Теория информации — это концептуальная основа, описывающая количественно информацию, энтропию и сжатие данных в физических и биологических системах.Центральное понятие — информационная энтропия Шеннона: H = −∑ pᵢ log₂ pᵢ. Она измеряет среднее количество битов, необходимое для кодирования одного символа источника. Если все символы равновероятны, H максимальна. Избыточность языка позволяет сжимать данные без потерь (Шеннон доказал предел сжатия в теореме об источнике). Другой краеугольный камень — пропускная способность канала: C = B log₂(1+S/N). Если кодировать сообщение со скоростью меньше C, можно передавать его практически без ошибок, несмотря на шум. Эти идеи работают во всех системах связи: от спутников до USB-флешек.
Клод Шеннон (1916–2001) сформулировал математическую теорию в своих секретных военных отчётах начала 1940-х и обобщил в знаменитой статье 1948 г. в Bell System Technical Journal. Он ввёл термин «бит» (предложен Дж. Тьюки) и связал информационную энтропию с физической энтропией Больцмана. Предшественниками были Г. Найквист (исследовал скорость телеграфной передачи, 1924) и Р. Хартли (предложил логарифмическую меру, 1928). Позднее А.Н. Колмогоров развил алгоритмический подход к информации (колмогоровская сложность). В квантовой теории информации энтропия фон Неймана обобщает энтропию Шеннона для смешанных квантовых состояний.
Информация измеряется в битах как логарифм числа возможных состояний: I = log₂ N или −log₂ p. Энтропия H = −∑ pᵢ log pᵢ достигает максимума при равномерном распределении. При передаче по каналу с пропускной способностью C (формула Шеннона-Хартли: C = B log₂(1+S/N) для гауссовского шума) теорема Шеннона гарантирует: если скорость кодирования R < C, то можно достичь сколь угодно малой вероятности ошибки, используя достаточно длинные блоковые коды. На практике приближаются к границе с помощью турбо- и LDPC-кодов, использующих итеративное декодирование и априорные вероятности. Для сжатия без потерь оптимальный код достигает средней длины, равной энтропии, и строится по алгоритму Хаффмана или арифметическому кодированию. Теория информации также применяется в машинном обучении (принцип минимальной длины описания, байесовские методы) и биоинформатике.
Благодаря ей работают интернет, сжатие фотографий в JPEG и восстановление осыпавшейся музыки на CD. Даже секвенирование ДНК использует информационную меру для сборки генома.
Фраза ‘Hello, World!’ в случайном английском тексте содержала бы около 80 бит, но из-за избыточности языка её можно сжать до 40–50 бит. Шеннон подсчитал, что английский текст несёт в среднем всего 1.3 бита на букву.
| I | переменная | информационный поток между подсистемами — information flow бит/с |
| σ | переменная | скорость производства энтропии — entropy production rate Дж/(К·с) |
| A | переменная | активность (мера динамической активности в системе) — activity 1/с |
| β | переменная | обратная температура (1/k_B T) — inverse temperature 1/Дж |
| |·|² | оператор | квадрат модуля — absolute value squared |
| d/dt | оператор | производная по времени — производная по времени |


















