从长度到信息拓扑：测度如何长出结构
如果把概率论与测度论的发展放在一起审视，会浮现出一条极其清晰的脉络：
先问“它有多长”，再问“它有多大”，然后问“随机如何被严格描述”，最后问“高维分布内部藏着什么结构”。
这条线索，从黎曼意义上的长度出发，途经 Lebesgue 测度、Kolmogorov 概率公理化、Rokhlin 测度拆解定理，一直延伸到今天的 DisCo 代数与信息上同调。它不是术语的简单更迭，而是数学在反复追问：不规则的对象能否被严格计量？随机现象能否被整体理解？复杂分布的内在结构能否被分类？
一、长度：一切的起点
人类最早关心的，是"这段路多长""这块地多大"。
直线好办，圆也好办。可一旦遇到弯曲边界、稠密点集、分形般的奇怪图形，古典几何就力不从心了：
用内接多边形逼近，结果会低估；
用外接多边形逼近，结果会高估；
有些集合，内外逼近根本不收敛到同一个数。
19 世纪的分析学把这个问题彻底逼了出来。傅里叶级数的收敛性、极限交换的合法性、函数空间的"大小"问题，都在暗示同一件事——
"大小"不能只靠直观几何，必须变成一种可运算的规则。
若尔当（Jordan）先用有限个区间覆盖定义"若尔当容度"，但它只有有限可加性，大量点集仍不可测。
真正打破天花板的是 Borel 和 Lebesgue：
Borel 用可数并、补运算从开集生成 Borel 集，给 Borel 集赋予具有可数可加性的测度；
Lebesgue 在 1902 年的博士论文中，用外测度/内测度构造出 Lebesgue 测度，并定义了一种全新的积分——不再按定义域切分，而是按函数值域"切片"。
于是"长度/面积/体积"升级成了 Lebesgue 测度。单调收敛定理、控制收敛定理随之成立，Lebesgue 积分成为分析学的新基础设施。
这一步的意义是革命性的：数学第一次能严肃地说，一个极不规则的集合"有多大"，一个极疯癫的函数"平均值是多少"。
二、抽象化：从 $\mathbb{R}^n$ 到任意世界
Lebesgue 测度仍然扎根于欧氏空间。下一步属于 Radon、Carathéodory 和 Fréchet。
Radon（1913） 在 $\mathbb{R}^n$ 的 Borel 集上研究一般可数可加集函数，统一了 Lebesgue 积分与 Stieltjes 积分，并给出"绝对连续测度可表示为不定积分"的结果——这是后来 Radon–Nikodym 定理的雏形；
Carathéodory（1914） 用外测度定义可测性，给出测度扩张方法，不再依赖具体坐标；
Fréchet（1915） 迈出了关键一步：为什么非得在 $\mathbb{R}^n$ 里？函数空间、序列空间也可以有测度和积分。他把 Radon 的推理搬到任意集合与 $\sigma$-域上，是抽象测度论的真正起点。
到 1930 年，Nikodym 将 Radon 的结果推广到抽象测度空间，得到：
$$\nu \ll \mu \quad \Longrightarrow \quad \nu(A) = \int_A \frac{d\nu}{d\mu} \, d\mu$$
这就是 Radon–Nikodym 定理。它后来成为条件期望、正则条件概率、贝叶斯后验的理论基石。
一句话：到 1930 年，抽象测度论已经成熟；只差一个人把它系统性地拿来重造概率论。
三、Kolmogorov：把"机会"关进测度论
1933 年，柯尔莫哥洛夫出版《概率论基础》（Grundbegriffe der Wahrscheinlichkeitsrechnung），完成了一次静默的革命：
概率直觉 | 测度论语言 |
|---|---|
所有可能结果 | 样本空间 $\Omega$ |
事件 | $\sigma$-代数 $\mathcal{F}$ 中的可测集 |
概率 | 总质量为 $1$ 的测度 $P$ |
随机变量 | 可测函数 $X: \Omega \to \mathbb{R}$ |
数学期望 | Lebesgue 积分 $\int_\Omega X \, dP$ |
条件概率 | 条件期望 / Radon–Nikodym 导数 |
从此，概率论不再是"赌桌上的组合技巧"，也不是"频率派 vs 贝叶斯派"的哲学争论，而是：
测度论的一个归一化分支。
贝特朗悖论、几何概率的模糊性、无穷次独立试验的收敛性，全都有了统一语法。Wiener 能在连续函数空间上构造布朗运动，Doob 能发展鞅论，Itô 能定义随机积分——背后都是同一套工具：σ-代数、可测性、Lebesgue 积分、"几乎必然"。
但 Kolmogorov 体系有一个"留白"：它告诉你联合分布是什么，却没有把"拆开以后再拼回去，会不会丢东西"变成核心问题。这个留白，要等另一项定理来填补。
四、Rokhlin 拆解：给概率装上"纤维"
真正把这个留白推到前台的是 disintegration theorem（测度拆解定理）。
古典条件概率公式
$$P(A \mid B) = \frac{P(A \cap B)}{P(B)}, \quad P(B) > 0$$
在 $P(B) = 0$ 时直接失效。连续型随机变量里 $P(Y = y) = 0$，但"给定 $Y = y$"偏偏是贝叶斯推断、滤波理论、随机过程中最重要的对象。
Rokhlin 的回答是：在标准 Borel 空间（如 $\mathbb{R}^n$、离散空间、Polish 空间）上，存在一族条件测度 $\{\mu_y\}_{y \in Y}$，使得联合测度可以正则分解为
$$\mu(A) = \int_Y \mu_y(A) \, \nu(dy)$$
其中 $\nu$ 是边缘测度。而且这族条件测度本身是可测的，且在几乎必然意义下唯一。
这不是"条件概率的另一种写法"，而是一次范式变化：
联合测度不再只是一团质量，而是一根"基底测度"上面长出来的纤维束。边缘测度是底空间，条件分布是纤维，拆解定理就是"局部化"的保证。
随机过程拿它构造正则版本，遍历论拿它做遍历分解，贝叶斯统计拿它定义后验分布。它本质上是概率论的"微分几何时刻"的前奏——只是当时没有人从这个角度去说。
五、DisCo：拆、压、拼
到了高维时代，联合分布不再是二维表里的一个数，而是成千上万个变量纠缠在一起的结构。
这时候出现一种新直觉：
按变量分组 $\pi = \{A_1, \dots, A_k\}$ → 拆（disintegrate）
每组内部用边缘 CDF / 摘要变量压缩 → 压（compress）
用块间骨架把条件分布重新组装 → 拼（combine）
这就是 DisCo 代数（Disintegration + Combination）的核心想法。形式上可以写成：
$$\mu = \int \mu_1(\cdot \mid t_1) \otimes \cdots \otimes \mu_k(\cdot \mid t_k) \, d\Phi(t)$$
其中：
$\Phi$：块和块之间如何耦合，称为骨架；
$\mu_j(\cdot \mid t_j)$：第 $j$ 块在给定摘要后的条件分布，称为纤维；
如果拆的时候保留了完整的条件依赖，拼回去是无损的；
如果压掉了信息，拼回去就会有残余。
这个操作和监督学习里的特征分组、统计物理里的块自旋变换、扩散模型里的多尺度去噪，是同一类动作。DisCo 的贡献不是发明积分，而是把"概率论里的粗粒化"提升为第一性操作。
六、信息上同调：熵不是感觉，是障碍
再往前走一步，就碰到了最迷人也最具争议的部分：信息上同调。
Baudot、Bennequin、Vigneaux 等人提出：把"能观测哪些变量、变量之间谁细于谁"看作一种信息结构（偏序集），然后在这个结构上定义上同调。
结果令人震惊：
Shannon 熵出现在某个系数层上，是一个 1-上闭链；
信息链式法则不是"公理"，而是上闭链条件；
多元互信息、条件互信息，指向更高阶上同调类；
"先按划分 $A$ 拆拼"和"先按划分 $B$ 拆拼"的差别，不能被低阶信息量完全吸收——这种残余，类似于微分几何里的曲率。
微分几何里，绕一圈平行移动回不来，那是曲率。DisCo 里，换一种划分拆拼之后回不到原结构，那是信息曲率。而信息上同调，就是给这种"拼不回去"颁发证书的数学工具。
所以有一句很狠的话：
信息论不是概率论的下游；信息论是概率论的同调论。
这话一半是诗，一半是数学。在有限离散情形，信息上同调已经有严格结果；在连续、无穷维、非参数情形，它还年轻。但方向很清楚：
概率论不想只回答"这个值是多少"，它开始问"这个分布有什么不可消除的结构"。
七、一条线的本质：从"大小"到"结构"
把整部历史收回来，是这样一条递进：
阶段 | 核心问题 | 关键人物 |
|---|---|---|
长度/面积 | 不规则集合有多大？ | Jordan, Borel, Lebesgue |
抽象测度 | 任意空间上如何积分？ | Radon, Carathéodory, Fréchet, Nikodym |
概率公理化 | 随机性如何被严格描述？ | Kolmogorov |
测度拆解 | 联合分布如何局部化？ | Rokhlin |
DisCo | 拆、压、拼能否成为原操作？ | 鲁学星等 |
信息上同调 | 分布的不可消除结构是什么？ | Baudot, Bennequin, Vigneaux |
前面是"能不能算"，后面是"能不能看懂"。前面是分析，后面是几何；前面是测度，后面是结构。
八、结尾：概率论的高斯时刻
微分几何也不是一出生就有陈省身。
它从高斯开始：曲率可以是内蕴的；
由黎曼推进：流形可以没有外在嵌入空间；
最终由 Grothendieck、陈省身完成：局部到整体的障碍，可以用上同调来记录。
概率论正在走类似的路：
Lebesgue 给了它"大小"；
Kolmogorov 给了它"公理"；
Rokhlin 给了它"纤维"；
DisCo 给了它"拆拼操作"；
信息上同调试图给它"不变量"。
所以如果有人问：测度论史、拆解定理、几何化纲领，这三者是什么关系？
答案可以是：
测度论让我们计量随机；拆解定理让我们局部化随机；DisCo 与信息上同调让我们读懂随机的结构。
从长度到测度，是从直观到严格；
从测度到拆解，是从整体到纤维；
从拆解到信息拓扑，是从计算到整体理解。
概率论也许正站在自己的"高斯时刻"：还不知道陈省身是谁，但已经摸到了曲率的边缘。
参考文献（精选）
Lebesgue, H. (1902). Intégrale, longueur, aire.
Kolmogorov, A. N. (1933). Grundbegriffe der Wahrscheinlichkeitsrechnung.
Rokhlin, V. A. (1949). On the fundamental ideas of measure theory.
Chang, J. T., & Pollard, D. (1997). Conditioning as disintegration.
Baudot, P., & Bennequin, D. (2015). The homological nature of entropy.
Vigneaux, J. (2019). Information structures and information algebras.
鲁学星. DisCo 代数与高维概率的内蕴拓扑相（知乎专栏）.
转载本文请联系原作者获取授权，同时请注明本文来自鲁学星科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3582667-1556793.html?mobile=1
收藏
