e:宇宙最有效率的進位系統

從資訊理論到自然規律,探索為何無理數 e (≈2.718) 是理論上最高效的資訊表達基石。

一、進位系統的效率兩難

在設計一個數字系統時,我們總是在尋求最高的「效率」,但這需要在一對矛盾中找到平衡:

基數太大 (如:十六進位)

每個位數能表示的狀態變多,但硬體實作複雜,且符號常被浪費,就像用大卡車只載一箱貨物。

基數太小 (如:二進位)

硬體簡單,但表示同一個數需要更多位數,就像用無數台小推車搬運一座山,儲存和處理成本高。

我們的目標是:找到那個能讓「位數長度」與「單一位數複雜度」成本乘積最小的完美基數。

二、資訊的本質:為何是對數?

資訊理論告訴我們,資訊的量度來自於「不確定性的減少」。從 $b$ 個等機率的選項中做出一個選擇,所獲得的資訊量,是以對數(logarithm)來衡量的。

在一個基數為 $b$ 的進位系統中,每一個位數(digit)可以攜帶的資訊量(以 bit 為單位)為:

$$ I = \log_2(b) \text{ bits} $$

這意味著基數越大,單一位數承載的資訊越多。但這只是故事的一半,我們還需要考慮表達一個數字 $N$ 所需的總成本。

三、尋找效率的甜蜜點

為了量化一個進位系統的總體「成本」或「經濟性」(Radix Economy),我們需要考慮兩個因素的乘積:

  1. 位數複雜度 (基數): $b$
  2. 表示數字 $N$ 所需的位數長度: $\log_b(N)$

總成本 $C$ 與 $b \cdot \log_b(N)$ 成正比。利用換底公式 $\log_b(N) = \frac{\ln(N)}{\ln(b)}$,我們可以將成本函數簡化為:

$$ C(b) \propto b \cdot \frac{\ln(N)}{\ln(b)} \propto \frac{b}{\ln(b)} $$

我們的目標是找到使這個成本函數 $f(b) = \frac{b}{\ln(b)}$ 最小化的 $b$ 值。透過微積分求導,我們發現當導數為零時,即達到最小值,而這個點正是:

b = e ≈ 2.71828...

📌 結論:理論上,最能平衡位數複雜度與長度的進位系統,其基數就是自然常數 e。

四、理論與現實的差距

既然 e 是最佳解,為何我們的電腦不用 e 進位?答案很簡單:實作的限制

  • e 是無理數: 我們無法創造出一個包含 2.718... 個穩定符號的物理系統。
  • 硬體的可行性: 電路最容易、最穩定實現的是離散狀態,例如「開/關」、「高/低電位」,這天然對應了二進位的 0 和 1。

因此,我們只能退而求其次,選擇與 e 最接近的整數。在 2 和 3 之間,3 更接近 e。

三進位 (Base-3)

是理論上最有效率的「整數」進位系統,這也是為何三進位電腦(Ternary Computer)一直是學術研究的熱門領域。

五、我們活在一個對數世界

資訊以對數表示,並非巧合。這深刻地呼應了自然界與人類感知的底層規律。我們的感知系統天生就是對數尺度的。

聽覺:我們對音量的感知是對數的(分貝)。音強增加十倍,我們感覺只增加了一個級別。
視覺:人眼對光線亮度的反應也是對數的,使我們能在極暗和極亮的環境中都能看見。
地震規模:芮氏規模每增加 1,能量釋放約增加 32 倍,這是一個對數關係。
韋伯-費希納定律:我們感知到的刺激變化,與變化的「比例」有關,而非絕對值,這正是對數函數的特性。

🎯 總結:數學、實作與自然的交會點

問題 核心答案
為何資訊量是對數? 資訊的本質是「選擇」,對數是衡量不確定性的最佳數學工具。
為何是 e? 在成本函數 $\frac{b}{\ln(b)}$ 中,e 能使「位數複雜度」與「位數長度」的乘積最小化。
為何不用 e 進位? e 是無理數,無法在物理世界中穩定地製造出 2.718... 個狀態。
那該用什麼? 選擇最接近 e 的整數:三進位 (3) 是理論最佳,二進位 (2) 是工程最佳。
世界真是對數的嗎? 是的,從人類感知到自然數據分佈,許多現象都呈現深刻的對數特性。

🧠 延伸思考:三進位的未來

雖然二進位主宰了當今的數位世界,但對效率的極致追求從未停止。如果未來材料科學或量子計算取得突破,能穩定實現三態邏輯(-1, 0, 1),那麼一個更接近 e、更節能、更高效的三進位計算時代,或許將不再只是理論上的空想。