增加信息量能够降低不确定性。学习就是增加信息量、降低信息熵、增加确定性的过程，其中，一个重要的方法就是优化分类，把概念一般化。

人们面对不确定的世界，才会焦虑。例如不能确定明天会不会下雨，才会焦虑要不要带伞;不能确定股票是涨还是跌，才会焦虑要不要抛掉;不能确定女友是否喜欢你，才会焦虑要不要谈下去，等等。

美国数学家、信息论创立者香农(Claude Elwood Shannon)借鉴热力学第二定律，提出了信息熵概念。他用信息熵表示不确定程度，在事件均匀分布条件下，面对的事件数量N越多，信息熵(以log2(N)表示)越大，不确定程度越高。

增加信息量能够降低不确定性。学习就是增加信息量、降低信息熵、增加确定性的过程，其中，一个重要的方法就是优化分类，把概念一般化。例如人们一直把生产要素分为土地、资本与劳动，劳动分为时间、体力、管理、知识等，资本分为资金、设备、人脉等。这些分类不仅没有明确的分类依据，而且数量繁多。美国经济学家欧文·费雪在《利息理论》中认为收入就是享受(enjoyment)，把所有能够提供收入的资源称为资产，把资产的市场价值即资产未来收入的贴现值称为资本。这种资本分类不仅与经济学基本前提即理性人——个人追求约束条件下的最大利益相互联系，具备充分的分类根据，而且大大减少了要素种类。

把要素归为资本，包括生产、分配、交换与消费在内的主要经济活动都可以用资本表示。生产就是投入一种资本产出另一种资本的过程，分配就是交换投入资本与产出资本的过程，交换就是放弃一种资本获取另一种资本的过程，消费就是获取资本(收入)的过程。这样一来，减少了概念数量与事件数量，降低了信息熵，增加了确定性。

通过分类减少概念数量，能够降低信息熵，通过分类减少判断与推理数量，也能降低信息熵。例如美国出口到中国的水果往往高档的多，因为出口需要加上一笔运费，同样重量的水果，相比低档的，高档的更能摊薄运费，所以，出口中国的水果高档的多。现实世界中，像上海等城市汽车牌照拍卖价格较高，可以推断出该地购车的档次较高;城市土地价格往往高于农村，可以推断出城市建房的档次较高，等等。

上述例子运用了同样的推理方法：代价下降选择意愿上升，代价上升选择意愿下降。这就是需求定律，需求定律与理性人公理等价，经济学的结论均可从需求定律推理出来。运用需求定律解释与预测种种日常生活现象，关键在于通过约束条件变化推出价格变化，这需要不断练习与体会。

有一种读书方法叫做“先把书读薄，再把书读厚”。说的就是通过阅读理解，把书中概念、方法、体系提炼出来，相对繁多的书本内容，好的方法与体系能够减少事件数量、降低信息熵、提高确定性。然后把提炼出来的方法与体系用于解释各式各样的书本内容，包括社会生活这本实践之书，这就是把“书读厚”。当然，这是一个动态改进的过程，提炼出来的概念与方法要不断接受读的书、做的事之检验，在此基础上，才能不断改进提高。

标签： 增加信息量 优化分类 降低信息差 确定性