什么是 Entropy?从热力学到资讯理论、密码学与机器学习

1. 热力学中的 Entropy

Entropy(熵)一词由 Rudolf Clausius 于 1865 年提出,源自希腊文:

ἐν(en):内部、其中

  • τροπή(tropē):变化、转变

在热力学中,

熵(Entropy,S)用来描述:

系统的无序程度(Disorder)或可能状态的数量。

热力学第二定律指出:

孤立系统的熵只会随时间增加。

例如:

  • 冰块放入温水后会融化,熵增加。
  • 水不会自行重新结冰,熵不会自发降低。

Boltzmann 著名公式(亦刻于其墓碑):

S = k_B × ln(Ω)
HX = −Σ px × log₂ px
D_KL(P || Q)
=
Σ Px log(P(x)/Q(x))

用来衡量:

两个机率分布之间的差异。

6. Entropy 的四种主要意义

Entropy 在不同领域具有不同的含义:

  1. 热力学

衡量系统的无序程度。

在孤立系统中,熵依热力学第二定律持续增加。

  1. 资讯理论(Shannon)

衡量资讯量与不确定性,

表示讯息平均需要多少位元才能表示。

  1. 密码学

衡量乱数品质,

用于评估金钥、密码、Seed 与 CSPRNG 的安全性。

  1. 机器学习

Cross-Entropy 用于衡量模型预测与真实标签之间的差异,

是现代分类模型最重要的损失函数之一。