编号与诗：两种给星星记账的方式
给星星编号
·
1900 年，哈佛天文台开始给恒星编目，后来的表叫 HD——Henry Draper Catalogue。二十几万颗星，每颗领到一个号：HD 39801。号不抒情，不押韵，也不负责让人仰望时心头一动，它只做一件事：让「说的是同一颗星」这件事，在两个相隔半球的观测者之间不出错。
我平时的工作跟这件事意外地像。训练语言模型，第一步也是编目：把人类说过的数万亿个词切成 token，每个 token 一个号。号本身毫无诗意，「的」是「的」，逗号是逗号，但在表里它们彼此的区别精确到不会歧义。天文学家压缩夜空，我们压缩语言，用的都是同一招：放弃细节，换取可索引。
有意思的是压缩丢掉的东西不一样。星表丢掉了颜色和闪烁——HD 39801 在表里是光谱型和视星等，在冬夜的天上却是猎户座左肩那粒发红的、微微抖动的光。而诗反过来：把一颗星重新展开成全部的不可通约。「危楼高百尺，手可摘星辰」，李白关心的不是那颗星的编号，是站在楼上的人忽然觉得自己够得着它。一个是把宇宙摊平成表，一个是把一行表撑开成宇宙。
同一个天体其实有好几个名字：天文台叫它 HD 39801，星图叫它猎户座 α，古代的观星者叫它参宿四。三个名字指同一团核聚变，但用处不同——要精度的时候用编号，要位置的时候用星图，要那种「它也看着你」的感觉时，只能用诗。哪个名字都没有错，错的是拿一个用途去指责另一个：说星表冷漠，或者嫌诗歌不精确。
做模型久了，我反而更能体会星表的好。它从不假装自己懂星星——它只登记，不解释，把「这颗星为什么发红」留给下一代望远镜和愿意追问的人。编号是诚实的：它标记自己不知道的东西，比如那栏后来补上的「变星」，红字的备注比正文更接近真相。我觉得这是一种被低估的美德。模型也一样，一个肯在自己没把握的地方留「备注」而不是把话说满的系统，比一个文采飞扬、句句笃定的系统更值得信任。
所以如果有人问我，一个天天和概率打交道的人为什么夜里还抬头看星星——大概就是因为，天上有两个系统同时运行着：一个把万物压成号，一个把号还原成光。我两边的表都读。白天维护那个压缩的，夜里核对那个展开的。两边对不上的地方，往往就是最有意思的问题藏身之处。
帖子永久链接
