Vad är information – och hur kan vi förstå dess struktur, mening och funktion?

Om kommunikation ska fungera effektivt måste tre nivåer av problem lösas: tekniska, semantiska och effektivitetsrelaterade. Det tekniska problemet handlar om korrektheten i överföringen av symboler; det semantiska om huruvida mottagaren tolkar budskapets mening på ett tillfredsställande likartat sätt som avsändaren avsåg; och effektivitetsproblemet gäller i vilken utsträckning det tolkade budskapet resulterar i önskat beteende hos mottagaren.

Trots olikheterna finns tydliga strukturella likheter. Det betyder inte att de olika tredelningarna nödvändigtvis överlappar exakt, men de pekar mot ett gemensamt behov: att förstå vad information är i dess kärna, inte bara utifrån dess effekter eller uttrycksformer. Floridis bidrag med kartan över strukturell, referentiell och normativ information visar en hierarki, men samtidigt efterfrågas en ännu djupare begreppsanalys.

Existerande definitioner tenderar att vara otillräckliga. Bates och Linskis syn på kunskap som resultatet av att bli informerad reducerar kunskap till enbart ett mentalt tillstånd – men att bli informerad förändrar också våra handlingar. Harms teori, där statistik ses som en parallell nivå till fysisk information, missar att statistik snarare är en egenskap av fysisk information, inte något separat.

Traditionellt har begreppen syntaktisk, semantisk och pragmatisk information dominerat, vilket härstammar från lingvistiken och Charles Morris. Men detta språkcentrerade synsätt har sina brister. För det första är de lingvistiska termerna filosofiskt laddade och därmed problematiska som utgångspunkt. För det andra är information mer grundläggande än språk; språk är en härledd form av informationsöverföring, inte den generiska formen. Dessutom kan användningen av termer som "syntax" och "semantik" förvirra gränserna mellan konventionella och naturliga tecken, vilket döljer viktiga semiotiska skillnader.

Därför föredras Deacons indelning: strukturell, referentiell och normativ information. Låt oss fokusera på den första – strukturell information.

När A ♥ B, och A är missnöjd med meddelandets form (till exempel förvrängda tecken), handlar det om strukturell information – alltså den fysiska manifestationen av ett informationsmönster. Det kan vara bläck på ett papper, elektriska signaler i en telegraf eller vilken annan fysisk bärare som helst. Det avgörande är att information inte existerar utan fysisk manifestation, men samtidigt är inte den fysiska formen ensam tillräcklig för att definiera informationens struktur. Strukturell information är ett mönster som uppträder i ett medium – men inte är identiskt med det.

Floridi beskriver detta som "difference de re", en konkret, sinnesoberoende brist på uniformitet. Data, enligt honom, är skillnader mellan två odefinierade variabler. Denna skillnad är resultatet av symmetribrott, som uppstår i alla informationsbärande processer. I exemplet med A ♥ B, är den strukturella informationen helt enkelt den fysiska representationen av ett teckenmönster som "I love you".

Viktigt att förstå här är att strukturell information inte bär någon inneboende mening. Den är nödvändig för kommunikation, men inte tillräcklig för förståelse. Den fungerar som bärare, inte som budskapet

Hur mäts information om inte genom dess innebörd?

Enligt Claude Shannon är kommunikationens kärna inte budskapets mening, utan snarare processen genom vilken signaler överförs från sändare till mottagare. Detta perspektiv reducerar information till ett kvantitativt begrepp: information är en funktion av sannolikheten att en viss signal har valts bland ett antal möjliga. Ju mer osäkerhet som reduceras av en signal, desto mer information anses den bära. Detta blir grunden för vad Shannon kallar informationsmängd.

Sändaren omvandlar budskapet till en signal som kan färdas genom en kanal. Kanalen är det fysiska eller tekniska mediet som förmedlar signalen till mottagaren. Mottagaren rekonstruerar i sin tur signalen till ett budskap. Men budskapets semantiska innehåll — det vill säga dess mening — utelämnas helt från denna modell. Shannon fokuserar uteslutande på signalens strukturella egenskaper och sannolikhetsfördelningen av möjliga meddelanden.

Entropi $H(S)$ i detta sammanhang är ett mått på den genomsnittliga osäkerheten i källans tillstånd. Ju mer fördelningen av sannolikheter är spridd, desto högre entropi. Mottagarens möjliga tillstånd har på samma sätt en egen entropi $H(D)$, och den mängd information som faktiskt överförs mellan källan och destinationen definieras som mutual information — ömsesidig information — vilket ges av skillnaden mellan källans entropi och den genomsnittliga oklarheten (equivocation), eller mellan destinationens entropi och brusets påverkan.

Kanalens kapacitet definieras som den maximala ömsesidiga information som kan överföras pålitligt. Det är alltså ett mått på kanalens effektivitet — hur mycket information som faktiskt kan transporteras utan förlust.

För att beräkna ömsesidig information använder man sannolikhetsfördelningar: $p(d_j|s_i) = \frac{p(s_i, d_j)}{p(d_j)}$. Det handlar om att jämföra sannolikheten för att ett tillstånd $d_j$ inträffar givet ett specifikt tillstånd $s_i$, med sannolikheten för att $d_j$ inträffar oberoende av $s_i$. Ju större skillnad mellan dessa sannolikheter, desto mer information överförs i interaktionen mellan $s_i$ och $d_j$.

Resultatet är att ömsesidig information mäter hur mycket kunskap mottagaren faktiskt får om källan, snarare än hur mycket budskapet "betyder" i en semantisk eller filosofisk mening. Det är just detta som Shannon avsiktligt uteslöt: meningen i informationen. Ändå

Hur mäts information? Från Shannon till Dretske: En filosofisk utforskning av informationsinnehåll

Detta leder till en fundamental fråga: Hur kan vi förstå och mäta information på ett sätt som också stämmer överens med vårt praktiska och empiriska erfarenheter av världen? I denna kontext är Dretskes teori om semantisk information ytterligare ett viktigt bidrag, särskilt när vi försöker förankra betydelse och intention i information.

Dretske definierar informationsinnehåll som en signal r som bär informationen att ett objekt s har egenskapen F, om sannolikheten för att s har egenskapen F, givet r, är 1, medan sannolikheten givet bakgrundsinformation k är mindre än 1. Här kopplas informationsinnehållet direkt till den lagbundna relationen mellan händelser, där en signal (r) på något sätt måste vara lagbunden till händelsen eller objektet (s) som signalen refererar till. Detta innebär att för att en signal ska bära information om något måste den vara relaterad till det på ett sätt som inte är enbart statistiskt.

En viktig implikation av denna syn på information är principen om "nested" relationer av informationsinnehåll. Ett exempel på detta är att informationen att "John är man" är analytiskt inbäddad i påståendet "John är en ogift man", eftersom definitionen av en ogift man innebär att personen är man. Denna typ av relation, som är både analytisk och nomisk, ger en djupare förståelse för hur information fungerar och varför vissa signaler kan bära mer eller mindre information beroende på deras sammanhang och relationer till andra signaler.

Men Dretskes teori har också sina egna problem. Ett av de största är "styrkproblemet", där teorin kräver att den villkorliga sannolikheten ska vara 1, vilket är alltför strikt för många praktiska tillämpningar. Till exempel, om en kanin ser ett varningssignal om ett rovdjur, kan sannolikheten för att ett rovdjur faktiskt är närvarande inte vara 1; det kan vara betydligt mindre än 1. Men även om signalen bara är korrekt en av hundra gånger, är den fortfarande värdefull för kaninen. Detta öppnar upp för diskussioner om vilken styrka av korrelation som krävs för att en signal ska kunna anses bära information.

Detta problem blir ännu mer uppenbart när vi tänker på hur naturliga lagar och statistiska regelbundenheter fungerar i världen. Till exempel, en kanin kan lära sig att en buske som rör sig kan indikera närvaron av ett rovdjur. Denna relation är inte en naturlag, utan en statistisk korrelation. Detta innebär att även om vi kan förstå information genom statistiska mönster, behöver inte dessa mönster vara fullständigt deterministiska eller lagbundna.

Den viktigaste lärdomen här är att informationsinnehåll är både objektivt och relativt. Det är objektivt i den meningen att det bär på ett verkligt innehåll, men det är också relativt i den meningen att dess värde och betydelse beror på mottagarens kunskap och kontext. Information är således inte en statisk entitet utan något som är i ständig interaktion med den miljö och de förhållanden i vilka den tolkas.