第二千六百一十七章 统一码大会（2/2）

「以《联合国宪章》为例，中文版的《联合国宪章》有26650个字符，而英文版则需要55600个字符，在排版统一的情况下，中文文档的厚度一般只有英文等字母形语言的一半。」

「因此作为书面文本，汉字是这个星球上最高效，信息密度最高的文本。」

「究其根本原因，是因为字母形文本是『一维』的，只代表了声音，而汉字是二维的，不仅仅代表声音，还封装了海量的信息。」

「这种信息还可以自由组合，用极简的方式完成派生词的产生。」

「比如国际化这个词，用英文表述需要二十个字符，用中文只需要三个字符，换成信息技术的表述，英文需要二十比特，而中文只需要六比特。」

「根据香农信息熵的研究，字符的信息熵为4比特，而汉字的信息熵为9.65比特，也就是说，在以计算机技术为主的信息世界里，中文可以比其余文本，以更小容量的信息载体，更快的速度，记录和传播更大的信息量。」

「比如中文的舅舅一词，只有四个比特，而要用英文来准确瞄准，则需要以『妈妈的哥哥』来表示，中文词汇在这里还包含了血缘，辈分，性别三个维度的信息量，这是声音记录类字符型文本所无法表达的。」

「除了记录的效率，还有读取的效率。」麦小苗在台上侃侃而谈：「中国有个成语叫做『一目十行』，意思就是中文信息的读取可以是面积式的，图形化的。」

「四叶草实验室做过一个有趣的实验，那就是将固定中文词汇的排列顺序予以打乱，然后制作出文本交给读者阅读，读者们可以惊奇地发现，混乱的词汇语序搭配正确的中文语法，并不会对阅读理解造成任何影响。」

「也就是说，『实验』和『验实』在文章里的作用是一样的，错误的排序会被中文用户在下意识层面完成自动纠正。」

「人类的大脑在阅读时主要涉及两条通路，一条叫背侧通路，主要进行语音识别，一条叫腹侧通路，主要进行视觉处理和语意连接。」

「大家在阅读字符型文本的时候，需要先将文本转化为语音，然后通过背侧通路接收；而在阅读表意型文本的时候，则是两条通路同时进行，所以才能够达到『一目十行』的效果，信息的提取效率也得到了极大的提高。」

「作为识别工具，汉语的『六书』法，又提供了强大的功能，瀚文大字库的所有表意文本，拆分开来，都是『字根』，而这些字根里边，也涵盖了巨大的信息量。」

「比如鸟字旁的字，可以圈定一个大概的理解范围，大家可以发现汉字里这类文本，大多和鸟，飞翔这类特性相关，而字符型文本很难做到这一点。」

「对此有人会产生一种直觉，认为汉字的高效，与汉字特别多有关。」麦小苗微笑道：「然而这是一种错觉。英文总词汇量超过一百万，而且目前还在以每年四千到八千的数量增长。而中文常用字大约3500个，基本上只需要掌握这三千五百字，就能够自由组合，并且完成中文世界里百分之九十以上信息量的交互，这也是瀚文基准字库的范围。」

「这一点重要不重要呢？我只举一点重要性，那就是中国人基本无需重构专业语言，学习另一套专业词汇，就可以自由地进行跨专业的学习。」(本章完)