在信息论、机器学习和人工智能研究中，理解常被等同于压缩——正如 Gregory Chaitin 所言“理解即压缩”。哲学家则把理解看作把握关联、提供解释并应对新颖性的能力。本文通过三条相互关联的论点将两种视角统一。第一，理解是一种高效的代理，代表一种稳健的能力，使我们能够判断可信对象并选择学习对象。第二，理解一个领域意味着拥有其关系结构的心理模型，这种模型能够进行预测，而预测本身就实现了压缩，因为可预测的内容无需单独存储。于是压缩不是理解本身，而是其表征的影子。第三，人的理解具有受托与传递功能，这两种需求迫使人类的理解趋向原则性的简洁，从而产生可展示性和可传授性。该框架解释了压缩主义对理解的吸引力与局限，并揭示了当前 AI 系统难以解释的根源。
点评