产品沉思录 产品沉思录 产品沉思录 产品沉思录

Claude Shannon

Claude Shannon
Claude Shannon

01推荐语

ANTHROPIC 最好的模型取名 Claude，是在致敬 Claude Shannon。

前半生开宗立派创立信息论，后半生骑独轮车，沉迷杂耍，还投资炒股曾跑赢巴菲特。

其实他和我们这些普通人很像，经历一次失败婚姻，曾经冷漠不正常，害怕服兵役，有严重的心理危机。

44 岁主动卸下了改变世界的重任，选择了最让自己开心的事情。

晚年极度的爱玩，爱做无用之事。

02他的经历

03人物小传

Claude Shannon，二十世纪最具影响力却最低调的科学天才之一。

他不像维纳那样广为人知，也不像冯·诺依曼那样高产，却以寥寥数篇论文，两度改写了人类文明的底层逻辑。

少年天才，电路遇见逻辑

1937年，年仅22岁的香农在MIT完成了一篇硕士论文，将乔治·布尔的逻辑代数与电路设计相连接。

布尔代数只有两个符号——0与1，真与假——香农发现，继电器开关电路的"通"与"断"，与这套逻辑系统完美对应。

由此，复杂的逻辑运算与算术运算，都可以用电路来实现。

这个发现意义深远：它奠定了数字计算机的设计基础，让用机器思考从荒诞的幻想变成了可实施的工程。

信息论：为通信立法

1948年，已在贝尔实验室工作多年的香农发表《通信的数学理论》，以32岁之龄再度震动科学界。

他将信息变成了可以精确测量的量，定义了比特（bit）这一信息的基本单位

每一个"是/否"的二元决策，就是一个比特。

香农的核心洞见来自一个意想不到的方向：热力学中的熵。

物理学家已知，熵描述系统的无序程度；

香农发现，信息量与熵在数学形式上深度相关——信息，正是对不确定性的消除。

他由此证明：无论信道噪声多大，只要设计得当的编码，消息总能以任意高的可靠性传输。

这一噪声信道定理，日后使彩色电视、月球通信乃至互联网协议成为可能。

人工智能的先知

香农的视野并不止于通信工程。

1950年，他在《科学美国人》发表《下棋机器》，指出数字计算机可以被用来处理符号、命题等抽象概念，

而非仅仅是数字——这是人工智能最早的系统性论述之一。

他还揭示了组合爆炸难题：穷举搜索在棋局中面临10¹²⁰种可能，即便每微秒计算一步，也需要10⁹⁵年才能走出第一步。

这一洞察深刻影响了此后几十年AI研究的方向。

1956年，香农与明斯基、麦卡锡等人共同组织了达特茅斯会议

人工智能这个词，就是在这次会议前后正式诞生的。

他还曾在贝尔实验室短暂雇用了麦卡锡和明斯基，为这对日后叱咤AI领域的搭档提供了最初的土壤。

隐居者的传奇

1956年，香农回到MIT任教。

此后他逐渐淡出公众视野，热衷于骑独轮车穿行走廊、研究杂耍的数学原理，以及把股市当成概率论的实验室。

他留有大量未曾发表的成果，既不愿假他人之手，也不愿亲自动笔

同事Fano说，他的每一次讲座都是珍宝，看似即兴，实则极为精心。

香农用两篇论文，分别奠定了数字计算与信息通信的理论根基；

他用一个会议，点燃了人工智能的火种。

而他本人，却选择消隐于世，像一个悄然植下参天大树、转身离去的园丁。

04香农的解题之法

原文：1952年3月20日 贝尔实验室 Creative Thinking

1952 年 3 月 20 日 香农给其贝尔实验室同事的一份打字稿，题名为《Creative Thinking》。

属于典型的科学家谈思维方法的经典文献，与波利亚的《如何解题》、费曼的《别闹了，费曼先生》同属一个精神。

它我们提供了一个罕见的窗口，能够窥见这位天才科学家是如何解决问题的。

译文

如果统计人们产出想法的数量，那些有价值的好想法，并按产出能力从低到高排列，我们会得到一条这样的曲线：

横轴是人数，纵轴代表想法产出量，曲线会在某处急剧攀升到极高的高度。

极小比例的人口，贡献了绝大多数重要的创意。

这让我想起英国数学家图灵提出的一个比喻：人类大脑就像一块铀。

如果铀的质量低于临界值，射入一个中子，只会激发出更少的中子；

但一旦超过临界质量，链式反应就会爆发，产生出惊人的能量。

图灵认为，人类大脑中的想法与此类似。

有些人，你向他们输入一个想法，他们只能给你回半个想法；

而另一些人，每输入一个想法，他们能产出两个。

那些人，正处于曲线陡升的拐点之上。

我不想显得自大，我不认为我在那个拐点之上，我也不认识任何一个活着的人在那里。

但我确实知道一些已经逝去的伟人。

比如牛顿——任何人都会同意，他远在这条曲线的顶端。

想想看，他在25岁之前，已经产出了足以让10到20个人留名青史的成果：

二项式定理、微积分、万有引力定律、运动定律、白光的分解……这个清单还可以继续。

那么，是什么让一个人跃上曲线顶端？基本要素是什么？

我认为，从事科研、发明、数学或物理——任何类似领域——有三个相当必要的条件。

缺少任何一个，都难以成事。

这是显而易见的。你不会指望一个律师，无论他多么聪明，在今天给你提出一个全新的物理学理论。

换句话说，做高质量的研究工作，需要相当高的智商。

我不认为任何一个优秀的工程师或科学家，靠100的智商（人类的平均水平）就能做到。

他必须高于平均水平。在座的各位，都远高于那个水平。

我们可以说，智识才干是遗传的结果，而训练经验是环境的产物。

但这两者还不够。

我认为还有第三个要素，正是这个要素，造就了爱因斯坦，造就了牛顿。姑且称之为：动机（Motivation）。

你必须有某种驱动力，某种渴望——想弄清楚答案的渴望，想知道事物运作原理的渴望。

如果你没有这种渴望，你可以拥有世界上全部的训练和智慧，也不会去提出问题，当然更不会找到答案。

这很难描述清楚，大概是一种性情使然，早年的成长经历决定了你是否会在科研方向上燃起这种驱动力。

我觉得，在浅层意义上，这种动机可以分解为几个方面。

这不是什么深刻的分析，只是我的直觉：

好的科学家有强烈的好奇心，他想知道答案，想搞清楚事物如何运作，看到现象就想追问、就想解开谜团。

不是那种悲观主义的不满——我不是说对世界愤世嫉俗——而是一种建设性的不满。它可以这样表达："这还不错，但我觉得可以做得更好。有更优雅的方式。有改进的空间。" 也就是说，每当事情看起来不够完美时，内心始终有一丝轻微的不适；我认为这种不满，正是当今优秀科学家的核心驱动力之一。

我自己对证明一个定理会有极大的满足感。如果我为一个数学定理苦思了一两个星期，终于找到了证明，那种喜悦是真实的。看到一个解决工程问题的精妙方法——用极少的元器件实现了惊人的效果——同样令我振奋。

关于动机，我想引用爵士乐手"胖子"沃勒谈到摇摆乐时说的一句话："要么你生来就有，要么你就是没有。"

如果你没有，你大概不适合做研究工作。

尽管缺乏这种动机的人在其他领域可能非常成功，

但研究者需要一种极强烈的驱动力，强烈到不在乎现在是不是下班时间，愿意彻夜工作、周末工作，只为找到答案。

好了，以上都是大前提。

现在假设一个人已经具备了这三个要素，

是否有一些技巧和方法，可以在创造性思维中实际发挥作用，帮助我们更快找到答案？

我认为有，而且可以归纳整理。

下面我来介绍几个，有些是我自己想到的，有些是别人建议给我的。

如果有意识地将这些方法应用于你要解决的各种问题，

很多情况下你会比平时更快找到解答，甚至在你原本可能找不到答案的情况下也能找到。

我相信，优秀的研究者会无意识地运用这些方法——他们自动地做这些事情。

如果能把这些思维操作带到意识层面，明确地说"这是我应该尝试这种方法的情况"，那可能会走得更快。

假设你面对一个问题——设计一台机器、发展一套物理理论、证明一个数学定理，或者诸如此类

一个非常有力的方法，就是尽量剥除问题中的一切非本质因素，把它缩减到核心。

几乎所有问题都被各种各样的无关数据所遮蔽。

如果你能将问题降维到主要矛盾，你会看得更清楚，也许能找到解法。

当然，这样做可能让你的问题被过度简化，以至于它不再像原来的问题；

但很多时候，如果你能解决这个简化版的问题，你就可以逐步添加细节，最终回到原来的完整问题。

你有一个问题 P，和一个你尚未知道的解法 S。

如果你在这个领域有足够的经验，也许你知道一个类似的问题 P'，它已经有了解法 S'。

你所需要做的，只是找到从 P' 到 P 的类比关系，以及从 S' 到 S 的对应关系，就能回到你原本问题的解答。

这就是为什么领域经验如此重要？

你的脑海里存储了数千个已解决问题的 P-S 对，你只需找到一个与你当前问题相近的，就可以借道而行。

在思维领域，迈出两小步，往往比尝试一次大跨越要容易得多。

对同一个问题，用尽可能多的不同形式来重新表述它：换词，换角度，从每个可能的方向看它。

做完这些，再尝试同时从多个角度来看待它，也许就能洞见问题的真正本质，从而将关键因素联系起来，得出解答。

这很重要，但不容易。不这样做的话，你很容易陷入思维定势，绕着同一个圈子打转。

这也是为什么，一个对问题完全陌生的新人，有时候进来一眼就看到了解法，而你已经苦苦钻研了数月。

你已经陷入了某种思维的沟槽，而他从全新的视角看问题。

这在数学研究中非常强大。

典型的数学理论发展路径是：先证明一个孤立的、特殊的结论——然后总有人来加以推广。

原本是二维情形的，他推到了N维；原本是实数域的，他推到了一般代数域。

只要你记得去做，这其实相当容易。当你找到一个答案，下一件事就是问自己：

我能把它泛化吗？

有没有一个更广泛的陈述能涵盖更多情形？

这个聪明的方法能应用到更大的问题类别上吗？

还有哪里能用到这个思路？

有时候从问题到解法的跨越太大，难以一步完成。

你可以尝试把这一大步分解成许多小步。

就像证明一个定理，如果直接一步到位太难，也许可以设想若干个辅助命题或子定理，

如果能逐一证明这些，最终就能到达目标。

许多数学证明实际上正是通过极为迂回的路径找到的：

证明者兜兜转转，证明了许多看似毫无关联的结论，最后却从后门走到了目标。

而一旦找到了这条路，往往很容易回头去简化——发现某些步骤其实可以省略，某些弯路可以走直。

设计工程也是如此：先设计出一个显然笨拙、用料过多的方案，但至少你有了一个可以抓住的东西；

然后开始剪裁组件，发现有些部分原本就是多余的。

你想用前提 P 推出结论 S，但无论如何推不出来。

那么，把问题倒过来：假设 S 是已知的，你要从中推出 P，会怎样？

你会发现这个方向相对容易，有一条比较直接的路。

如果是这样，往往可以将这条路分段反转，一步一步地将它转化为从 P 到 S 的路径。

我自己设计各种计算机器的时候，就有过这样的经历：

正向设计一台玩 Nim（一种策略游戏）的机器，需要相当多的继电器，感觉很难。

后来我想到，如果把给定量和所求量互换，问题就迎刃而解了——这个想法引出了一种用反馈来实现的方法：

从所要求的结果出发，让机器倒着运行，直到它的输出与给定输入匹配。结果比最初的设计简单得多。

05香农的第一次婚姻为什么仅仅维持一年？

Norma Levor
Norma Levor

来源：https://www.youtube.com/watch?v=D9c67qwttmA

1940年与第一任妻子 Norma Levor 结婚，但这段婚姻仅维持了一年便以离婚告终。

其核心原因在于香农当时极度阴郁的精神状态以及他拒绝寻求心理治疗。

06为什么会出现心理危机？

深度探讨的几个核心原因：

这段婚姻从一开始就缺乏坚实的情感基础。诺玛原本是拉德克利夫学院（哈佛大学的本科学院）的学生，

香农为了通过MIT的法语考试而雇佣她做辅导老师，两人在聚会上相识后很快结婚。

但资料中披露了一个极具戏剧性的细节：

他们当时之所以结婚，显然是因为他们以为自己必须结婚，但后来发现其实并不需要。

在那个年代，这通常暗示着一场由于误以为怀孕而引发的奉子成婚乌龙。

这意味着两人在没有完全了解彼此、甚至没有做好心理准备的情况下，就被迫进入了婚姻。

这是导致诺玛彻底绝望的一个关键事件，也完美暴露了香农性格中极度异于常人的一面。

在他们结婚期间，诺玛的父亲在纽约去世了。当诺玛对香农说：“我们必须去参加我父亲的葬礼”时，

香农的反应竟然是直接拒绝：“啊，我不去。” 即使诺玛哀求“那是我的父亲”，他依然无动于衷。

最后香农是怎么同意去纽约的？

是因为诺玛去查了纽约著名的前卫爵士乐俱乐部“先锋村”（Village Vanguard）的演出节目单，

并告诉了香农谁在那里表演。

香农听完后才说：“好吧，我们走。”

你可以代入诺玛的视角感受一下这种窒息感：丈夫对岳父的死、对妻子的悲痛毫不关心，只有爵士乐能驱动他出门。

这就是我们之前说的香农视角的阴暗面。

他可以轻易剥离掉人类社会中最沉重的“意义”（如死亡、亲情、葬礼的社会习俗），

在他的世界里，葬礼的“信息量”为零，而爵士乐俱乐部的“信息量”为正。

3. 无法跨越的阶级与文化鸿沟

两人的背景和价值观完全是两个世界。

诺玛：是一个富有家庭出身的、犹太裔的、左翼知识分子。她非常早熟且见多识广，19岁时就已经和家人在巴黎生活过，并为报纸撰稿。她是一个高度社会化、关心政治和文化的人（她后来改嫁给了一位好莱坞编剧，与许多电影明星是朋友）。

香农：是一个来自密歇根州小镇的男孩，从小只喜欢和无线电、机械作伴，是个彻底的无神论者且对政治毫无兴趣。

当最初的激情褪去，两人搬到普林斯顿的公寓后，这种鸿沟彻底暴露。诺玛需要社会连接，而香农的处理方式是把自己关在家里，整天放着比克斯·贝德贝克（Bix Beiderbecke，早期爵士乐手）的唱片，一个人在旁边吹单簧管伴奏。

1940年左右，现实世界给香农输入了太多他无法处理的复杂变量（巨大的噪声）：

职业上的受挫：他顶着天才的光环来到群星璀璨的普林斯顿高等研究院，但他却极度不适应。他不仅不去推进研究，反而躲着他的导师赫尔曼·外尔（Hermann Weyl），让导师满世界找他，最后仅仅干了三个月就辞职了。

战争的恐惧：珍珠港事件前夕，战争阴云密布。香农极度害怕被征召上前线当炮灰（drafted），他极度焦虑于如何通过参与国防科研来逃避兵役。

家庭的责任：一个需要情感回应的妻子。

面对这些无法被简化为0和1的复杂现实问题（战争、人际关系、职业规划），香农的解题框架失效了。

他当时还很年轻，没有学会如何与这个复杂的世界和解。

于是，他采取了他最熟悉的物理电路应对方式——切断电源。

他拒绝社交、拒绝看心理医生、拒绝参加葬礼。

他退缩回了自己绝对可控的小世界里（听唱片、吹单簧管）。

来源：https://www.youtube.com/watch?v=D9c67qwttmA

07后来是怎么解决心理危机回到正常生活？

他通过切换环境、降噪、重构系统的方式，用他自己逻辑完成了自我救赎。

面对普林斯顿高等研究院庞大的学术压力和二战即将来临的兵役焦虑，他选择了直接切断电源。

他仅仅待了三个月，就果断辞去了普林斯顿的职位。

为了解决最让他焦虑的被征召入伍当炮灰的现实威胁，他主动加入了美国国防部科研委员会（NDRC），

随后进入贝尔实验室，参与防空火力控制和密码学的研究。

这从物理上消除了他最大的外部威胁，让他的生存环境恢复了可控。

刚到贝尔实验室时，香农依然处在低谷期，他极度讨厌白天被分配的那些应用型军工任务，

甚至需要朋友把他硬拖去上班。

但他聪明地建立了一套心理隔离机制：白天应付现实世界的防御任务，

而到了夜晚，他便完全沉浸在自己的绝对抽象世界里。

正是在这些夜晚，他把战争中杂乱无章的防空数据、无线电噪音和密码，提纯成了他最擅长的数学符号，

并最终孕育出了改变世界的密码学备忘录和信息论。

他把现实的噪音变成了理论的信号。

普林斯顿那种纯理论、重社交的学术圈不适合他，但贝尔实验室却完美兼容了他。

那里不仅极其宽容、自由，允许他捣鼓各种奇怪的电路和机器，还让他遇到了真正能与他同频共振的人。

1943年，英国天才数学家阿兰·图灵来到贝尔实验室，两人每天在食堂一起喝茶。

图灵向香农展示了关于“通用图灵机”的论文，两人在“机器能否思考”这一问题上产生了极大的共鸣。

第一段婚姻的失败，是因为前妻试图将他拉入世俗的情感与社会规则中。

而在1948年（发表信息论的一年），他在贝尔实验室遇到了一位名叫 Mary Moore，昵称贝蒂的女性。

贝蒂当时是贝尔实验室的一名计算员。

在1949年结婚后，贝蒂不仅完全理解他的数学世界，甚至亲手协助他制造了那只著名的走迷宫机器鼠。

有了贝蒂的协助与陪伴，他不再需要面对世俗社交的压力，

可以毫无顾忌地将下半生投入到杂耍、独轮车和无用的发明中。

来源：https://www.youtube.com/watch?v=D9c67qwttmA

08晚年的生活

大多数伟大的数学家在年轻时就已经完成了他们最杰出的工作，晚年的香农像一个隐士

香农 40 岁之后就很少涉及信息论的领域直到他 84 岁去世，这中间的 40 多年，几乎是半生

尽管他被世人奉为神坛上的信息论之父，但他本人的生活重心却更多地倾向于私人兴趣和对无用之物的热爱。

香农晚年与妻子居住在波士顿郊外一座名为熵之屋（Entropy House）的庄园里。

屋内有一间房间整齐地摆满了各种奖章（如国家科学奖章、京都奖等），

但他对这些身外之物似乎感到有些局促不安，停留不到一分钟就会躲进旁边的房间。

他的妻子贝蒂曾是贝尔实验室的计算机科学家，晚年经常鼓励他重新走入公众视野。

相比学术成就，香农晚年更沉迷于他的工作室，那里堆满了各式各样的机械装置：

包括会说话的国际象棋机、百刃折叠刀、动力高跷，以及能用罗马数字计算的计算机

他不仅拥有杂耍博士证书，还试图建立杂耍统一场论

（用数学公式 $B/H = (D+F)/(D+E)$ 来计算抛接球的数量与时间关系）

他甚至还在家里制作了杂耍机器人。

香农晚年在学术产出上非常低产，但他并不认为这是枯竭，而是一种从容：

他坦言自己花了很多时间在完全无用的事情上，追求兴趣时从不考虑其对世界的最终价值。

他晚年表现出明显的怯场，甚至在 1973 年的一次讲座前险些退缩，他担心自己无法承载外界赋予他的神话般的声誉。

在 1980 年代，晚年的香农曾有过几次令学术界震惊的露面：

1985 年，他意外出现在英国布莱顿的信息论研讨会上。当时许多年轻学者甚至以为他早已不在人世。

在那次会议上，他因担心演讲太无聊，从口袋里掏出三个球现场表演了杂耍。

香农在晚年长期与阿尔茨海默症作斗争，并最终于 2001 年去世，享年 84 岁。

09为什么香农的下半生好像江郎才尽一样？

香农的一生的确在心理状态上经历了极端的两极分化：早年的极度抑郁和后半生的极致贪玩。

第一段短暂婚姻，确实发生在他精神状态最糟糕的时期。

在1940年左右，也就是他刚刚发表了被称为世纪最重要硕士论文并完成博士学业后不久，他陷入了严重的心理危机。

他的第一任妻子 Norma Levor 发现他变得越来越阴郁、孤僻，整天把自己关在家里，靠跟着唱片吹单簧管打发时间。

确信他患上了严重的抑郁症，但他极其固执，坚决拒绝寻求任何专业的心理帮助或治疗，

这最终导致妻子无法忍受而离他而去。

在创立信息论之后，香农大约在44岁（1960年）发表了最后一篇单一作者的论文，此后他不仅逐渐淡出学术前沿。

他将后半生投入到了杂耍、骑独轮车、建造走迷宫的机器鼠和喷火小号等极其无用的爱好中。

当时，连他在贝尔实验室和麻省理工学院（MIT）的同事都在私下猜测，香农是不是江郎才尽或者对学术感到了厌倦。

面对这种质疑，香农本人明确予以了否认。

他非常坦然地解释说：大多数伟大的数学家都是在年轻时完成他们最出色的工作的，

而且随着生活的继续，你只是改变了你的方向。

他后半生的沉迷杂耍，不是因为精神崩溃，而是因为他主动卸下了改变世界的重任，选择了最让自己开心的事情。

他曾直言不讳地表达过自己的行为准则：

“我追求我的兴趣时，从不考虑它的最终价值，也不考虑它对世界的价值。我把大量时间花在了完全无用的事情上。”

香农真正意义上的病理性精神衰退发生在20世纪80年代中后期，当时他开始出现阿尔茨海默症（老年痴呆）的症状。

10香农的投资

他将股市视为概率论的另一个实验室，取得了堪比顶级专业投资者的回报。

根据一次采访，在转换到长期持有策略后，香农的投资组合在长达35年的时间里，实现了年化接近28%的复合回报率

这一表现与同期的沃伦·巴菲特不相上下

1986年的一份报告显示，他的业绩击败了当时1026只共同基金中的1025只，最终将其财富翻了60倍

他的投资方式有下几个核心策略：

在20世纪60年代，香农把股市视为概率论的现实实验场，并在MIT举办了关于科学投资的会议。

他提出了一种被后人称为香农恶魔的固定比例再平衡投资组合理论。

将投资组合严格分为两半，50%持有现金，50%持有高波动的股票。

当股票下跌时，股票在组合中的比例会低于50%，此时就用现金买入股票以恢复50/50的比例；

当股票上涨时，股票比例超过50%，就卖出部分股票换成现金，再次恢复50/50的比例。

香农从数学上证明，即使是一只呈现随机游走（没有任何明确上涨趋势）的股票，

只要波动率足够大，通过这种不断再平衡的策略，也能从中榨取利润，这就是所谓的收割波动性。

不过他本人也承认，在当时高昂的交易佣金和税收环境下，频繁交易会侵蚀利润。

香农试图将信息论的观点引入经济学，研究信息在投资组合中的价值。

为了模拟市场，他甚至设计了专门的模拟电路，用来研究大型养老基金等机构的现金流入和流出对股市的影响。

同时，他深刻影响了后来在金融界大放异彩的凯利公式的应用。

当物理学家、天才赌徒 Edward Thorp 与香农合作时，

香农建议索普参考贝尔实验室同事 John Kelly 在1956年发表的论文来进行下注规模的控制。

这一策略的核心是最大化财富的对数期望值，

通过在多个投资标的间分散资金，在牺牲一小部分预期收益的情况下大幅降低破产风险。

这一原则后来被广泛应用于二十一点游戏、体育博彩以及股票市场。

香农并没有完全沉浸在纯数学模型中。

他在科技界拥有极广的人脉，认识许多高科技行业的高层

他的投资组合高度集中于少数几家他深度理解并与创始人有私交的科技公司如 Teledyne、惠普和摩托罗拉。

其中，对 Teledyne 的投资源于他与公司创始人Henry Singleton 的友谊，

这项投资自1961年起，在 25 年间取得了年化 27% 的惊人回报。

在牛市中，他也会购买热门的首次公开募股（IPO）股票，有时甚至能让资金每月翻倍。

尽管香农发明了收割波动的短线数学模型，但他和妻子贝蒂（Betty）在最初几年交了学费并获得了中等利润后，

最终将主要策略转向了长期持有。

他们倾向于投资那些他们真正喜欢其产品的公司的股票。

他认为，选择能够成功的公司比预测市场的短期波动更容易。

在1987年接受《Omni》杂志采访时，他明确表示：

在我看来，最终，数学的重要性不如人和产品……很多人盯着股价，但他们真正应该看的是公司的基本面和盈利能力。

11香农在 MIT 最优投资组合理论发表过一次传奇演讲

香农曾在MIT就最优投资组合理论发表过一次传奇演讲，讨论如何最大化投资组合价值的对数，但论文从未发表。

通过 manus 的深度调研还原了部分演讲的信息，更多在 https://book.douban.com/subject/27170067/介绍了整个故事。

经过一番深入的数字考古，综合了多位当事人的回忆、相关学术论文的论述、以及后世学者的分析，

尽可能地还原了讲座的核心思想、理论基础。

香农在讲座中提出：

即使在没有明显上涨趋势的随机市场中，通过对投资组合进行周期性的再平衡，也能从市场的波动中稳定获利。

这一思想后来被称为香农之魔（Shannon's Demon）。

综合多方回忆，它大约发生在1966年至1971年之间的某一天（可能不止一次）

由于香农在MIT的巨大声望以及他作为成功投资者的名声早已在外，讲座吸引了远超预期的人群。

最初安排的教室无法容纳，活动最终被转移到MIT标志性大穹顶（Great Dome）之下最大的10号楼10-250讲堂

讲座的核心思想是什么？

所有线索都指向一个惊人的结论：利用波动率创造收益。

香农提出了一个思想实验，

后来被 William Poundstone 在其著作《财富公式》（Fortune's Formula）中详细阐述，并被命名为香农之魔

设想一种极度波动的股票，它每天的价格要么翻倍（上涨100%），要么减半（下跌50%）

两种情况的概率各为50%。

从长期来看，这支股票的几何平均收益率为零，一个买入并持有的投资者最终将一无所获。

香农提出的策略却能从中稳定盈利。

策略如下：

时间事件股票价值现金价值组合总值再平衡操作
Day 0初始状态$500$500$1,000-
Day 1股价减半$250$500$750用$125现金买入股票
Day 1 (平衡后)-$375$375$750-
Day 2股价翻倍$750$375$1,125卖出$187.5股票
Day 2 (平衡后)-$562.5$562.5$1,125-

采用香农再平衡策略的投资者，其资本从$1,000增长到了$1,125，实现了12.5%的收益。

香农证明了，只要存在波动，这种策略就能持续地收割波动性（volatility harvesting），

将算术平均收益（正值）转化为几何平均收益（复利增长）

据 Thomas Cover 回忆，香农在讲座中给出了一个几何维纳过程的例子。

这是上述离散模型的连续时间版本，即现代金融学中用于为股价建模的几何布朗运动。

在这个模型中，最大化长期财富增长率等同于最大化财富的对数期望值，这正是信息论学者 John Kelly 凯利准则核心

香农将信息论中的核心概念——如熵、信道容量——与投资组合的长期增长率联系起来。

波动的市场就像有噪声的信道，再平衡策略则像是一种最优的编码方式，能从噪声中提取出有价值的信息（即收益）。

反对

香农的理论在当时并非没有争议。

最著名的反对者是诺贝尔经济学奖得主 Paul Samuelson。

据科弗回忆，香农和 Samuelson MIT曾举行过多次晚间讨论会，就投资理论展开辩论。

Samuelson 坚决反对将最大化财富对数作为普适的投资准则。

他认为，这仅仅对应于一种特殊的效用函数（对数效用），而并非所有理性投资者都具有这种效用偏好。

为了反驳香农式的思想，Samuelson 甚至在1979年发表了一篇著名的、全篇由单音节词写就的论文

题为《Why we should not make mean log of wealth big though years to act are long》

（为何我们不应在长年限下最大化财富对数的均值）。

然而，信息论学派的学者，如科弗和索普，则为香农的理论辩护。

他们指出，即使一个投资者不具有对数效用，

最大化财富对数的策略在长期来看，其财富增长速度将以概率1超越任何其他本质上不同的策略。

这赋予了该策略一种客观上的优越性

一个广为流传的趣闻是，在讲座的问答环节，当被问及他本人是否使用这套理论进行投资时，

香农给出了一个出人意料的回答：不，佣金会要了你的命。

参考：