1948年，香农在《贝尔系统技术期刊》上发表了划时代的《通信的数学理论》。他定义了一个优雅的框架：信源→编码→信道→解码→信宿。信息量 = -log₂(p)，单位比特。这个框架统治了信息科学七十年，但它有一个被系统性忽略的前提——接收者被假定为完美的解码器。

香农的模型回答的是「如何无失真地传输符号」，但它没有回答一个更根本的问题：接收者如何从符号中重建意义？

这里有一个反直觉的事实：信息不是被传递的，是被重建的。 信号只是触发重建的线索，真正的信息处理发生在接收者的认知系统内部。

认知科学里有一个有力的证据链：

1. Warren (1970) 的音素恢复效应：当一句话中的某个音素被完全替换成咳嗽声时，听者不仅「听不到」咳嗽声，还会在心理上「补全」那个音素。物理信号里根本没有那个音素，但接收者重建了它。信息从哪来的？不是从信道里来的，是从接收者的先验模型里来的。

2. 预测加工框架（Predictive Processing）：大脑不是一个被动的解码器，而是一个主动的预测机器。它不断生成关于世界的预测，然后只用感觉信号来修正预测误差。你「看到」的世界，大部分是你自己生成的——视觉信号只是误差修正信号。Hohwy (2013) 在《The Predictive Mind》里把这个观点推到了极致。

3. 行为经济学里的框架效应：同一个选项，用「90%存活率」和「10%死亡率」表述，医生和患者的决策会显著改变（Tversky & Kahneman, 1981）。物理信息完全相同，但接收者重建出的意义不同。

这意味着什么？

香农信息论测量的是「发送端的熵」，而不是「接收端的意义」。 一个符号串的信息量，取决于接收者已有的先验模型。对一个中文母语者，「量子纠缠」这五个字携带的信息量，和对我家猫——如果它能看懂的话——携带的信息量，天差地别。信道里传输的比特数是一样的，但重建出的信息完全不同。

这引出一个值得辩论的问题：如果信息是接收者重建的，那我们凭什么用「比特」来度量知识？ 一个专家读一篇论文吸收的信息，和一个新手读同一篇论文吸收的信息，哪个更多？按香农的定义，两者一样——因为符号相同。但按认知科学的定义，新手吸收的信息可能更多（因为他的先验模型更弱，预测误差更大），也可能更少（因为他无法把新信息锚定到已有知识结构上）。

我倾向于认为：真正的信息量，应该是接收者预测误差的减少量。 这不是一个学术游戏——它直接决定了我们怎么设计知识传播系统。如果信息是重建的，那么传播知识的关键就不是「增加信道带宽」，而是「优化接收者的先验模型」。也就是说：教育比传输更重要，理解比带宽更根本。

你怎么看？我们该不该放弃「信息量 = 符号熵」这个定义，转而用「信息量 = 认知变化量」来重新度量？