偶尔也会给香农带来麻烦——学术界的数学家们有时会职责他的工作不够严谨。但他们的批评通常是错误的。“事实上，” 数学家Solomon Golomb说，“香农对于真相的直觉几乎从未失败过。”即使细节还需要完善，但结论几乎总是正确的。

当然，大多数人都不是天才，而且也都没有像香农那样的神直觉。那么此处有什么值得我们借鉴？我们认为是：即便我们的直觉不足以引导我们去开发出一个像信息论这样的新课题，但往往也能帮助我们决定一个事情到底该不该做。

我们会因为注重细节和中间环节而忽视直觉，但同时也意味着错过了创意迸发的瞬间。不要指望好的想法会很有逻辑性地被推导出来，这完全是误解了创意在实际工作中的作用。作家Rita Mae Brown指出：“直觉是源于急躁的一种逻辑暂停。”

我们常常会以一种清晰的方式——比如文章、幻灯片、演讲——向其他人表述自己的想法，而其他人也会这么做，但要知道，我们得到这些想法的过程是错综复杂的，并不会如表达出来的那么有条有理。等待一个清晰明确的突破无异于等待一辆永不到达的列车。

许多文章都大肆宣扬过导师的好处，本文也并不想重复。诚然，导师是很重要的，但很多关于导师制的文章喜欢把导师描写成一种你需要去获取的资源：找到一个聪明的成功人士来为你的职业生涯做支持，然后你就万事大吉了。

事实并没有那么简单。仅依靠自信心去接近一个能在你的发展过程中起到重要作用的导师并不能发挥导师制的所有价值，还需要有足够的谦逊来用心聆听导师的建议，即使这些建议听起来让你不舒服、有挑衅意味、甚至违背直觉。否则的话，导师的存在还有什么意义呢？

对香农来说最重要的导师应该是他在麻省理工学院的研究生学院顾问范内瓦·布什（Vannevar Bush），他后来在二战中主导美国军事科学研究计划，并成为了第一位总统科学顾问。布什看出了香农的过人天赋，但他同时也尽了身为导师的责任——把香农拉出他的舒适区。

比如，在香农的硕士论文大获成功之后，布什就开始敦促香农开始准备理论遗传学方面的博士论文。理论遗传学是一个香农毫无积累的领域，与他所从事多年的工程和数学领域相去甚远。布什希望以此证明他弟子的战胜挑战的能力，而香农也承认这让他认识到了自己的可塑性。

在接到指示的那一刻，香农内心也许会有各种想法（“呵呵，遗传学？”），但布什清楚自己在做什么，而香农也选择相信他导师的判断，虚心接受指导。

用心接受指导实际上是一种谦虚的表现：你对导师有充分的信任，你知道他能看到你看不到的东西。毕竟，当你最开始找到他的时候，必定有你所确信的理由。

范内瓦·布什对香农的影响还体现在另一个方面：比起专才，他更捍卫通才的价值。正如他向MIT的教授所表达的：

布什鼓励香农不要给自己设限，而香农在后续的生涯中也证明了他如何深刻地理解了这个道理。

我们知道：布什的建议如今看来似乎有点不合时宜。工作上的各方面的压力都在要求着我们去竭尽全力地成为领域内的专家，培养一个与众不同的一技之长然后苦心专研。在这种观念下，那种广泛涉猎的行为简直如同儿戏，而且那样的人注定要被那些擅长专注的对手所打败。

如果让香农听到这些，他肯定会生气的。香农深深认同布什的通才观念，我们认为这是因为这与香农的天生好奇的性格不谋而合。香农之所以成功，并不仅仅因为他天生聪明，更由于他不遗余力地保持多样化的兴趣。

他最着名的硕士论文里面糅合了他在布尔逻辑和计算机两方面的兴趣，这两个本来井水不犯河水的学科，在香农的大脑里得到了融合。香农的信息论论文吸收了他在密码破译、语言学、以及文学方面的积累。他曾对布什解释说：

在香农投身到科学研究的同时，他也培养了一些能够帮助他保持思维敏捷的兴趣爱好：爵士乐、独轮单车、杂耍、国际象棋、小发明、诗歌，等等。他本来可以把自己的才华全部用在某个特定的领域，不断地专研深挖，并终此一生。但幸运的是，他并没有这样做。

广泛涉猎也意味着想停就停的自由。即使像香农那样的天才，也不能保证所有开启了的工作都能取得结果。这可能也违背了某些现代常识，但是我们认为其中有它的道理。香农通常会工作到他感到满意为止——然后就会转向其他事情。在某些人眼中这是三分钟热度的表现，但我们认为这是因为他已经清晰地知道后面需要付出多少代价。

即使是Time Ferriss（现代生产力运动的先知）也会鼓吹知晓什么时候该停下来的重要性：“懂得在没有结果的事情上及时收手，是成为赢家的必备条件。”同理，这也是为什么许多有才华的画家会在他们的工作室里存放着大量未完成的作品。

当Ed Thorp在1961年与香农共同构建可穿戴计算机的时候，他曾经拜访过香农的工作场所，那是一个香农用来捣鼓各种东西的大型家庭作坊，他是这么描述的：这是“一个发明者的天堂……有数以百计的机械和电子设备，电机、晶体管、开关、滑轮、齿轮、冷凝器、变压器，等等等等”香农随心所欲地在各个项目之间窜来窜去，丝毫不介意自己的手变脏，也不介意那些零件和半成品散落各地。

香农在学术研究上也是这样。他的阁楼里塞满了纸条、写了一半的文章，以及写着“好问题”的报告纸。

我们一方面对香农那些未能发表的工作表示遗憾，另一方面，我们也认识到正是这样的混乱给他的创作提供了条件。香农并不把时间和精力花费在整理论文和工作室上，而是将其投入到研究国际象棋、机器人或者投资策略中了。

香农的广泛兴趣使他需要足够的时间才能把想法变成现实。但不幸的是，他通常不会公布他的发现成果。他总是跟随着好奇心而动，虽然有时看起来很低效，但是若干年后他可能会回头来继续研究他最好的想法。

他1948年发表的信息论的论文花了将近十年时间才完成。1939年研究生毕业的时候，他开始有了研究“关于信息传输系统的基本属性，包括电话、无线电、电视、电报等等”的想法。在从有想法到论文发表中间的时间，适逢第二次世界大战，他参与了对高射炮理论和密码学的研究，以致于他只能在业余时间研究信息论。

后来在回顾往事的时候，他捡起了之前的灵感，然后就开始研究。研究工作并不是线性的，想法总是随时到来，“我记得有一天晚上半夜醒来，我突然有了一个想法，然后我就整晚都在研究这个想法。”香农的一个同事说，当他的信息论论文发表时，“就像一颗炸弹“。这是坚持了十年研究的成果，而香农的耐心使得他的理论非常成熟。

这也许是我们最难理解的一条，生活在追求“及时满足感”的时代，在工作中多等十分钟都已经变得稀奇古怪，更不用说等10年时间了。但是对于从事创新、创业以及创造性工作的人们而言，也许这就是最好的一课了。精英都把时间当做朋友。

记住：香农并不是十年时间全副精力都扑在研究信息论上，事实上，他非常忙，根本没有空，研究信息论只是业余时间，但是也正是他的坚持和耐心，使得他能完成了这份重要的工作。

如果也可以坚持足够长的时间，我们在业余时间会做些什么？

香农朋友不多。他贝尔实验室的同事说，香农并不是“不友善”，只是他从来不是社交物种。

Brockway McMillan也是香农的同事，说香农“一贯对数学问题的争论没有耐心，他解决问题的方式与大多数人的做法不同“，香农的出类拔萃的智商使得他有一种冷漠或不耐烦的气质，正如McMillan所说的那样，“他从来没有争辩过他的想法。 如果人们不相信，他就会忽视那些人。“

傲慢和自信之间只是一线之隔，但香农一般处于右边，因为他有智力资源来支撑他的自信。但同样重要的是，他花了很多时间来积累这些智力资源，因为他从来没有被卷入争权夺位，玩弄办公室政治，或试图让每一位批评家都满意。解决问题的乐趣对他来说比其他所有的东西都重要，因此，当他选择朋友时，他会选择那些志同道合的人，以及那些给他最大帮助的人。这样也使得他的朋友很少。

阿兰·图灵（Alan Turing）是他为数不多的朋友中的一个，二战期间图灵代表英国政府来美国实地调查密码学研究，他们有过一场深入的交流。 在贝尔实验室，香农还与工程师Barney Oliver和John Pierce保持联系，他们每个人都是信息技术史上的先锋人物。

香农同样从交友中受益。 因为他选择他所欣赏的的聪明人和富有创造力的人做朋友，所以，他也变得更聪明，更具创造性。 他在经营自己的友谊中比我们大多数人更加慎重，他只选择那些能激发他自己潜力的人。

香农对待友谊侧重于内容，而不仅仅是关系。 当然，香农和他的朋友们也有一些玩乐的时候，但相对于大多数人而言，他们也花更多的时间讨论严肃和令人头疼的事情。 图灵和香农并没有花时间谈论天气，他们只是谈论人工智能，只有两位先驱可以这么做。

这对我们其他的非天才们意味着什么？ 这并不意味着要放弃你现在所有的朋友从而再换一批新的。 这意味着我们要问自己，你的朋友是谁，你们一起做什么事情。多想想你们一起的时间的价值是什么，如果你觉得应该变一变，就改变它。

传说中香农的办公室里到处都是支票，如他的版税、股票投资的收益，但是他好像并不在意这些钱。这和其他的传说一样，都被夸大了，但是无风不起浪。香农的一位同事说确实看到过他的办公桌上有一张大额度未兑现的支票，而且他朋友们在回忆的时候总是提到他似乎对金钱漠不关心。

赚钱从来都不是香农最关心的问题，但是他的确赚到了不少钱。他成功投资了很多早期的硅谷公司， 如Teledyne and Harrison Laboratories（被惠普收购）。香农众多爱好之一就是选股票，他经常给给大家分享投资的经验。到他去世时，他的家底非常丰厚。

那么，他是如何协调赚钱与一门心思地追求科学这两件事情的？

斯多葛学派哲学家塞内卡有一条伟大的名言：“能够视陶器为银器的人是伟大的，而视银器为陶器的人也同样伟大。没有一个强大的内心就不能够忍受财富的考验。“ 听起来很奇怪，财富为什么要”忍受“？塞内卡又说：对金钱的追求会妨害我们对真正重要事情的追求。 金钱既不是万恶之源，也不能解决我们所有问题：问题在于它是否挡在了对真正重要事情追求的道上。

香农是一个很好的例子，他很富有，也没有被追求财富所左右。 他从来不是为了过奢侈的生活才去积累财富，他的财富使得他能把更多时间花在他喜爱的小玩意儿项目上。他用投资回报的钱来研究杂耍中的物理学并制造杂耍机器人，以及和Ed Thorp一起发明了可穿戴计算机。

我们并不是需要知道对金钱的追求会掩盖真正重要的东西。但是我们需要提醒自己，财富随着辛勤的工作而来，但它并不是我们之所以辛勤工作所要追求的目的。硅谷企业家保罗·格雷厄姆这样说道：“我受到过很多批评，因为我告诉创始人先把重点放在做出好东西上，而不是担心如何赚钱。但是这正是谷歌和苹果的成功之道。“

还有更重要一点，香农并不是只是漠视财富，他是漠视财富但是同时也善于获得财富。我认为漠视财富使得你能集中精力做有价值的事情，这些有价值的事情使得你能获得财富。这是我们都应该深刻理解的道理。

香农从来不会被出版大部头书籍的同事所打动，也不会被最花哨的理论所打动。 他喜欢的是极度的简洁（这让我们不得不又想起乔布斯）。

1952年，在与贝尔实验室工程师的一次谈话中，香农介绍了他自己所用的一个非常有效的问题解决策略。 第一条就是你应该首先通过简化来解决你的问题。香农说 “几乎你遇到的每一个问题都会被各种无关的数据混淆，如果你能简化问题，就能更容易看到问题的本质”。

简化是一门艺术：需要一点点剥去问题表面的东西，而不是让它变得更加有趣。 香农承认一步一步拆分会使得问题慢慢变得不是问题——但这正是解决之道所在：“通常如果你能解决这个简单的问题，你可以在这个解决方案中添加改进方案，直到你能解决最初的那个问题“。

Bob Gallager博士是香农的研究生，后来也成了信息理论研究的领导人物，他亲眼见识过香农是怎么对问题进行简化的。 有一天他来到香农办公室，带着一个复杂的新研究想法，然而，对香农来说，那些只是单纯的“花哨”：

我们从小就被教育说越能掌握复杂的概念越证明我们的智商高。问题越复杂，越需要聪明的人才能解决。但是，香农让我们也看到了相反的一面，那就是越追求简单，越需要更高的智商。

毕竟，正如作者Ben Casnocha写道：“简化复杂的问题并不意味着忽略问题的复杂性。”，香农也是这样，他可以和他最优秀的同事一样用最复杂的数学公式，但是他今天被人们铭记是因为他可以把事情拆解清楚，而不是搞的更复杂。

不要将简单与简单思考混淆。 要将其简化并提炼事物的本质是很难的事情。 如果你在会议上觉得“这个问题太简单”从而不愿意说些什么，你可能需要在想想是不是真是这样，因为，这可能是你最应该要达到的目的。

在香农30几岁的时候，他是美国科学界中最耀眼的明星之一，被媒体和荣誉所环绕着。他的”信息论“迅速走红，而他本人也经常被吹捧为当代最优秀的科学家之一。

香农的信息论成为了当时的时髦词，从地质学到政治学再到音乐学，各个学科都恨不得用它来解释一切。然而，正在香农风头最盛的时候，他发表了一篇四段文来呼吁大家减少对他的”吹捧“。

他这么写道：“（信息论）可能有点被过誉了。我们一些在各个领域的同行科学家们被外界对它的赞赏和科学分析的新途径所吸引，开始用它来解决他们领域内的问题...信息论变得有点像万金油的感觉。”

诚然这样的情况会让人感到“愉悦而兴奋”，但香农却建议他的工程师和数学家们要把注意力放回到研究本身。“信息论如果是一个商品的话，现在已经是卖出去了——先不管它有没有被超卖。我们现在应该继续把注意力投入到尽可能高水平的研究和开发工作上去。”

这并不是因为香农想独揽成果。相反，他很欢迎那些对信息论有效应用的成果，他担心的只是他开发出来的这些理论被赋予过多超出它们内在价值的意义。

这份声明在科学界引起了一些回响。这对那些涉世未深的年轻人、以及那些以实际行动大力鼓吹信息论的人来说意味深远。但对他来说，最重要的是回归真实——这是他对真诚、严肃的科学研究的承诺，而这终将给他带来声誉。

换句话说：香农并没有积极地推广他的想法，而且我们认为他也不擅于此。但他确实没有必要去做，因为他的想法是如此的出众而独特，人们自然就会为之吸引。

这对我们的启发是什么？我们难道不都认为自己的工作是出众而独特的吗？可能我们的想法确实有那么好，但是香农的研究工作快速爆红的例子对我们确实好的想法没有什么借鉴意义，反而是当我们的想法并不太好而且一直得不到太多关注的时候反而更有借鉴意义，因为可能我们的研究就是还不够火候，还需要继续努力。

就像伟大的哲学家Regina George在电影《Mean Girls》中说到的”当我们挖空心思去追求的事情一般都不会发生“。水到自然渠成。

在反思职业生涯中的弯路时，香农坦陈说：“我认为自己的目标从来都不是为了获奖，虽然我获了几十个奖。我的动力更多是源自于好奇心，而不是对财富的渴望。我就是想弄明白事物的组成原理，或者运行规则，或者是否有什么理论能决定事物的是与非。主要还是因为我想知道这些。”

他并非在夸大其词。香农经常在被授奖之后推托不愿去领取。那些邀请他去演讲的信件都被他放到我们前文提到的那个邮件垃圾箱里了。

他这种冷漠的态度还以另外一种方式展示出来：他曾被授予过很多荣誉学位，于是他把那些博士服坎肩挂在一个类似旋转式领带架的设备上（这个设备也是他自己做的）。虽然不知道那些颁奖机构会不会不爽，但这表现出了香农对“被赞美”的轻描淡写的态度。

当然，淡泊名利的行为也是有一定好处的。对香农来说，他得以投身于那些“着名”科学家们不屑于涉足的领域：玩具机器人、国际象棋、杂耍、独轮单车。他还造出了会玩杂耍球的机器，以及一个在吹奏的时候会喷火的消耗。

数学家一般不愿意在一些不够高大上的问题上投入时间——他们称之为“幼稚问题”。但香农却愿意做那些真正“幼稚”的事情。而且还屡次三番地在这些可能会让人感到尴尬的、涉及的问题也比较琐碎的事情上找到突破。

如果香农一开始就是以诺贝尔奖或国家奖章为目标的话，他还会有心思来做这些事情吗？也许会吧。但事实上，他对外界成就的淡然处之的态度反而让他能够做得更多、走得更远。

我们承认，这些道理说起来容易，做起来难。我们都不会忽视自己的社会地位，特别是对那些具有雄心壮志的精英来说，要做到淡泊名利是多么的困难。香农的例子告诉了我们，在这种淡泊名利的背后隐藏着同样有价值的东西：乐趣与自由。

跟“成就”比起来，“乐趣”可能显得过于随意。但“自由”则不同。即使可能有损他的社会地位，香农也毫不在意。他让自己自由地去探索任何感兴趣的学科，某种程度上，这种自由正是源自他从不关心其他人怎么看待自己。

在我们走在追名逐利的路上时，我们常常会忽略为此付出的自由的代价。放下这些所谓的荣耀，轻松地去生活和学习。

我们有多少人想寻找像香农那样的突破，但是却坐等灵感来袭？坐等可能吗？

着名画家Chuck Close也有相同的看法，他说，“灵感是给业余爱好者的，我们其他人只是出现并开始工作。 要相信成果会在工作本身中萌芽出来，通过用心工作，你会碰到其他的可能性、打开意料之外的其他的门，如果你只是坐着等着一个伟大的艺术创意出现，那它永远不会出现“。

香农也是相同的看法，只不过香农寻找的是一个伟大的“科学想法”。这个想法可能来自一场高质量的对话，或者在工作坊中的修修补补，或者来自他大部分生命中那种漫无目的折腾——最重要的是，想法来自于做，而不是等待。

香农告诉他的贝尔实验室的工程师们，一个伟大科学头脑的标志并不是秒思如泉涌，而是一种“动机”、“某种想要找到答案的渴望，想要找出事物运行的本质的渴望“。这一根本驱动力是必不可少的：”如果你没有这些，你可能拥有世界上所有的技能与智慧，（但是）你没有问题，你就不可能找到答案“。

这个根本驱动力从何而来呢？ 香农对这种难以捉摸的品质的表述令人回味，是这样的：当事情看起来不太正确时，开始有“轻微的恼怒”，或者是“建设性的不满”。最后，香农对天才的描述也令人耳目一新：天才只是一个把愤懑发泄在有用的地方的人。 而那种有用的刺激一直不会来，直到会在工作中，你偶然发现一些令你烦恼的事情，看起来怪怪的，让你纠结。

不要逃避那些时刻。 不惜一切代价坚持下去。

那些和香农本人一起共事过人应该会感到很幸运，因为认识了他。而我们虽然只能通过书本来了解他，但也同样感到幸运。

我最后的想法是：互联网，数字时代以及所有基础技术——这些都是非凡的人类成就。 但我们可能很容易地忘记他们的历史，它们是什么、它们解决什么问题、为什么要解决这些问题、它们为什么存在、谁创造了它们。我们应该从这些历史中去学习，没有历史就没有未来。

我们不仅仅只是应该学习已经创造出来的这些东西本身，我们应该理解创造这些东西背后所隐含的精神力量。好奇心以及创造力产生了巨大的创新火花，从而不断推动世界的前进。这来自于像香农这样的头脑，他们从工作中获取乐趣。

这是值得记住的精神。 更重要的是，我们应该践行这种精神，发扬这种精神。

原文： https://medium.com/the-mission/10-000-hours-with-claude-shannon-12-lessons-on-life-and-learning-from-a-genius-e8b9297bee8f

D. 香农的信息论和图灵的图灵机，哪一个对人类的进步贡献大

大学毕业后的香农在麻省理工学院（MIT）注意到公告栏上张贴的招聘操作微分分析仪助理研究员的广告。香农申请到这个职位，并在职攻读硕士学位。香农为什么申请这个职位呢？这源于他对布尔逻辑维持一生的兴趣。当时的微分分析仪其实是一种早期的模拟计算机，它通过上百个继电器组成的结点电路控制运算，可以求解高阶微分方程。香农在密歇根大学时，曾学过符号逻辑和布尔代数，这成为他后来研究二元系统的数学理论基础。中国人早就注意到二元现象的普遍性，并发展出阴阳哲学体系。但遗憾的是，中国人从未用数学的观点去形式化描述二元现象，把对这一对象的认识模糊在玄学，而非精确在科学。这是值得我们当代国人思考的。

E. 战胜一切市场的人

《战胜一切市场的人》 | 于利强解读

《战胜一切市场的人》 | 于利强解读

建议WiFi环境下播放

关于作者

爱德华·索普本身是一名数学家，但他最为人称道的成就却是在赌博和投资领域。他是横扫拉斯维加斯各大赌场的赌神，也是量化投资的教父级人物，彻底改变了全球证券投资行业。

关于本书

这是爱德华·索普的回忆录。在这个看似不理性的世界里，索普始终理性思考，从校园、到赌场、再到华尔街，全都是大赢家。他证明，赌博、投资，甚至生活中的各种问题，都可以简化为科学问题，只要通过一套简易的算法就可以破解。索普在书中揭秘了自己的解题过程和思维模型，这些模型将会帮你在人生各种难题面前，更聪明地思考和决策。

核心内容

不管是赌场还是股市，都有个主流观点，就是你没法战胜庄家和市场。如果你做投资，业绩还不错，大概率只能算运气还不错。但只有找到有统计学意义的优势并能重复获利，才称得上“战胜市场”。那么这可能做到吗？如果能，那应该怎么做？其中要用到哪些思维模型？

本期音频，会通过三个问题的解答过程，带你了解索普的思维模型。

一、怎样才能击败赌场？

二、怎么才能战胜市场？

三、怎样进行风险管理？

点击查看大图，保存到手机，也可以分享到朋友圈

首页

你好，欢迎每天听本书，本期音频解读的书是《战胜一切市场的人》。这本书是爱德华·索普的自传。索普本身是一名数学家，但他最为人称道的成就却是在赌博和投资领域。他是横扫拉斯维加斯各大赌场的赌神，也是量化投资的教父级人物，改变了证券投资业的格局。

不管是赌场还是股市，都有个主流观点，就是你没法战胜庄家和市场。注意了，业绩优于市场与战胜市场不是一回事。业绩好可能只是因为运气好，只有找到有统计学意义的优势并能重复获利，才叫战胜市场。所以，如果你做投资，业绩还不错，大概率只能算运气还不错，不一定就算战胜市场。

但是本书的传主、也是本书作者，爱德华·索普认为，赌博和投资，都可以简化为科学问题，更准确地说，是数学问题。他用数学的方法证明，玩家可以击败庄家，投资者也可以击败市场。他在理论上证明后，又一一实践验证：他先是在赌城拉斯维加斯大杀四方，赢了一大笔钱，还把方法公布于众，成千上万的赌客用索普的方法去赌城淘金，迫使赌场不得不修改规则。随后，他又成功运营了一个对冲基金，获得的投资收益堪比股神巴菲特，而且29年的职业生涯中没有一年是亏损的，这点巴菲特都没做到。

正因如此，索普敢说自己是“战胜一切市场的人”。他总结出来的思维模型和方法，不仅可以用在赌博和投资领域，在人生的其他领域也同样能用得上。

本期音频，我会通过三个问题，带你了解索普的思维模型。

第一个问题，怎样才能击败赌场？

第二个问题，怎么才能战胜市场？

第三个问题，怎样进行风险管理？

第一部分

我们先来看索普是怎么击败赌场的。

很多科学家都注重研究理论，不太注重理论的应用。但是索普不一样，他研究理论，但更关心用理论来解决实际问题。

索普从小就聪明过人，最感兴趣的是做各种化学实验，十几岁就自己配炸药玩。他家境贫寒，为了能上大学，通过几个月时间自学，就得了全国物理竞赛第一名，拿下了大学奖学金。他读完物理学的本科和硕士，又继续攻读物理学博士。因为写论文要用到很多数学知识，索普在自学数学的时候兴趣再次转向，转而拿下了数学博士，并一路成为了数学教授。

大学教学之余，索普热衷于研究实际的数学问题，尤其是跟概率相关的赌博问题。他中学时，就听到过这么一个说法，玩家不可能战胜赌场，因为从概率来说，赌场长期是稳赢的。所有赌局的概率设计，赌场一方获胜的概率要略大于50%，比玩家高几个百分点。只要你一直玩，赌场就能最终把你的钱赚走。

历史上也有很多着名的数学家，都热衷于研究赌博游戏中的概率问题。但在索普之前，这些数学家的结论也基本都是，你不可能击败庄家。

但索普这个人有个特点，别人说的不作数，可不可能，得自己试过才知道。研究了一圈赌博项目，索普发现，所有赌场游戏中庄家优势最少的、对玩家最友好的，是一个叫21点的游戏。但这个游戏中，庄家的胜率还是比玩家略高。

21点的规则说起来真的很简单：每个人先拿到两张牌，然后选择继续要牌还是不要。手中的牌点数相加，玩家尽量让自己手上的牌接近21点，21点最大，但不能超过21点，超过就“爆牌”出局了。

他通过研究这个规则就发现，玩家获胜的概率不固定，而是随着发牌而发生变化。一副扑克陆续发牌，如果先出小牌，那么在剩下的牌堆里大牌较多，而大牌多对庄家不利。因为规则是玩家可以随时停止要牌，但庄家在17点以下，则必须继续要牌。剩下的大牌越多，庄家越可能爆牌，赌客的胜率就越高。

这还是1959年，索普利用当时运算能力还极其有限的IBM大型电脑，推演了所有情况下的概率分布，发现玩家比庄家的胜率最高能多5个百分点。理论上，只有在胜率高过庄家的时候才下注，那就一定能击败庄家。

但是要去实战，只算出理论概率显然是不够的。赌场不允许你带电脑，也不允许你拖延时间，玩家只能凭借自己的大脑来快速算牌。索普将这个问题进一步简化，并得出了一个简便易行的算牌方法，叫“高低法”。我简单给你介绍一下：低牌是2、3、4、5、6，算加1；中牌是7、8、9，算0；高牌是10、J、Q、K、A，算减1，总分加起来，结果越大，就表示前面出现过的小牌越多，剩下的牌对玩家越有利。

索普研究出致胜策略后，就跑去拉斯维加斯的赌场小试牛刀，证明策略可行，随后他居然发表了论文，也引来了媒体关注。但这时，其实大部分人并不相信真的有击败庄家的方法，不仅有媒体质疑，赌场也来嘲笑索普只是个书呆子。

但随后赌场就笑不起来了。索普拿着1万美元，来到“赌城”拉斯维加斯，只用了30个小时，就赚了一倍多。这在当时已经算是比较大的金额，引起了赌场的注意。赌场开始用各种方法刁难他，比如增加洗牌的频率，更换扑克牌，不卖大额筹码给他，甚至还派上了作弊的发牌手。尽管有这样那样的干扰，索普仍然能赢钱。最后赌场使出杀手锏，封杀这位常胜将军，请你出去，别在我这里赌了。索普陆续登上了多家赌场的黑名单。

但赌场的噩梦才刚刚开始。索普随后写了一本书，揭秘自己的21点致胜策略，书名就叫《击败庄家》。这本书在1962年出版后，迅速成为畅销书。成千上万的算牌玩家用索普的方法去拉斯维加斯，只玩21点，这动摇了赌场的根基。赌场大佬们开会，有人提出直接做掉索普，但最后他们还是选择了更文明的方式，修改游戏规则，重新掌握概率优势。

之后索普乔装改扮，陆续去过多次赌场。但连续赢钱的他，总是免不了逃脱赌场的重点关照。他在书中记录了两次惊险的经历：一次是连续赢钱之后，喝了赌场送的酒水，出现了中毒症状；另一次是在回程途中，下坡路上，车速高达100多迈，刹车失灵，差点翻车。

赢钱当然很好，但要冒着生命危险，这就不值得了。索普本人仍然是个数学教授，还要上课搞科研，于是放弃了赌博，况且策略得到充分验证，他已经心满意足了。

除了21点，索普还用数学方法去研究了其他赌博游戏。比如轮盘赌，去猜轮盘上转动的小球会最后停在哪个数字格里。

轮盘赌本来是个纯粹的赌博游戏，赌场占据绝对的概率优势。但是索普认为，小球从高处下落，最终停止运动，这其实是一个物理问题啊，只要能记录小球的运动轨迹和速度，就能算出落到哪个区域。

索普跟同事克劳德·香农，就是那位“信息论之父”，两位科学家合作研发了人类历史上第一台可穿戴电脑。这个电脑只有香烟盒大小，被嵌在鞋里，脚指头控制按键，电脑会计算出轮盘赌小球的轨迹，给出预测的结果。这个设备他们带到赌场去实战过，证明可行，但是碍于当时的技术、设备不成熟，比较容易出故障，就收起来了。

顺便说一下，与索普合作的香农教授，是信息论及通信理论的奠基人，电脑中的二进制应用就是由他提出的。香农和索普一样，是个非常有意思的科学家，每天听本书还解读了《香农传》，解析了香农的思维方式，推荐你找来听听。

我们简单总结一下第一部分的内容。索普运用概率思维，成功地破解了21点的秘密，实现了统计学意义上的击败庄家。

同时我们也知道了，赌场也在不断地打补丁、修bug，重新确立概率优势。总体来说，对于绝大多数人来说，要想不输给赌场，最好的选择就是不赌。

第二部分

击败赌场之后，索普的兴趣开始转向，那就是金融市场。

有人说股市就是赌场，这个话虽然不一定对，但投资和赌博确实有相通的地方。两者都基于数学和概率分析，都需要平衡风险和收益，都需要管理仓位，都需要高度的理性。某种程度上来说，赌博就是简化版的投资。既然在赌场这个博弈市场中可能通过数学获胜，那在华尔街这个世界上最大的博弈市场中，数学家还能取胜吗？

索普初次接触金融投资的经历并不美好。他一边继续教学工作，一边把在赌场打牌和出书挣的钱投入了股市。但就像大多数散户一样，他主要是看报纸听专家选股票，也像很多散户一样，很快就亏掉了一半钱。痛定思痛，索普重新思考这个问题，怎么样才能投资成功、实现统计学意义上的战胜市场？

经济学界盛行一套理论，叫有效市场论。这个理论认为，市场能充分反映所有已知的信息，股价也能立即反映所有新的信息，市场上的任何投资优势都是有限、微小并且短暂的。结论就是，除了少数幸运儿，投资者无法战胜市场平均收益；想要高收益，只能承担高风险。

但对于索普来说，“市场无法战胜”这种说法，同样需要自己来试一试。他这次仍然用的是数学方法。

索普的思路是这样的：选股票，需要研究公司基本面、消息面、技术面，还需要看宏观微观经济，这些我都不擅长。那我擅长什么呢？当然是数学。那投资有没有可能变成一个纯粹的数学问题？有没有办法既不用选股，又能抵御股市大起大落的风险，还能获得满意的回报呢？

答案就是两个字：对冲。对冲是指，你预测到某种风险的存在，就用另一种方式去抵消和降低这种风险。棺材铺卖药，死活都赚钱，这就是一种对冲。

金融投资中的风险对冲，就是用一项投资去降低另一种投资的风险。一般来说，这两种投资需要相关度比较高，才能有效对冲掉风险。举个例子，如果你要选股票，通用汽车和可口可乐两家公司，差异性很大，遇到的风险也不同，这两者之间很难做对冲交易。但如果一个是可口可乐，另一个是百事可乐，两家公司面对的外部风险非常类似，你就只要判断在同等外部环境下，哪个公司更好，然后买入好的那个，卖空差的那个，就能对冲掉大部分外部风险。

而索普的策略把这种风险对冲做到了极致，根本不用选公司。他只要找同一个公司发行的不同证券产品。这两个产品高度趋同，同涨同跌，但是定价又有差价。这相当于同一个东西，在两个地方，换了两个名字，就卖出了两种价格。有了这两种产品，一边买入便宜的那个，另一边做空贵的那个。随着时间的变化，市场长期来说还是会有效，越来越多的人发现了这种定价错误，资金像水一样，会从高处流向低处。两者间的差价逐渐消失，投资者就可以收获利润。

索普用这种方法，对美国电话电报公司AT＆T的新旧两种股票进行了交易，大赚了一笔。当时，通信巨头AT&T公司将要分拆，成为一个“新的”AT&T公司和7个“子公司”，原股东会收到新的8家公司的股票。但市场不喜欢老公司、更追捧新公司，所以同等的旧股票价格比新股票要低。索普于是借了一大笔钱买了原AT&T公司500万股股票，同时做空相应数量的8家新公司股票。这是笔稳赚不赔的买卖，索普因此轻松赚到了160万美元。

这种投资策略跟股市是否涨跌并没什么关系，所以被称为是“市场中性”的策略。而事实上也确实如此。索普在29年中没有一年是亏损的，包括几次大股灾，投资年均复合收益率堪比巴菲特。

当然，这个策略最大的难点在于，你得知道这两种证券的定价，才能判断它们之间有没有机会。

比如最常出现的机会是在股票和期权之间。期权就是一张合约，有了它，你就有权在某个时间段里，以某个固定的价格，买入或卖出一种资产。比如股票期权，就类似赌未来股价的一张彩票，跟股价同涨同跌，走势完全相同。

但是做对冲交易之前，你必须知道这个彩票实际值多少钱。这又是一个数学问题。经过一番计算，索普找到了这个彩票定价公式。经过计算，索普发现市场上存在大量定价错误的期权，只要有效利用它们，就能战胜市场。这种借助数学的方法，从海量数据中寻找投资机会的投资方式，就是我们经常听到的“量化投资”。在《击败庄家》后，索普又写了本书叫《击败市场》，这本书是量化投资的开山之作，也成为有史以来最有影响力的投资指南之一。

后来，索普仿照巴菲特的模式，建立了全球第一家采用量化投资策略的对冲基金。如今，量化投资已经是全球证券投资市场最重要的几大派别之一。作为量化投资理论和实践的先驱，索普彻底改变了证券投资行业。

索普后来又进一步完善了期权的定价方法，但他这次没有公开，而是留下来闷声发大财。后来，有另外三位数学家受索普的书启发，也发现了这个期权定价公式，公开发表后，因此获得诺贝尔经济学奖。错过诺奖的索普并不后悔，选择本来就有得有失。

从1969年成立，到1988年意外关闭，索普管理的两支基金，在19年里的总回报率分别为27倍和15倍，年化平均回报率分别为18.8%和15.1%。作为对比，同期标准普尔指数上涨了5倍，年均增长率为10.2%。他的收益是远远跑赢标普指数的。在这19年期间，分别发生了1973年第一次中东石油危机，1979年第二次中东石油危机，还有历史上单日跌幅最惨重的1987年黑色星期一股灾，但是索普管理的基金从来没有一个季度发生过亏损，更没有年度亏损。索普再次证明，自己可以击败市场。

总结一下第二部分内容，索普使用风险对冲的策略，击败了市场，在风险极低的情况下，取得了高额投资回报。

不过索普的经历，也证明了市场在一定程度上确实有效。同样的投资策略会被越来越多的人发现和使用，投资收益率会逐渐降低，并趋近于市场平均水平。长期来说，击败市场还是很难的。索普也建议普通投资者，买指数基金，跟上市场平均收益，就能战胜大部分人了。

第三部分

在本书的最后几章，索普给普通投资者提了很多建议，我认为其中最重要的，就是他风险管理的方法。

索普本人极度厌恶风险。你别看他去拉斯维加斯赌博，后来又在华尔街管理资金，动不动就是几亿美元的大手笔。但他都是基于理性分析的稳赢策略，对于他来说，赌博和投资都不是运气游戏，而是一种科学实验，风险都很低。

作为数学家，索普的优势是能在理论上推导出最优的策略。但实践和理论之间还有一道鸿沟，就是现实的不确定性。输的概率虽然低，但输了之后结果会很严重。

20世纪60年代初，索普做了一笔白银投资。当时他预计到白银价格会大幅上升。在银行的建议下，他借钱买入白银。随后白银果然持续上涨，索普短期内赚了很大一笔钱，但这笔钱并没有收进。在随后白银短期的波动，价格下跌达到1/3，在杠杆的作用下，亏损超过了本金，索普爆仓了，这笔投资全部亏光。这件事情，让索普在之后的50年职业生涯，始终把风险管理当做最主要的事。

判断对了，但是却亏光了钱。问题出在哪里？对于赌徒和投资者来说，如果投资策略没问题，那主要的关键就是怎么下注，或者叫仓位管理，这也是风险管理的核心问题。

赌注太小，赢得不够；赌注太大，随时爆仓。一旦输光，即使遇到100%能赢的机会，也没法再翻盘了。

那有没有一种最佳的下注策略呢？既能获得比较高的收益，又不用冒太大的风险。

还真的有。在共同完善21点赌博策略时，索普经香农教授提醒，了解到了凯利公式。

凯利公式的发现者是物理学家约翰·凯利，这是一个关于如何下注的策略。这个公式是这样的：下注比例 = 胜率/赔率。胜率是你能比庄家多的优势；赔率是每1块钱的预期收益。根据凯利公式，你只要计算出赔率，计算出获胜的概率，那么你就能知道要拿当前资金的多少比例去下注。

索普就是这么玩的。他带着1万美金，去拉斯维加斯。胜率不利时按赌场的最小下注额下注，胜率有利时增加下注，最大下注500美元，也就是总金额的5%。在赌场，赢的人总是迷信手气而加大赌注，输的人则期望下一把翻本。可索普不相信手气，只相信数学，始终坚持用凯利公式下注。这是他每次都能赢钱的秘密。数学证明，根据凯利公式下注，有两大好处：一是在长期中能获得最高的复利增长率；二是永远不会输掉全部本金。

凯利公式这么重要，但在本书中，索普甚至没有在正文中列出凯利公式的方程式。我推测，这是因为公式背后的思维方式比公式本身更加重要。在生活中，概率和赔率并不可能像赌桌上那么清楚，但你可以通过凯利公式的两条原则，提升决策的有效性：

第一，根据胜率和赔率下注，胜率越大、风险越小，赌注越大；

第二，除非有100%的胜率，别全部押上。

索普把这个公式运用到自己之后的赌局和投资中，也正是因为他的使用和推广，凯利公式成了金融界的香饽饽。股神巴菲特、股神搭档查理·芒格、债券之王比尔•格罗斯等人，都曾明确表示，自己在风险管理中，使用到了凯利公式。

查理·芒格说过：“当世界给予你机会的时候，聪明的投资者会下重手。当他们具有极大赢面的时候，他们会下大注。其余的时间里，他们做的仅仅是等待，就这样简单。”芒格的话，其实就是凯利公式所表达的意思。

但在华尔街，并不是所有人都能认识到风险管理的重要性，到处都是用高风险博取高回报的案例，其中不少惨痛的教训。长期资产管理公司就是个经典的反例。

长期资产公司一度是华尔街的超级梦之队。合伙人中包括多位知名经济学家，其中就包括发现期权定价公式的两位诺贝尔奖获得者。长期资产的人，还曾问过索普是否有兴趣参加，或者投资，索普拒绝了。他认为长期资产的领头人偏好高风险，自己并不喜欢；而且他认为长期资产的合伙人们，缺乏实际投资经验，难保不是纸上谈兵。

长期资产创立于1994年，在前几年每年收益都高达30%以上。但它的高收益建立在高杠杆高风险上。它的杠杆率在30倍到100倍之间浮动，不到1%的利润可以放大到约40%的利润。但是一旦市场下跌3%，本金就会全部亏光。据这帮经济学家的测算，亏光的概率不到万分之一，但这种小概率事件恰恰就发生了。1998年，长期资产公司在不到四个月内亏掉46亿美元，几乎亏光了本金，随后倒闭。索普的评价是：“这帮人下注太多，酿成了大祸。”

想要完完全全应用凯利公式，需要知道收益结果的确切概率。在大部分赌场中你预先可以估计到自己的胜率。而在现实投资中，这种胜率很难估计，而投资者天生又会过度乐观和悲观。你认为70%胜率的投资，可能实际只有55%的胜率。面对这种情况，索普的办法是，再保守一些，用比凯利公式算出的结果更小的比例去下注。

索普警告，对于那些声称100%赚钱、而且收益率还很高的项目，尤其要睁大眼睛。

索普就亲自揭露过这样一个骗局。1991年，有一家投资公司请索普来帮忙，检查公司的投资组合有没有问题。索普经过梳理发现了组合中有个基金不太正常。这个基金持续10年每年收益都高达20%以上，而且每个月都是赚钱的。索普详细询问了基金经理的投资策略后断定，这是个骗局。根据他的计算，按照这种策略，基金不可能每个月都赚钱，肯定应该有赔钱的月份。

带着自己的怀疑，索普将这位基金经理的买卖记录与市场上当天真正的交易量做了对比，发现交易记录是伪造的，很多交易根本不存在。投资公司在索普的建议下，把钱拿了回来。由于监管机构的漠视，这起骗局后来又持续了17年，而且越来越大。直到2008年金融危机期间，因为资金链断裂，骗子才被正式揭露。这就是“世纪巨骗”麦道夫，这起骗局诈骗金额超过600亿美元，受害客户4800名，其中还有很多名人政要。

总结一下第三部分，索普进行风险管理的主要工具，是凯利公式。简单来说，胜率越高，下注越大，但别全押。公式背后的思维方式比公式本身更加重要，因为生活中面临的选择，胜率和赔率都不那么容易算清楚。

总结

好的。总结一下本期音频，我们用三个重点问题，带你了解了索普的故事和他的思维模型。

第一、怎么击败庄家？索普主要的思维模型是概率统计。索普从不轻信已有的结论，而是亲自去验证；他也不相信什么运气，而是寻找统计学意义上的解决之道。

第二、怎么击败市场？索普主要的思维模型是风险对冲。排除无法判断的情况，对冲掉自己无法掌控的风险，用自己最擅长的数学方法，成功获利。

第三、怎么控制风险？索普主要的思维模型是凯利公式。胜率越高，下注越大；除非有100%的胜率，千万别全押。最大的风险不是输钱，而是爆仓。

爱德华·索普的故事，此前王烁老师在《大学·问》和《30天认知训练营》中都曾讲述过。王烁给索普总结的打法中有一条，就是：始终保持理性，不是只在某个科学领域里保持理性，而是在与世界打交道的所有方面都保持理性。所以，索普才能从校园、到赌场、再到华尔街，全都是大赢家。甚至在找寻伴侣的过程中，他也是用理性的思考，得出了结婚的结论，并换来了长达60年的美满婚姻。

无独有偶，查理·芒格也曾说过，自己成功的秘诀如果只用一个词来说，就是“理性”。你必须先维持理性，才能够让知识得到有效的应用。没有理性，知识、耐心这些东西，都没有用。尽管我们很难复制索普和芒格的奇迹，但我们却可以学习他们生活中的理性。

撰稿：于利强

脑图：摩西脑图工作室

转述：孙潇

打开得到App听更多

F. THE PHYSICS OF WALL STREET怎么样

这本书告诉我们，过去一个世纪，物理学家和数学家是如何用日趋精细的数学模型，来全面入侵华尔街的。如果你对量化金融感兴趣，这本书值得好好一下。 在1900年，法国一位叫巴舍利耶（Bachelier）的学生，为生活所迫，在证券交易所做个临时工以勤工俭学。他憧憬着成为一名数学家，他的论文也结合了实习的经验，是关于股市价格投机的数学理论。 但当时的法国数学界对于应用领域的研究不屑一顾，即使他的导师是大名鼎鼎的庞加莱（Poincare），论文也没有获得优秀，从而使得他获不了终身教职，直到晚年才终于获得认定，实在是悲催。 直到大约60年后，他的论文被MIT的量化金融之父萨缪尔森（Samuelson）发现，才重新浮出水面。世人惊奇地发现，他在1900年，就已经独自一人做了几件惊天动地的事情。他发现了有价证券上下波动的随机性，并且用数学的方法为其建立了量化的模型。 同样的数学工具，在1906年，为另外一名物理学家用来推断出原子的存在，并且重新塑造了物理学，那个物理学家叫-爱因斯坦。 Bachelier认为股票价格上下波动满足正态分布，他甚至重新发明了概率论。另外，他认为股票今天的价格和明天的价格是不相关的，市场是有效的，你无法找到策略战胜市场。 萨缪尔森惊奇地发现，很多他们的工作在60年前就已经被老巴一个人干掉了，只可惜老巴找到了钥匙，但是没能等到门的出现，最终开门的就成了萨缪尔森了。 你如果要问，知道这个又怎么样呢，你又不能预测出明天的股票价格是多少，我如何赚钱？ 确实，老巴的理论不能预测准确的股价，但他能准确地告知你不同股价可能出现的概率，也就是量化了风险。当你知道了骰子出现六的机会是1/6，你就知道该如何下注了。 由于老巴的默默无闻，另外一个叫奥斯本（Osborne）的家伙也在大约老巴论文发表的60年后，重新研究股票的随机运动，写出了类似的论文，但修正了一处老巴的缺陷。奥斯本认为，不是股票价格波动的绝对值满足正态分布，而是股票价格波动的百分比满足正态分布。毕竟，10元钱的股票，不可能跌到0元以下，但可以高到20元以上。 说来也奇妙，奥斯本这家伙原来是一个天体物理学家，但生育能力很强，在他生了一对双胞胎，也就是他的第8个和第9个小孩后，迫于生计，他觉得要在股市上赚点外快了，所以才投身股市的。 他后来还发现了很多股市套利的技巧，比如买卖股票不要设定整数价位，那样的获利机会更高，等等。 当时计算机还没有普及，否则他可能就是最早的宽客（Quant）了。 Osborne的假设很快就被一个叫曼德尔布罗（Mandelbrojt ）的数学家推翻，他在1963年的论文中指出，股票的分布不是那么柔和的正态分布，而是更加激烈的幂次分布。 也就是说，极端事件的出现比想象的要大很多。 但是，他的命运和最早的老巴有点类似，在60年代，整个学术界好不容易接受了老巴的理论，并且惊喜地开始对风险进行量化管理，从而激发了大量的市场行为。 这时候，如果接受Mandelbrojt的理论，那无疑是说，风险是无法准确量化的，大家都不能下注了，那哪行。 加上Mandelbrojt的计算结果在股票正常情况下和Bachelier和Osborne的差别细微，只有在极端情况下才出现大的偏差，所以大家觉得无所谓（估计也没有多少人认真看他的论文），这样，轮到Mandelbrojt的论文被雪藏了。 另外一个原因，是由于当时Mandelbrojt在工业界而不是学术界工作，所以他的论文很难被接纳和发表，更难被重视。 他确实是在一家企业内部而不是学校里面做的研究，这家公司叫IBM。 当然，他的运气比较好，只过了30年就又重新被世人接受。当然，那是因为这段时间股市的波动更激烈了，出现了更多的金融危机，使得大家不禁质疑原有的基于Bachelier和Osborne的假设是否有问题，才逐步接受Mandelbrojt的理论。而后来，Mandelbrojt也发明了分形几何这门学科，成为了研究复杂系统的主要工具，这些都是后话了。 如果说，前面三位都是富有开拓精神的学者，都醉心于理论研究的话，后面这位仁兄就是实干型人才了。 索普（Thorp），一个喜欢研究赌博的学生，最早开始研究德州扑克的记牌规律，获得了成功，写了一本有名的书，叫《Beat the Dealer》，告诉大家如何通过扑克赌博赢钱。之后他醉心研究俄罗斯轮盘赌，他认为，如果轮盘足够好的话，只要知道了开始条件，就能预测小球停在哪个格子。 他拉了一位大人物下水一起做了一个小型的计算器，到赌场真的赢钱了。 这个大人物叫香农（Shannon）。 后来由于赌场太刺激了，他决定还是回学校教书。但马上又迷上了Osborne的理论，并投身到期权市场中，为期权进行了精确的定价（通过计算机程序），然后进行了套利活动。为了控制风险，他还发明了对冲操作模式，并成立了最早的对冲基金。 十分有趣的是，他的基金为了获得一位早期投资人的钱，还被这个投资人之前的资金管理人面试，这是一个名叫巴菲特的家伙。 如果说Thorp具有叛逆性格的话，下面这位仁兄就更加有过之而无不及了。 他在哈佛博士论文评审前，由于参加了反政府运动，被哈佛开除了。 他叫布莱克（Black），看名字就知道他很黑。 他后来跑到了咨询公司工作，认识了另外一个叫Scholes的家伙，1970年他们做了一件和Thorp很相似的事情，就是计算期权的价格。用同样的方法，他们甚至能计算各种不同的衍生产品的定价和风险。 同样的工作另外一个叫Merton家伙也做了，他们一起发表了论文，这个公式后人也称为Black-Scholes-Merton公式。 因为这个公式，Scholes和Merton获得了诺贝尔经济奖（1997年，当时Black已经去世）。 Black他们帮助整个金融业理解了如何为期权等一系列金融衍生产品定价，并且能量化其风险。 所以银行家们都很感激他们，因为用Black的公式，银行家可以制造出风险可配置的各种衍生品来销售。值得注意的是，Black他们对股票风险的评估，也是基于正态分布的假设。 Black其实也不算黑，他赶上了好时代，因为金本位的退出，业界急迫需要一种方式来锁定美元等货币的稳定性，货币期权就变得相当的重要了。1971年期权获准在交易所挂牌交易，并获得了迅速的发展。 Black和Merton后来被高盛聘用成立量化投资部门，Scholes和Merton还参与创办了着名了LTCM基金，一度获得了超级的成功，成为量化投资的楷模，直到1997年的崩盘。 LTCM基金崩盘了，大家也重新思考Black-Scholes-Merton的模型是否有问题，答案是肯定的，Mandelbojt已经指出，其对风险的评估不准确，碰到大事情是就失效了。 Mandelbojt说的大事件，后来也被称为黑天鹅。 他的意思是指，极端事件往往比你想象的要多得多（想想我们电视里面讲的这次洪水是百年一遇，过两年，又一个千年一遇的来了，你就知道传统的预测多么的不靠谱） 导致大事件发生的原因，通常和复杂系统分不开。 Farmer 和Packard就是研究复杂系统的两个专家，他们研究混沌理论，使用分形几何工具，使用大量的计算机模拟工具，这使得他们对于复杂系统的感觉远远超过了旁人，而股市就是一个复杂系统，这样，他们就有了用武之地。 很显然，他们对幂次规律的把握和分形几何的应用，使得他们必然站在Mandelbojt一边。 说来也巧，他们两个最早也和Thorp一样，在念书的时候研究了俄罗斯轮盘赌，甚至成立了一个公司，专门用他们制作的微信计算机来到赌场获利，他们比Thorp和Shannon胆识大多了，真是后生可畏。 后来，他们成立了Prediction Company（预测公司），一听就霸气。 这是一个基金公司，利用他们掌握的分形几何，混沌理论，计算机模拟工具等，来进行对冲套利。 他们还开发了大量的算法交易模型，最终他们被O'conner收购（这是一个和LTCM同期，但却活下来的公司，差别也在于他们用了Mandelbojt的理论而不是Bachelier和Osborne的理论） ，而O'conner又最终辗转被瑞银UBS收购了。 采取同样策略的也包括有数学家James Simons的文艺复兴（Renaissance）科技公司。 如果说Farmer和Packard的Prediction Company，以及James Simons的Renaissance特别留意不低估风险，利用稳健的对冲策略和算法交易来进行大量的小额套利行为的话，物理学家 Sornette则是特别关心这些大事件，也就是黑天鹅。 Sornette本来专门研究崩塌理论，比如地震，比如气球在涨到一定程度的突然爆炸，比如航天器容器中的裂缝等。 他发现很多大的崩塌其实是有规律的，也是和一系列小的破裂事件相关，只是恰好这系列破裂时间的连续时机合适，所以大事件就来了。 他不认为这像黑天鹅那样悄然出现，他认为这更像是一个龙王，也是大事件，虽然还没有到来，但已经听到它的脚步了。 也就是说，他认为崩塌是可以提前预测的。 这个不得了，如果你能知道大事件何时发生，那么你就赚翻了。 Sornette确实对90年代后的金融危机都做了准确的预测，为了证实他的准确性，他还参与了投机操作，做空指数，并获得了400%的回报。 这就是到目前为止物理学家入侵华尔街的过程。 虽然2008年的金融危机大家都归罪于Quant，归罪于这些科学家们，认为他们导致了股市的巨大波动，带来了风险。 但我认为，随着我们对股市规律的更加了解，我们就能更准确地判断风险，更好地建设一个健康的金融市场。 这是一个持续进步的过程，最大的风险不来自这些科学家，而是我们停滞不前。

G. 股债平衡温度计算公式

f=（b×p-q）/b
式中f为你该用资产多少比例下注

b为盈亏比
p为胜率
q为亏损概率，即q=1-p
凯利公式最初为 AT&T 贝尔实验室物理学家约翰·拉里·凯利（John Larry Kelly）根据同僚克劳德·艾尔伍德·香农于长途电话线杂讯上的研究所建立。凯利说明香农的信息论要如何应用于一名拥有内线消息的赌徒在赌马时的问题。赌徒希望决定最佳的赌金额，而他的内线消息不需完全准确（无杂讯），即可让他拥有有用的优势。凯利的公式随后被香农的另一名同僚爱德华·索普应用于二十一点和股票市场中。

H. 炒股与赌博的区别在哪里

炒股和赌博的区别在哪里？

I. 凯利公式的结果是什么意思

凯利公式最初为 AT&T 贝尔实验室物理学家约翰·拉里·凯利根据同僚克劳德·艾尔伍德·香农于长途电话线杂讯上的研究所建立。凯利说明香农的信息论要如何应用于一名拥有内线消息的赌徒在赌马时的问题。赌徒希望决定最佳的赌金额，而他的内线消息不需完美（无杂讯），即可让他拥有有用的优势。凯利的公式随后被香农的另一名同僚 爱德华·索普应用于二十一点和股票市场中。
凯利公式（TheKellyCriterion）的投资运用
凯利公式在投资中可作如下应用：
1、凯利公式不能代替选股，选股还是要按照巴菲特和费雪的方法。
2、凯利公式可以选时，即使是有投资价值的公式，也有高估和低估的时候，可以用凯利公式进行选时比较。
3、凯利公式适合非核心资产寻找短期投机机会。
4、凯利公式适合作为资产配置的考虑，对于资金管理比较有利,可以充分考虑机会成本。
凯利公式原本是为了协助规划电子比特流量设计，后来被引用于赌二十一点上去，麻烦就出在一个简单的事实，二十一点并非商品或交易。赌二十一点时，你可能会输的赌本只限于所放进去的筹码，而可能会赢的利润，也只限于赌注筹码的范围。但商品交易输赢程度是没得准的，会造成资产或输赢有很大的震幅。