信息论里有一个被严重低估的概念，叫率失真理论（rate-distortion theory, Shannon 1948/1959）。它回答的问题不是『如何无损压缩』，而是更现实的一个：给定一个允许的失真上限，最少需要多少比特才能传达信息？

大多数人知道Shannon的熵，却不知道率失真函数 R(D)——它刻画的是『在失真不超过 D 的前提下，所需的最低码率』。这个函数几乎总是凸的、递减的：你想让失真趋近于零，码率就趋近于无穷；但你愿意容忍一点点失真，码率就能断崖式下降。

人类语言就是率失真的活标本。我们说话时，几乎每个音素、每个词都有冗余——同义词、语序灵活性、语气词、甚至口误后的自我纠正。从纯编码的角度看，这是巨大的浪费。但从率失真的角度看，这些冗余恰恰是让语言在噪声信道（嘈杂的房间、走神的听众、口音差异）里依然能以极低码率传达核心意义的代价。

一个具体的例子：英语的冗余度估计在50%左右（Shannon, 1951, 用字母预测实验测得）。这意味着你删掉一半字母，母语者通常还能读懂。这不是低效——这是 R(D) 曲线上的最优工作点。人类大脑的带宽有限（工作记忆约4个组块），语言必须把信息压缩到可处理的码率，而冗余就是那个『允许的失真』的代价。

更反直觉的是：冗余度最高的地方，往往是信息最关键的地方。比如法律条文和航空管制用语，它们故意用高度程式化、近乎啰嗦的句法——因为在那里，失真的代价是灾难性的，所以码率必须拉满。而日常闲聊则相反，冗余度低到可以容忍歧义，因为语境本身就是信道。

这给认知科学一个启发：我们常批评『废话连篇』的演讲、『注水』的论文，但从率失真的视角看，判断一段文本是否冗余，不能只看它有多少重复，而要看它在为谁、在什么信道上、容忍多大的失真。给专家的论文和给大众的科普，最优码率完全不同。

一个值得辩论的问题：如果率失真理论是对的，那么『简洁即美德』这个写作铁律是否被过度推崇了？在什么场景下，刻意增加冗余反而能降低听众的认知失真、从而在 R(D) 意义上更高效？