如何創造思維：人類思想所揭示出的奧秘（簡體書）

2045年，人工智能將超越人類智能，儲存在云端的“仿生大腦新皮質”與人類的大腦新皮質將實現“對接”，世界將開啟一個新的文明時代，“奇點”到來！那個時候，我們是誰？我們是什么？人還能稱之為人嗎？
庫茲韋爾把“奇點”當做一個絕佳的“隱喻”：當智能機器的能力跨越這一臨界點之后，人類的知識單元、鏈接數目、思考能力，將旋即步入令人眩暈的加速噴發狀態——一切傳統的和習以為常的認識、理念、常識，將統統不復存在，所欲的智能裝置、新的人機復合體將進入“蘇醒”狀態。
庫茲韋爾通過對人類思維本質的全新思考，大膽地預言了人工智能的未來。他堅信人類一定會制造出可與人腦相媲美的“仿生大腦新皮質”。它們甚至比人腦更具可塑性，并可放置在云端，與遙遠的人類生物大腦遠程相連。

[美]雷·庫茲韋爾（Ray Kurzweil），21世紀最偉大的預言家，奇點大學校長，谷歌公司工程總監。
天才發明家，被譽為“愛迪生的合法繼承人”，獲得了美國國家技術獎、獎金高達50萬美元的Lemelson-MIT發明獎等眾多獎項，并入選美國發明家名人堂。
創立了“庫茲韋爾定律”，指出“技術力量正以指數規律快速發展”。同時預測：2027年電腦將在智能上超過人腦，2045年“奇點”出現——“嚴格生物學意義上的”人類將不復存在。

21世紀最具洞察力的思想家和未來學家、“庫茲韋爾定律”創立者，美國發明家名人堂獲獎者、美國國家技術獎獲得者、奇點大學校長、谷歌公司工程總監雷·庫茲韋爾最新力作。
這是一部洞悉未來思維模式的顛覆之作。庫茲韋爾對于大腦和人工智能的理解，將對我們生活的方方面面，地球上的各行各異，以及我們有關未來的設想產生巨大的影響。庫茲韋爾通過一系列推理告訴我們，我們有能力創造超越人類智能的非生物智能。
財訊傳媒集團首席戰略官段永超，跨界物理學家李淼，中國當代最知名的科幻作家、暢銷書《三體》作者劉慈欣聯袂推薦。
湛廬文化出品。

更多精品圖書，敬請關注京東湛廬品牌專賣店

揭開人腦思維的奧秘
大腦，比天空遼闊
因為，把他們放在一起
一個能包含另一個
輕易，而且，還能容你
大腦，比海洋更深
因為，對比它們，藍對藍
一個能吸收另一個
像水桶，也像，海綿
大腦，和上帝相等
因為，稱一稱，一磅對一磅
他們，如果有區別
就像音節，不同于音響
艾米莉·狄金森
智能可以超越自然的局限，并依照自身的意志改變世界，這恐怕是世間最了不起的奇跡了。人類智能可以幫助我們克服生物遺傳的局限，并在這一進程中改變自我。唯有人類能夠做到這一點。
人類智能之所以能夠產生與發展，源于這是一個可以對信息進行編碼的世界。宇宙為何如此運轉，這本身就是一個有趣的故事。物理學的標準模型會有數十個常量需要被精準限定，否則無法產生原子，也就不會有所謂的恒星、行星、大腦，更不會有關于大腦的書籍。讓人不可思議的是，物理學定律及常數能夠精確到如此程度，以至于允許信息自身得以演化發展。當然，根據人擇原理，如果不是這般精確，就沒有我們在這里談古論今。在某些人眼中，上帝創造了這個世界，而在另一些人眼中，這個世界不過是無窮多可能的平行宇宙中具有豐富信息的一員——那些沒有信息的無聊宇宙可能已經在演化過程中消亡了。不過，無論我們的宇宙是如何進化到現在的，故事依然可以從基于信息的世界開始。
進化故事從越來越多的抽象層面延展開。原子——特別是碳原子，它能夠通過四種不同的方式相連接，創造豐富的信息結構，然后形成更多復雜分子。結果，物理學催生了化學。
十億年后，一種被稱為 DNA的復雜分子逐步進化完成，它能精確編碼長串的信息，并按照這些“程序”編譯出生物。由此，化學催生了生物學。
生物體以快速增長的速率進化出了神經系統——交流與決策網絡。我們通過它協調越來越復雜的生理結構和行為。神經元組成的神經系統聚合成了能夠實施越來越明智行為的大腦。這樣，隨著大腦成為儲存與處理信息的前沿，生物學就催生了神經學。從原子到分子，再到 DNA，再到大腦，再進一步就是獨一無二的人類。
哺乳動物的大腦有一種特有的天賦，而這種天賦在其他類別的物種中尚未發現。我們可能會根據等級高低來思量或理解由多種成分組成的結構，在這種結構中各種不同的分子是按照同一模式排列的，這一排列模式同時也是一種符號，之后該符號將會作為一種分子被用于更復雜的結構中。這種能力產生于一種被稱為大腦新皮質的結構中，就人類而言，該能力則更為復雜、更具潛力，因此，我們可以將此類模式稱為想法。通過永無休止的循環過程，我們可以構建更為復雜的想法。我們將此類浩大的遞歸鏈接的想法稱為認知。認知基礎是智人才有的，而且認知基于其本身進行演化、從指數級增長并一代一代傳下去。
人類的大腦則產生了另一層次的抽象意識，因為我們在利用大腦智能的同時還具備另一種有利因素（一種與之相對的附屬物）——手，通過對環境的掌控，我們用手來制造工具。這些工具代表著一種新形式的演變，技術也由此產生。也正是基于這些工具，我們的認知基礎才得以無限發展。
我們的第一個發明是口語，它使我們能夠用不同的話語來表達想法。隨后發明的書面語言，使我們能夠用不同形式來表達我們的想法。書面語言庫極大地擴展了我們無外力援助的大腦的能力，使我們能夠維持并擴充我們的認知基礎，這是一種遞歸結構化的思想。
其他物種，如黑猩猩，在言語表達上是否也具有分級思想，這一問題仍存在一些爭議。黑猩猩能夠學會有限的手語符號，它們可以使用這些符號同人類訓練員進行溝通。然而，就黑猩猩能夠處理的認知結構而言，其復雜性還是有不同限制的，這也是顯而易見的。它們能夠表達的語言僅限于簡單的名詞 –動詞語序的句子，而不能表達復雜事物的無限擴展，而這是人類的特性。關于人類語言的復雜性，有這樣一個有趣的例子。加布里埃爾 ·加西亞 ·馬爾克斯所寫的故事或小說中有許多驚人的長句子，甚至一個句子就有幾頁長 ——他曾寫過一個 6頁篇幅的故事《最后的鬼魂之旅》（The Last Voyage of the Ghost)，通篇就只有一個簡單句，而這個故事的西班牙語譯文和英語的譯文都翻譯得很好。
我之前出版有過三本有關技術的書籍：《智能機時代》（Age of Intelligent Machines），寫于 20世紀 80年代，出版于 1989年；《心靈機器時代》（Age of Spiritual Machines），寫于 20世紀 90年代中期到末期，出版于 1999年；《奇點臨近》，寫于 21世紀初，出版于 2005年，其主要思想是關于一個固有的不斷加快的演化進程（因抽象意識水平的不斷提升而導致），以及其產物的復雜性和能力的指數級增長。人們將這種現象稱為庫茲韋爾定律（ LOAR），該規律與生物和技術的演變有關。關于 LOAR，有一個最生動的例子，即信息技術能力和價格 /性能的可預測的指數級發展。技術演化進程不可避免地導致計算機能力的進化，反過來又擴展了我們的認知基礎，使我們能夠通過某一領域知識的廣泛聯系來了解另一領域的知識。網絡本身就為等級劃分系統的能力提供了一個強有力的恰當例子，網絡包含大量的知識，同時又維持了其內在的結構。世界的內在就是按等級劃分的——樹有枝，枝有葉，葉有脈。建筑有樓層，樓層有房間，房間有門、窗戶、墻壁、地板。
我們還開發了其他工具，通過利用這些工具，我們現在能用精確的信息術語來理解我們所屬的生物群落。我們正以極快的速度利用逆向工程法分析生物群落的構成信息，包括大腦結構的信息。我們現在擁有以人類基因組形式存在的生命目標代碼，這項成就本身也是指數級發展的一個突出實例。過去的二十年間，世界已測序的基因數據量呈指數增長，每年增加了近一倍。現在我們可以通過計算機模擬來判斷有堿基序列是如何形成氨基酸序列，從而折疊成三維蛋白質。計算機資源持續呈指數級增長，我們就蛋白質折疊復雜性的模擬能力也在穩步提高。
現在有一項涉及成千上萬個科學家和工程師的宏偉工程正在進行中，他們正致力于理解智能程序的最好范例：人類大腦。這可以說是人造機器文明史上最為重要的工作。在《奇點臨近》一書中，我認為庫茲韋爾定律的一個必然結果就是另一種智慧物種很可能不存在。總結來說，就是考慮在短暫的時間內，我們能做到從只具備落后技術（試想在 1850年，全國范圍內送信最快捷的方式是通過驛馬快信）到擁有能到達其他星球的技術，那么，如果有其他智慧物種存在，我們應該早就發現了。從這個角度看，對人類大腦實施逆向工程可能是世界上最重要的項目了。
這項工程的目標是精確理解人類大腦的工作機制，然后使用這些已知的方法來更好地了解我們自身，并在必要的時候修復大腦，而與本書最密切相關就是，創造出更加智能的機器。我們必須牢記工程學能做的就是將一個自然現象明顯放大。例如，想想伯努利定律這一相當微妙的現象，它指出運動的彎曲表面比運動的平坦表面的空氣壓力要小。雖然科學家們仍沒有充分解決關于伯努利定律?1如何制造機翼升力的數學問題，但是工程學已經接受了這個精妙的觀點，并集中全力，開創了整個航空世界。
在本書中，我提出了一個叫做思維的模式認知理論的觀點，我認為它描述了大腦新皮質（主要負責感知、記憶和判斷思維的大腦區域）的基本算法。在書中的前面數章，我描述了近代神經科學研究和人類自身的思想實驗導致的不可避免的結果：這種方法一直被用在大腦新皮質上。思維的模式認知理論和庫茲韋爾定律的含義就是我們能設計這些原則來廣泛傳播人類智能的力量。
實際上，這項措施已在進行中。以前專屬于人類智能的許多任務以及活動，現在能完全由電腦控制，更加精確，范圍也擴大了。每次發郵件或打電話，智能算法都能合理地追蹤信息。有時候，心電圖測出的結果和醫生的診斷結果恰好相反。在血細胞圖像中，也有可能出現這樣的情況。智能算法能自動識別假的證件；能指揮飛機的起飛和降落；能指導智能武器系統；能幫助涉及計算機輔助的產品；能及時追蹤庫存水平；還能將工廠里的產品分門別類地放在一起。它甚至還會下國際象棋，參加大師級水平的圍棋比賽。
成千上萬的人都見識了那臺名叫“沃森”的 IBM電腦在《危險邊緣》（Jeopdrdy!）這個自然語言游戲中的表現，總的得分比世界上兩個玩得最好的人總分還要高。值得注意的是，沃森不僅能讀懂和理解《危險邊緣》中語言的內涵，還能理解如包含雙關或比喻，需要廣闊的知識面 (比如說維基百科或其他的百科知識 )才能理解的語言。它得對人類的各種文化活動了如指掌，比如歷史、科學、文學、藝術、文化等。現在 IBM正致力于細微差別演講技術（前庫茲韋爾計算機產品公司，我的第一家公司）。關于新版本的沃森，通過細微差別演講技術的臨床理解語言技術，它能閱讀醫學文獻（幾乎所有的醫學期刊和領先的醫學博客）成為大師級的看診醫師和醫學咨詢師。一些觀察者指出沃森沒有真正理解《危險邊緣》游戲或它所閱讀的百科全書，因為它只是在進行“統計分析”。這里我所要描述的關鍵是人工智能領域所涉及的數學技術（比如這些被用在沃森、 Siri和 iPhone助手上的技術），它們在數學上與大腦新皮質中涉及的生物學形式的方法非常相似。如果通過統計分析理解語言和其他現象不能得出正確的理解，那么人類也無法理解。

各方贊譽 

推薦序 解放思想

段永朝·跨界思想家財訊傳媒集團首席戰略官

前言 揭開人腦思維的奧秘

第1章 自然界的思想實驗

歷史上出現過很多著名的思想實驗，特別是關于自然界的思想實驗，愛因斯坦的“駕乘光束”實驗就是其一。研究大腦，也可以采用同樣的辦法。通過簡單的思想實驗，我們就能很好地理解人類智慧是怎么一回事兒。

思想實驗1：大峽谷和大洞穴的形成

思想實驗2：駕乘光束

大腦新皮質的統一模式

第2章 思考的思想實驗

大腦和計算機都能存儲和處理信息，但是，大腦和計算機之間的相似性可不只是看上去那么簡單。大腦的記憶是層級結構和連貫有序的。記憶奇妙地出現在你的腦海里，一定是某些事物觸發了它們。 

思考，人腦不同于計算機

記憶是連貫有序的

聯想因觸發而生

記憶的結構是層級的

第3章 大腦新皮質模型

大腦新皮質分 6層，共包含 300億個神經元，它們又組成了 3億個模式識別器。這些模式識別器按層級關系組織，它們是思想的語言和思維模式識別理論的基礎。只有具備自聯想能力和特征恒常性能力，大腦新皮質才能識別模式。思維模式分兩種：無目標思維和導向式思維，做夢就是無目標思維實例。

分層模式

模式結構

流向大腦新皮質模式識別器的數據本質

自聯想和恒常性

學習

思想的語言

夢的語言

模型的根源

第4章 人類的大腦新皮質

盡管進化帶來的改變并不總是朝著更高的智力水平前進，但是，智力仍是一個重要的進化分支。大腦新皮質的分層學習能力如此重要，以至于它在進化過程中體積越來越大，并最終成為大腦的主體。大腦運轉時，并不以神經元為基礎，而是神經元集合。

智力，一個重要的進化分支 

新皮質的分層學習能力

積木式神經元集合

視覺皮質與通用算法

第5章 舊腦 

雖然大腦新皮質已成為大腦的主體，但我們的舊腦并未消失，仍在幫助我們尋求滿足和躲避危險。丘腦的突出作用是與新皮質持續聯絡，海馬體存儲最新記憶，而小腦則負責人體動作的協調。

感覺傳導路

丘腦

海馬體

小腦

快樂與恐懼

第6章 卓越的能力

人類的卓越能力，主要歸功于大腦腦島中的紡錘體細胞。大腦新皮質某些區域的優化，使其更善于處理聯合模式，這就是天分的由來。跨領域合作和非生物大腦新皮質的云端存儲，將讓我們更富有創造力。從進化觀點看，愛情的存在就緣于大腦新皮質的需求。

天分

創造力

愛情

第7章 仿生數碼新皮質

我們現在已能模擬包含 160萬個視覺神經元的人腦視覺新皮質，模擬完整人類大腦的目標，預計 2023年就可實現。“矢量量化”方法既能高效利用計算機資源，又能保留重要的語言識別特征。“隱馬爾可夫模型”讓語音識別系統能同時完成識別和學習兩項任務。

腦模擬

神經網絡

矢量量化

用隱馬爾可夫模型解讀你的思維

進化（遺傳）算法

列表處理語言LISP

分層儲存系統

人工智能的前沿：登上能力層級頂端

創造思維的策略

第8章 計算機思維的4大基礎

盡管人腦的思維模式極為精巧，我們仍可通過軟件對人腦進行模擬。要想做到這一點，計算機必須要具備準確的溝通、記憶和計算能力，具有計算的通用性和馮 ·諾依曼結構，并且能夠按大腦核心算法進行創造性思維。

基礎1：準確的溝通、記憶和計算能力

基礎2：計算的通用性

基礎3：馮·諾依曼結構

基礎4：按大腦核心算法進行創造性思考

第9章 思維的思想實驗3

意識來源于復雜物理系統的“涌現特性”（emergent property），“感受性”（qualia）是其突出特征。成功模擬人腦的計算機也是有意識的。思維就是有意識大腦所進行的活動。非生物學意義上的“人”將于 2029年出現。將非生物系統引入人腦，不會改變我們的身份，但卻產生了另外一個“我”。把我們的大部分思想儲存在云端，人類就能實現“永生”。

誰是有意識的

你必須有信仰

我們能夠意識到什么呢

東方是東方，西方是西方自由

意志身份

第10章 有關思維的庫茲韋爾定律

信息技術的發展，都遵循著庫茲韋爾定律，與思維相關的技術也不例外。隨著人類基因組計劃的實施，生物醫學已成為一項信息技術，并呈指數型發展。在互聯網上，每秒比特的傳遞量每 16個月就翻一番。磁共振成像技術，也以指數級速度穩定發展，目前的空間分辨率已接近 100微米。

生物醫學

信息傳輸

大腦研究

第11章 反對的聲音 

庫茲韋爾定律及其在人類智能提高方面的應用，也招致了不少批評。保羅 · 艾倫對“指數發展”說完全持否定態度。羅杰斯 · 彭羅斯認為，計算機無法像人腦那樣進行量子計算。約翰 · 賽爾說，計算機即便能夠通過圖靈測試，它也不知道自己在做些什么。

“奇點遙遠”論

“量子計算能力缺失”論

“無意識”論 

后記 擁抱“奇點”

注釋

譯者后記 

計算機思維的4大基礎
我們的大腦外在形態好似一塊法國鄉村面包，內在像是一個擁擠的化學實驗室，充斥著無間斷的神經元對話。可以把大腦想象成一堆發光的存在；一個鼠灰色的細胞“議會”；一個夢工廠；一個住在球狀頭骨內的小小君王；一團雜亂的神經細胞，微小但無處不在，導演著一切人生戲劇；一個變幻無常的樂園；或是一個名叫“頭骨”的“衣櫥”里塞滿了各式各樣名叫“自我”的“行頭”，擠得皺皺巴巴的，仿佛小小的運動隨身包里裝了太多衣服。
戴安·艾克曼
大腦會存在是因為為了維持生存必須對資源進行分配，而且隨著空間和時間的變化，威脅生存的因素也在不斷變化。
約翰·奧爾曼
現代大腦地圖給人一種有趣的古舊感——就像一張中世紀的地圖，已知世界被散布著不知名怪獸的未知之地環繞。
大衛·班布里基
在數學中你并沒有理解什么東西，你只是習慣了它們而己。
約翰·馮·諾依曼
自從20世紀中期電腦出現以來，關于電腦的能力極限，以及人腦能否被視為一種形式的電腦的爭論就沒有間斷過。對于后一個問題，輿論共識已經發生轉變，從認為這兩種信息處理實體在本質上是相同的，轉變為認為二者存在本質上的不同。那么大腦是否可被視為電腦呢？
20世紀40年代，電腦開始成為時髦的話題，它們被視為思考機器。1946年，世界上第一臺電子數字積分計算機 ENIAC發布，它被媒體稱為“巨腦”。隨著電腦在接下來的幾十年里走入大眾市場，廣告常常稱其為普通人腦無法企及的、擁有超能力的“大腦”。
程序使電腦名副其實。由卡內基 ·梅倫大學的赫伯特·西蒙（Herbert A. Simon）、J. C.肖（J. C. Shaw）和艾倫 ·紐厄爾（Allen Newell）發明的“通用問題解算機”，成功證明了數學家伯特蘭·羅素（Bertrand Russell）和阿爾弗雷德·懷特海（Alfred North Whitehead）在他們1913年出版的名著《數學原理》（Principia Mathematica）中無法論證的定理。在接下來的幾十年里，電腦在解數學問題、診斷疾病、下國際象棋等智力運動方面凸顯出大大超越人腦的優勢，但在控制機器人系鞋帶，或是學習5歲大兒童就能理解的常用語言方面卻困難重重，計算機現在才剛剛能夠掌握這些技能。具有諷刺意味的是，電腦的進化與人類智能的成熟方向正好相反。
關于電腦和人腦在某種程度上是否等同的問題至今仍存在爭議。在序言中我提到關于人腦的復雜性可以查到無數種引證。類似地，在google上搜索“大腦不等同于電腦的引證”，也可以得到上百萬條鏈接結果。在我看來，這些鏈接的內容都無異于在說“蘋果醬不是蘋果”。技術上來說這種說法沒有錯，但蘋果可以做出蘋果醬。類似于“電腦不是文字處理器”之類的說法可能更加貼切一些。盡管電腦和文字處理器存在于不同的概念層面是事實，但是電腦在運行文字處理軟件時就變成了文字處理器，反過來則不然。類似地，電腦如果運行“大腦軟件”則可以變成人腦。這正是很多研究人員，包括我自己正在嘗試的事情。
那么問題就變成了我們是否可以找到一種算法使電腦變成等同于人腦的存在。由于具有內在通用性（僅受容量大小制約），一臺電腦可以運行我們定義的各種算法，人腦卻只能運行一套特定的算法。盡管人腦的模式相當精巧，不僅有極大的可塑性，還可以在自身經驗的基礎上重建連接，但這些功能我們可以通過軟件進行仿真。
基礎1：準確的溝通、記憶和計算能力
計算的通用性的理念（即一臺普通目的的電腦可以植入各種算法）在第一臺機器產生時就出現了。計算的通用性和可能性及對人類思維的適用性包含 4個核心概念，它們很值得探討，因為人腦也在對其進行運用。第一個是準確的溝通、記憶和計算能力。在1940年，如果你使用“計算”這個詞，人們會認為你在說模擬電腦。模擬電腦的數字由不同程度的電壓代表，而且特定的模塊可以運行加、乘等運算。然而，模擬電腦的一個很大的限制是準確性存在問題。其準確性只能達到小數點后兩位數，而且隨著處理代表不同數字的電壓的操作員增加，錯誤也隨之增多。所以無法進行較大量的計算，因為結果會由于準確性太低而毫無意義。
只要曾用模擬磁帶機錄制過音樂的人都會知道這一效應。第一遍拷貝的質量會打折，相比原版聽起來有較多雜音（此處的“雜音”代表隨機錯誤）。把第一遍拷貝再進行拷貝會出現更多雜音，到第十遍的拷貝時，基本上就只剩下雜音了。數字計算機的崛起伴隨著同樣的問題，思考一下數字信息的溝通通道我們就可以理解了。沒有任何通道是完美的，通道本身都存在一定的錯誤率。假設一條通道有 90%的可能性能正確傳送每個比特的信息。如果我傳送的信息有1比特，那這條通道正確傳送它的可能性為0.9，那假如我傳送 2比特信息呢？那準確率就變成了0.92 =0.81。那假如我傳送 1字節（8比特）信息呢？我準確傳送該信息的可能概率連50%都達不到（準確地說是 0.43）。準確傳送5字節信息的可能性僅為 1%。
解決這個問題的一個方法就是增加通道的準確性。假設一個通道在傳送一百萬比特時出現一個錯誤，如果我傳送的文件包含 50萬字節（約為一個普通的程序或數據庫的大小），盡管通道固有的準確性較高，但正確傳送它的可能性仍不到 2%，而單單一個比特的錯誤就可以徹底毀掉整個程序或其他形式的電子數據，所以這種情形并不能令人滿意。除了通道的準確性，另一個棘手的問題是傳送中出現錯誤的可能性隨著信息量的增加而迅速增加。
模擬計算機通過柔性降級的方法處理該問題（即用戶只用其處理能容忍出現一些小錯誤的問題）。如果用戶能將其運用限制于一定的計算，那么模擬計算機確實是有用的。然而數字化計算機要求連續的通信，不僅是在不同的計算機之間，也包括計算機自身內部：從內存到中央處理器之間存在通信；在中央處理器中，不同寄存器和算法單元之間也在進行通信；在算法單元內，從一個比特寄存器到另一個之間也在進行交換。通信在每個層次上都普遍存在。如果錯誤率隨著通信的增多快速增加，而一個比特的錯誤就可以破壞整個過程的完整性，那么數字化計算注定會失敗，至少在當時看來是這樣的。
引人注目的是，這種普遍的認識在美國數學家克勞德·香農（Claude Shannon）出現并展示了怎樣通過最不可靠的溝通通道來進行精度很高的通信時得以改變。 1948年 7月和 10月，香農在《貝爾系統技術雜志》（Bell System Technical Journal）上發表了具有里程碑意義的論文《通信的數學原理》（A Mathematical Theory of Communication），提出噪聲通道編碼理論。他認為無論通道的錯誤率是多少（除了錯誤率正好為每比特 50%的通道，因為這意味著該通道傳輸的是純粹的噪聲），都可以按想要的精度傳送信息。換句話說，傳輸的錯誤率可以是 n比特分之一，但是n的大小可以隨意定義。比如說，極限情況下，就算一個通道的正確率僅為 51%（即該通道傳送的正確信息的比特數僅比錯誤信息的比特數多一點兒），仍然可以使傳輸的信息錯誤率達到百萬分之一，甚至萬億分之一，甚至更小。
這是怎么做到的呢？秘訣就在于冗余。這在現在看來似乎是顯而易見的，但在當時則不然。舉一個簡單的例子，假如我每比特信息都傳送 3次，并且選傳輸后多數相同的那條信息，那么我就可以大大地提高信息的可靠性。不斷增加冗余就能讓你得到你需要的精度。不斷重復傳送信息是從準確性較低的通道得到任意高精度信息最簡單的方法，但不是最有效率的方法。香農的論文開創了信息理論這一領域，為錯誤偵查和校正碼提供了最理想的方法，使在任意非隨機通道條件下獲得任意目標精度成為可能。
年紀較大的讀者可以回想一下電話調制解調器，它通過嘈雜的模擬電話線路傳遞信息。幸好有了香農的噪聲通道理論，盡管這些線路存在可以聽到的明顯的嘶嘶聲，砰砰聲或其他形式的聲音失真，它們仍然可以傳送高精度的數字化信息。數字存儲器也存在同樣的問題和解決辦法。你是否想過為什么就算唱片曾掉在地上并且有刮痕， CD、DVD或其他磁盤軟件仍能準確地讀出音樂嗎？這也多虧了香農。
計算包含 3個部分：通信（正如我之前提到的，在計算機內部和計算機之間普遍存在）、存儲器和邏輯門（可進行計算和邏輯功能）。邏輯門的準確性可以通過錯誤偵查和校正碼達到任意高的精度。幸好有了香農的理論，不管多大多復雜的數字化信息和算法，我們都可以準確處理，避免過程中出現較高錯誤率。需要指出的很重要的一點是，我們的大腦也在運用香農的理論。當然，人腦的進化遠遠先于香農發現這一原理。絕大部分模式或思想（思想也是一種模式）在大腦中儲存時都包含大量的冗余。冗余出現的首要原因是神經傳輸系統自身的不可靠性。

……