达能
根据香农的信息理论，理论上不存在能够对所有数据都适用的无损压缩方法。这是因为信息熵是一个固定值，无法被减少。如果数据位数减少了，那么信息熵必然会降低，从而导致表
达能力下降。我们日常所说的无损压缩，其实是指可以反复压缩和恢复而不丢失数据的过程。但实际上，这种所谓的无损只是因为文件本身的特性符合某种特定情况，才让我们感觉实现了无损压缩。压缩的本质并不是真正减少信息量，而是将损失转移到你不关注的地方。例如，假设有一类信息中，10%的数据是无法辨识且无关紧要的，那么设计一个压缩算法让这些数据被丢弃，就可以被认为是一个有效的压缩算法。它成功地将损失限制在了你不需要的部分。举个具体的例子来说明。假如你只有两个比特（bit）的数据，总共有四种可能性：00、01、10 和 11。如果要完整传递这些数据，那么至少需要两个比特，这意味着在这种情况下无法进一步压缩。然而，如果我们事先知道第一个比特和第二个比特总是相同的，那么就可以只用一个比特来表示这两个比特的数据。这看起来像是实现了无损压缩，数据量减少了一半。但问题随之而来：解码方如何知道第一个比特和第二个比特必然相同这一规则？在实际应用中，有两种解决方法。第一种是提前与解码方约定好数据的规则，比如约定第一个比特和第二个比特一定相同；第二种是通过数据包本身传递这些规则。然而，第二种方法可能会导致一种常见的情况：压缩后数据包反而变大了。而第一种方法虽然能有效压缩数据，但会限制某些特定数据（如10或01）无法被正确传递，因为在第一步就人为降低了信息熵，从而可以用更少的比特来传递数据。综上所述，真正的无损压缩并不存在，我们所看到的无损效果，其实是基于特定条件下的数据特性和规则约定实现的。这样解释之后，应该不会再有人对此产生误解了吧。
