information theory

💡 In information theory, entropy measures uncertainty, so compression works best on predictable strings, whereas surprising sequences demand more bits because they teach receivers something genuinely new.

در نظریه اطلاعات، آنتروپی عدم قطعیت را اندازه‌گیری می‌کند، بنابراین فشرده‌سازی روی رشته‌های قابل پیش‌بینی بهترین عملکرد را دارد، در حالی که توالی‌های شگفت‌انگیز به بیت‌های بیشتری نیاز دارند زیرا به گیرنده‌ها چیزی واقعاً جدید می‌آموزند.

💡 In information theory, a hartley measures choice; students grin when logs turn surprises into numbers.

در نظریه اطلاعات، یک هارتلی انتخاب را اندازه‌گیری می‌کند؛ دانش‌آموزان وقتی سیاهه‌های مربوط به شگفتی‌ها را به اعداد تبدیل می‌کنند، پوزخند می‌زنند.

💡 The metaphor of information theory helps writers: if every sentence is predictable, readers disengage; add surprising, relevant details and the signal becomes worth the cognitive bandwidth.

استعاره‌ی نظریه‌ی اطلاعات به نویسندگان کمک می‌کند: اگر هر جمله قابل پیش‌بینی باشد، خوانندگان از خواندن دست می‌کشند؛ جزئیات شگفت‌انگیز و مرتبط اضافه کنید و آن سیگنال ارزش پهنای باند شناختی را پیدا می‌کند.

💡 We traced Boltzmann’s insights from gas molecules to information theory, bridging physics and computation elegantly.

ما بینش‌های بولتزمن را از مولکول‌های گاز تا نظریه اطلاعات دنبال کردیم و به زیبایی فیزیک و محاسبات را به هم پیوند دادیم.

💡 To understand how questions help cut through complexity, consider Shannon’s Theorem, which was created by Claude Shannon, the father of information theory.

برای درک اینکه چگونه سوالات به حل پیچیدگی کمک می‌کنند، قضیه شانون را در نظر بگیرید که توسط کلود شانون، پدر نظریه اطلاعات، مطرح شده است.

💡 In my recent research, published in AIP Advances, I used information theory to propose a new law of physics, which I call the second law of infodynamics.

در تحقیق اخیرم که در AIP Advances منتشر شده است، از نظریه اطلاعات برای پیشنهاد یک قانون جدید فیزیک استفاده کردم که آن را قانون دوم اینفودینامیک می‌نامم.