第1篇：藏書

這是我個人關(guān)于信息、書籍和算法的一些跨界思考。最早在喜馬拉雅電臺絮絮叨叨說了幾個有聲片段，但后來發(fā)現(xiàn)里面有很多信口開河之處，謬誤甚多，所以將它們整理修訂并擴(kuò)充了一下。另外，比起聲音和視頻，以文字的方式獲取信息還是效率更高一些。

我們先來談書籍與信息。很多人很喜歡實(shí)體書，他們覺得讀書就應(yīng)該選這種，特別是一些較為傳統(tǒng)的讀書人更為推崇實(shí)體書。但是，對于重度書籍愛好者來說，讀書固然重要，但藏書帶來的負(fù)擔(dān)會更大，這是實(shí)體書的一個致命缺點(diǎn)。

一般人的藏書量也許能擺滿幾個書柜，這種已經(jīng)算比較多了，放在家里是一道美麗的風(fēng)景線。但是當(dāng)書的存量到達(dá)一定數(shù)量時，你就會覺得書的數(shù)量會對藏書帶來特別大的壓力，關(guān)鍵問題在于得有空間來容納這些書。比如說，如果你有20到30個書柜，家里地方又寬敞，看上去挺好。但是，很快每個書柜都會填滿了書籍，而且馬上又會雙層擺滿，這樣新到的書只能堆在地上、沙發(fā)上乃至于茶幾上。這個例子其實(shí)并不極端，許多作家的家里都是這個樣子。事實(shí)上，書柜的問題在于得一面敞開以便取用，這也造成了它空間占用量特別大。要是永遠(yuǎn)不看倒也罷了，所有書都放箱子里就好。

上海交通大學(xué)的江曉原教授獨(dú)辟蹊徑，雖然他家藏書甚豐，但他聰明地解決了這個問題。歐陽應(yīng)霽先生給江老師寫過一篇圖文并茂的短文，可以看到江老師家的圖書用滑動檔案架存放，需要時才滑動檔案架騰出空間讓人進(jìn)去取用，而平時它們都緊挨在一起。江老師知道書得放在二樓上，所以明智的他在設(shè)計時特別考察了樓層的承重，看看是否能承擔(dān)得起這么多書。因?yàn)槲覀兌贾罆艹恋模昂古３錀潯边@個詞說的就是這個意思嘛。

想要改進(jìn)這一點(diǎn)，不妨考察一下歷史。從古代到現(xiàn)代，書的載體和物理形態(tài)發(fā)生了極大的改變，它們越來越輕薄。即便如此，許多年來書的重量對人類而言卻一直沒有太大的改觀。實(shí)際上書里頭蘊(yùn)含的信息量并不像書的重量那么明顯。拿到一本純文字的書，看上去五六百頁，但書中大多數(shù)內(nèi)容都是空白也就是白色背景。而這種排布方式是考慮了我們?nèi)祟惖纳硖卣?，要是一頁密密麻麻，恐怕絕大部分人都會得密集恐懼癥了。

機(jī)器卻沒有這種煩惱。它可以直接閱讀真正的信息，也就是書中有字的那部分，實(shí)際上這些字就是形成了語言乃至于信息論里的一個重要概念——字母表。比如說英文的字母表，有26個字母（包括大寫小寫），還有一些標(biāo)點(diǎn)符號，這些字母表里的元素就構(gòu)成了一本書里的基本要素。雖然有限字母表能表現(xiàn)的形態(tài)不是特別多，但它們的組合卻是千變?nèi)f化無邊無際。

由于人類語言存在著較為明顯的上下文模式，而且字母表不是很大，這就造成了對書籍的數(shù)據(jù)壓縮（實(shí)際上是文本壓縮）相對于圖像或視頻而言更容易而且壓縮率也更大。可以考慮一個比較簡單的文本表示方法，就是ASCII這種編碼，例如把英文字母表的所有符號變成0和1的比特形態(tài)，再加上一些控制符號，就可以很方便地存儲。

從重量上看文本壓縮，從實(shí)體書到電子書的這種變化是相當(dāng)驚人的。最早人們都是以光盤為例，現(xiàn)在一般都提的是藍(lán)光光盤，家里的書就算再多也不怕裝不下。比如一本1000頁的科技圖書，它的矢量格式的PDF文件也就是10MB左右，一張單層的25GB藍(lán)光光盤能裝下2560本這樣的書，要是純文學(xué)作品那就更多了。當(dāng)然，我們現(xiàn)在更愿意使用閃存芯片，它們的容量也越來越大。從更深層次來看是信息的重量問題，不妨認(rèn)為某個獨(dú)立器件的存儲量除以重量就是它能實(shí)現(xiàn)單個比特的重量，顯然這也是有物理極限的。

關(guān)于信息的尺寸問題研究地更為充分，目前技術(shù)所能達(dá)到的“原子硬盤”最早由著名物理學(xué)家Feynman在There's Plenty of Room at the Bottom中提出，2016年Nature Nanotechnology所發(fā)表A kilobytere writable atomic memory這篇論文做到了原子級別的存儲，能容下書的數(shù)量多得可怕，號稱能在“郵票大小的硬盤中寫下人類歷史上所有的書籍”。事實(shí)上，F(xiàn)eynman的老師Wheeler早有論斷“萬物皆比特”，宇宙恐怕也真是比特的幻想罷了。

實(shí)際上，書籍電子化可以讓我們的藏書更加完善和完美。一本實(shí)體書你從各種方式購買，包括線下渠道和網(wǎng)上購買，都難免會受到一些損傷，比如它的封皮和內(nèi)頁可能會被污損和外力傷害。對于那些有完美主義傾向的藏書家來說，他可能會千挑萬選找出一本品相很好的書。在書店你可以在好多本里找一本相對完美的書，可是那些網(wǎng)絡(luò)購買的圖書怎么辦？某位藏書家提到，他在海外網(wǎng)購圖書的時候一般會一種買上三本，這樣就算運(yùn)輸過程中外面的兩本損壞，中間的那本還是完好的。這是不是有點(diǎn)像“重要的事情說三遍”呢，實(shí)際上這可是信息論里的(3, 1)重復(fù)碼的思想?。〔贿^，為了對付暴力投遞，這種策略還是有一定作用的。盡管挺浪費(fèi)，但他為了找到完美無損的信息也是拼了。當(dāng)然，要是那種特別值得一讀的經(jīng)典圖書，買上幾本也無妨，品相不好的可以平時閱讀，品相完美的收藏起來就好了。

書的完美性還體現(xiàn)在是否有錯上。一本書一旦印刷出來以后，國內(nèi)一次印量是3000冊（現(xiàn)在也有2000冊的），如果其中有一個錯誤，那么這批書全都有錯，而這個錯誤是無法挽回的。對于電子書的形態(tài)來說，挽回錯誤相對說比較容易，相當(dāng)于軟件找到了一個bug。一旦發(fā)現(xiàn)了bug，在下一版里直接更新它就好了。讀者可以看到更完美的圖書形態(tài)，而且可以不斷更新。不過對于傳統(tǒng)的文學(xué)作品，它的錯誤不是特別礙事，但科技圖書的錯誤非常致命，如果不修訂難免對書的質(zhì)量和聲譽(yù)造成很大的傷害。當(dāng)然有人會辯解說電子書沒有讀書的感覺，這個可能是個人喜好的問題，但實(shí)際上電子書面臨的最大問題是盜版和版權(quán)問題。實(shí)體書如果有盜版，印刷工藝可能不能媲美原版，但電子書盜版太容易，和原版是完全一致的（信息的可復(fù)制性）。目前看來，沒有什么太好的圖書防盜版技術(shù)，現(xiàn)在的國內(nèi)的版權(quán)意識還不是特別強(qiáng)烈，尤其對于圖書而言，覺得知識就是免費(fèi)拿來分享的，也沒有價值。不過，圖書的價值和回報很難在一時看出來。未來圖書的載體形態(tài)會有什么變化，究竟是實(shí)體書還是電子書，或者更高級的書，這個還是未知數(shù)。

最后我們來吐槽一下Kindle電子書，雖然它提供勘誤這個功能，但是由于有些維護(hù)人員不得力，往往這個錯誤會存在很久。相比而言，作者自己維護(hù)的電子書就比較容易糾錯，因?yàn)檫@是一個聲譽(yù)的問題。這里不得不提到一套溫瑞安的Kindle全集，里面錯誤還是蠻多的，不過溫巨俠比較隨性，也許不計較這些錯誤吧。但是金庸大俠就比較喜歡控制自己作品的文字，不斷修改更新。噢，雖然跑題了，但是忍不住還想說一下，有錯的書珍藏價值有時候其實(shí)更高，而且可以識別珍貴的初版書(first edition)，就像霍桑的《紅字》初版就把"repudiate"錯印為"reduplicate"，它只印了2500冊而10天就售賣一空。當(dāng)然，如果有bibliomania(藏書癖)的讀者朋友，不妨看看First Editions of American Authors這本書，里面會提到很多有趣的故事。