S2E1 MP3
49:17 Share

所以 陈旧 的 声音 是 什么样 的？ 就像 泛黄 的 老照片 或者 被 风雨 侵蚀 的 台阶， 任何 东西 都 有旧 的 样子。 声音 这个 问题 特别 直接 的 指向 人类 整个 音乐史 或者说 听觉 史。 我们 可以 看 乐器 的 变化， 麦克风 和 录音 设备 的 变化， 声音 生产 的 方式 和 传输 的 方式 都 值得 讨论。 但是 最 直接 的 一个 考察 的 角度 是 观察 我们的 存储介质 和 回放 的 设备。 比方说 电话 和 广播， 尽管 广播 可以 播放 任何 音乐， 但 我们 始终 能够 在 脑海中 锁定 一种 绝对 属于 广播 的 声音， 就是 那个 声音 特别的 直觉。 它 比如说 它 比 其他 的 戒指 要 暗淡， 然后 它的 低频 是 缺乏 的， 然后 在 信号 不稳定 的 时候， 它 会 混杂着 一种 嘶嘶 沙沙 的 噪音。

再 比如 黑胶， 黑胶 是一种 密纹 唱片， 就是 细密 的 纹路 里 一圈 一圈 的 凹凸不平。 在 这个 槽 里面 有 凹凸 的 变化， 带动 了 长针 传导 到 喇叭， 然后 在 喇叭 里 形成了 震动。 这 毫无疑问 就是 我们 所谓 的 类比， 叫 anna L O G 这个 过程。 因为 它 不 涉及 任何 的 数字， 所以 没有 什么 二进制， 没有 芯片， 没有 处理器。 仅仅 是在 物理 世界 中将 一种 变化 传导 为 另外 一种 变化， 就是 将 凹凸 转化成 了 喇叭 的 空， 带动 空气 的 震动。 这 张 黑胶 具备 了 一种 非常 特定 的 成就感， 就像 广播 的 声音 它 不可避免 的 受到 信号 的 影响 一样。 就 比如 如果 黑胶唱片 它 瓢 了， 就 这个 唱盘 它 不平 了， 弯曲 了 的话， 它 会 导致 一种 轻微 的 周期性 跑调 的 声音， 对 吗？ 因为 这个 转速 是 均匀 的， 可是 你 这 曲面 让 这个 唱针 跑 的 一会儿 快， 一会儿 慢速度 就 不 均匀 了。

再 比如 如果 唱片 的 纹理 中 夹杂 了 一些 灰尘 的 颗粒， 从 微观 来看， 这个 唱针 会 特别 突兀 地 蹦 过去， 就是 好像 被 这个 灰尘 颗粒 绊 了 一 跟头 一样， 会 形成 一种 任何 听 黑胶 的 朋友 都会 非常 熟悉 油炸 或者 蹦 豆子 的 声音。

而 磁带 的 原理 则 非常 不同， 就是 在 录音 的 时候， 这个 音频 让 电流 通过 磁头 的 缝隙 产生 强弱 和 方向 不停 的 变化 的 磁场， 带动 磁带 上 的 磁粉 被 磁化， 形成了 一个个 的 极性 和 磁性 的 强弱 都 不一样的 微型 的 磁铁。 但是 连贯 的 被 记录 在 这个 袋子 上。 而 磁粉 的 分布 在 低频 和 高频 的 位置 总是 不太 准确。

这个 是 磁带 的 物理 的 特点， 就是 在 磁通量 很大 的 时候， 所有的 磁粉 会 出现 那种 所有 磁粉 都 被 激化， 然后 导致 这个 信号 就 没 区别 了。 你 比如说 这个 1米511米 五 以上 的 身高 全算 1.5米。 这个 时候 你 就 发现 一溜 的 一米 5， 就是 这个 1.5米以上 的 这个 人的 身高 的 差别 都 被 抹平 了。 就是 信号 过载 了， 会 出现 一种 叫做 saturation， 也就是 饱和 的 特点。 就是 很多人 心心念念 的 所谓 的 那个 温暖 的 声音， 其实 本质 上 是一种 失真， 是一种 特定 的 失真。 然后 再加上 磁带 转速 不稳定， 又 形成 一种 颤音 的 效果。 最后， 同样 的 音乐 进 到 磁带 里 会 变成 这个 样子。

事情 到了 M D 和 C D 的 时代， 发生 了 非常 大 的 变化。 我们 没有 办法 想象 出 C D 的 任何 特点， 因此 C D 也 没法 变得 陈旧。 就 从 听觉 上 来说， 因为 C D 是一种 无损 音频， 一种 无损 数字音频。 它 这个 数字 说 的 就是 跟 刚才 我们 讲 的 模拟 是 相对 的， 因为 它的 本质 就是 零 和1。 然后 你 使用 它 需要 通过 这个 编码 和 解码 的 芯片 或者 软件 来 记录 声音， 或者 是 在线 这个 声音， 回放 这个 声音。 它 通过 记录 44100 赫兹 16比特 的 音频 数据， 理论上， 它 完美的 保存 和 复现 了的 声音。

当然 这个 说法 绝对 是 不对 的。 一会儿 我们 会谈 到， 就是 至少 在 人 耳 能 分辨 的 频率 里， 它是 不可能 被 污染 或者 篡改 的。 损坏 了的 C D 只会 卡顿 到 直接 无法 播放。 比如说 这 打 太 深 了， 这个 C D 就 没法 播放 了。 它 不会 体现 为 声音 的 任何 特点， 就是 他 没有 一个 陈旧 的 状态， 没有 这 概念 是 不可能 的。

但是 M P3又 再一次 颠倒 这个 逻辑， 它是 数字 格式 的， 但是 它 确实 具备 了 一种 特殊 的 听觉 特点， 只不过 我们 完全 没有 办法 把 这个 特点 跟 陈旧 联系 在一起。 M P3是 一种 有损压缩 的 音频格式， 它 跟 C D 的 区别 就在于 它 为了 压缩 数据量， 实质性 的 舍弃 的 一些 声音。 今天 我们 要 来 较真儿 一下， M P3 这个 格式 到底 对 音乐 做了 什么？ 最 直观 的 方法， 我们 去 观察 M P3 所谓 的 损耗 是什么？ 就是 M P3 到底 丢失 了 什么， 压缩 前后 的 区别 是什么。 我们 可以 这么 干， 就是 把 同一首歌 的 M P3 压缩文件 和 原始 文件 并列 在 两个 轨道 里， 时间 是 对齐 的。

然后 我们 对 这个 M P3 的 版本 做 反向 的 处理， 并且 叠加 播放。 这样 如果 二者 的 声音 是 一模一样 的， 因为 有 一轨 是 反向 了， 我们 就会 得到 一个 完全 抵消 而 形成 的 纯粹 的 静音， 对 吧？ 但是 我们 这里 得到 的 是 这样 一个 声音。

但 即使 是 听 了 这个， 我们 还是 不能 直接 的 感觉到 二者 的 区别。 就是 就算 我们 把 谜底 看 了， 我们 再 回过头来 看 这 一面， 我们 还是 区分 不 出来 M P3 的 压缩 到底 有什么 区别。 你 能 区分 我 此时此刻 正在 怎样 用 旋钮 不停 的 在 这个 歌 的 M P3 版本 和和 无损 音频 版本 之间 来回 的 切换 和 渐变 吗？

你是 区分 不 出来 的这 就是 M P3 压缩 的 神奇 之处， 就是 它的 压缩 并不是 在 数字 数学 或者 数字 层面 的， 它是 在 听觉 层面 的。 它 不是 客观 的， 而是 主观 的。 就是 当我们 明白 这件 事儿 的 时候， 我会 感觉 自己 整个 世界观 都 动摇 了。 因为 这个 事儿 和 密码学、 编码 学、 计算机科学 关系 其实 不是 特别 大， 但是 跟人 本身 关系 巨大。

我 先来 解释一下 什么 叫 不是 数字 层面 的 压缩。 这 是一个 我自己 胡说八道 的 一个 说法。 我是 觉得 这样 说是 最 贴切 的。 因为 数字音频 的 本质 就是 我们 刚才 说 了 零 和一 组成 的 数据。 它 怎么 可能 存在 一种 叫 不是 数字 层面 的 压缩 呢？

我们 从 这个 古典 意义 上 的 压缩 来说 起， 通常 我们 所谓 理解 这个 数据 的 压缩， 他在 干 这么 一个 事儿， 就是 最 粗俗 的 例子， 比如说 我们 有 这么 一串 数据。 就 777770000、 215888888888， 这 总共 是 22个 字符， 我们 可以 把 它 记成 这样， 我们 这么 记 就 记 5乘以 7就是 五星 号、 70星号 42158 星号 9。 这样 我们 把 21个 字符 把 22个 字符 压缩成 了 12个。 因为 这 里面 有 一些 信号， 我们 告诉 这个 解码器， 就是说 你 遇到 信号， 你 就 把 前面 的 那个 数字， 按照 后面 那个 数字 去 重复 那么 多遍 就可以 了。 所以 信息 没有 变， 但是 它 被 压缩成 了 更 短 的 这个 字符串。

另外一个 例子， 就是说 假设 有 一段 文字， 有一个 文章 里面 频繁 的 出现 大笨蛋 这个 词儿， 特别 多 大笨蛋。 那 我们 就在 压缩文件 的 开头 就 声明 把 这个 大笨蛋 统一 记 为 A， 所有的 大笨蛋 都 写成 A 然后 大笨蛋 这 三个 汉字 所 形成 的 一长串 的 字符， 就可以 只 被 记录 一次。 里边 有 一堆 A 然后 到时候 解码 的 时候， 把 A 都 替换成 大笨蛋 就得 了。

请原谅我 这种 非常 弱智 的 举例， 因为我 对 这个 我 对 压缩算法 一无所知。 我只是 想 就 给你 临时 建立 一个 对于 常规 意义 上 压缩 大概是 个 什么样 的 一个 大概 感觉。 然后 我们 再来 聊 后面 这些 这个 区别， 这就是我 所谓 的 数字 层面 的 压缩， 就是 它 不 损失 任何 数据， 它 只是 让 记录 更加 紧凑， 从而 占用 更 小的 存储 和 带宽。 但是 信息 是 没有 损耗 的。

事实上 M P3 的 编码 的 最后 一步 也是 这个 过程， 它 使用 了 一种 叫做 halfman encoding 的 算法。 如果我们 只 应用 这个 过程， 就是 光 用 这个 halfman coding 的话。 其实 这个 声音文件 从 C D 的 这个 数据量 压缩成 所谓 的 M P3 的 比例， 压缩 比例 依然 是 很小 的， 基本 跟 没 压缩 一样， 这个 事儿 是 不成立 的。

如果你 只用 halfman encoding 的话， 如果我们 把 上述 压缩 过程 考虑 成 是对 信息 的 浓缩 的话， 我们会 意识到 说 它 本质 上 是 通过 让 数据 变得 这 咋 说 呢？ 就是 更加 厚实， 或者说 是 更加 紧凑 和 复杂 来 让 它 变小 的对 吗？ 就 这个 复杂 和 简单 的 对照， 指向 的 不是 多 和 少， 而是 无序 的 程度。 就是 这个 信息论 里面 的 核心概念 entry py 也就是 熵， 在 这个 信息论 里 叫做 信息熵。 音频 这种 已然 就 非常 之 无序， 信息熵 非常 高 的 数据， 他 就 基本 没有 办法 直接 用 上面 提到 的 这个 所谓 让 数据 更 紧凑 的 方式 来 显著 的 缩小 文件 体积。

既然 无损压缩 能 做 的 事儿 很 有限， 我们 就得 考虑 丢掉 一部分 的的 信息， 对 吧？ 这就 好比 是 我们的 房间 太 乱， 然后 我们 就 想办法 去 整理 它。 我们 把 所有 东西 整理 的 特别 紧凑， 把 整理 术 发挥 到 极致， 我们 能够 节省 的 空间 依然 是 有限 的。 毕竟 东西 太多 了。 不能 因为 说 你 特别 勤劳 或者 特别 会 整理， 你 就能 把 一 九十 平 的 房子 给 整理 成 120平米。 所以 接下来 我们 要 考虑 就是 断舍离， 我们 要 往 外 扔 东西。

C D 的 这个 编码 叫做 P C M。 P C M 非常 的 直接， 它是 这样的， 就是 忠实 的 按照 固定 的 频率， 每 44100分之1秒， 它 记录 一个 静态 的 数字， 对应 的 是 这个 瞬间 的 声音， 就是 沿着 时间 这个 X 轴 在 震动 这个 Y 轴 上 的 位置， 我们 可以 非常 粗略 的 这么 来 对应。 咱们 这 音箱 的 纸 纸盆， 不是 音箱 的 这个 纸盆， 或者 你 耳机 的 这个 振膜， 它 不是 在 来回 的 震动， 就 前后 震动， 对 吧？ 时间 是一个 轴， X 轴 这个 震动 它 总是 有一个， 比如说 从 0到6万， 或者 是从 -5到正 五就 随便你 怎么 来 定义， 它 总有 一个 震动 的 范围， 我们 把 它 放在 Y 轴 上， 所以 这个 声音 就是 一个 来回 蹦 来 蹦 去 的 曲线， 就 沿着 X 轴 横 着 往右 画的 这么 一条线。 C D 就是 每 44100分之1秒 记录 一个 震动 的 截图， 就在 那个 瞬间 他在 Y 轴 的 哪个 位置 上， 所以 虽然 说是 无损， 但是 他 也 已经 很 果断 的 做了 两个 维度 上 的 数据 的 舍弃。

这就是 声音 从 模拟信号 转化 为 数字信号 的 第一次 大 精简， 就是 频率 和 比特 深度。 频率 相当于 图片 的 分辨率， 就是 越高 它的 文件 体积 就 越大。 我们都知道 比如说 11平方厘米 的 这个 像素 的 个数 会影响到 整个 画面 的 清晰度， 就是 这个 照片 洗出来 有 多大。 那么 每秒钟 的 采样 点的 数量 就 相当于 这个 音频 的 分辨率。

人 耳 的 听觉范围 是 20到2万 赫兹， 就是 根据 奈 灰色 相同 采样 定律， 就是 如果我们 想要 保持 2万赫兹 以下 的 频率 的 信息 能够 得到 百分之百 准确 的 重现 的话， 也 这就是 我们 想 干 的 事儿。 我们我们 想 把 声音 给 临时 的 保存 成 一堆 数字， 然后 又 把 这 堆堆 数字 在 恰当 的 时候 又 变回 成 声音， 这就是 一个 重现 的 过程。 那么 这个 编码 和 解码 的 频率， 根据 信息论 的 要求， 就是 它 必须 要在 4万赫兹 以上。 根据 这个 定理， 所以 对于 人 耳 来说， 听 C D 确实 是 无损 的。 因为 它 有 44000 赫兹 的 数据， 所以 在 2.2万 赫兹 以下 的 信息 是 能够 准确 的 被 保存 的。 而 2.2万 赫兹 以上 的 信息 确实 已经 被 舍弃 掉了， 但是 我们 听不到， 所以 我们 就 不在乎。

当然了， 就是 我们 所说 的 被 舍弃 掉 并不 意味着 它 上方 没有信号。 就是你 播 一个 C D 出来 的 时候， 他在 22000 赫兹 以上 的 位置 绝对 是 有 信号 的。 只不过 那些 信号 不是 当初 的 那些 信号， 就是 此 听不见 和 彼 听不见 是 不能 画等号 的。 现在 此 听不见 是 一些 错误 的 随机 的 噪音。 但是 因为 我们 确实 听不见， 所以 我们 根本 就 不在意 刚刚 才说 的 这个 是 频率， 就是 X 轴， 也就是 时间 维度 上 的 颗粒度。

比特 深度 就 类似 于 Y 轴 上 的 这个 颗粒度。 它 大概 指的 是从 完全 静音 到 最大 音量 中间 切 了 多少 份儿。 它 影响 了 单个 采样 点 所 需要 的 这个 字节数， 从而 影响 这个 音频文件 体积 的 大小。 它 类似 于 什么 呢？ 类似 于 图片 里 的 色彩 深度， 就 所谓 的 H D R， H D R 就是 把 这个 色彩 深度 又又 提升 了， 就 是从 最 黑 到 最 白， 中间 到底 有 多少 个 级别 的 中间状态。

物理 世界 中 这个 Y 轴 它 永远 是无 可以 无限 细分 的对 吗？ 但是 在 数字世界 里 他他 总得 有 个 限度。 在在 数字世界 里 就 没有 任何 东西 是 无限 的， 它 就 必须 是一个 有限 的 表述。 而 这个 限度 就是 我们 所谓 的 动态 范围。 比如说 C D 的 这个 16比特 的 深度， 意味着 一个 采样 点 有 16位的 二进制 的 0和1的记录。 这样 就 意味着 它 这个 动态 范围 里 包含 二 的 16次方， 我们 就 粗略 理解 为 音量， 就是 音量 有 65536个 台阶， 就 这么 多个 台阶， 最小 是 零， 最大 是 6536。 那比 这个 台阶 更 小的， 我的 意思 是 说 介于 相邻 的 两个 台阶 中间 的， 本来 在 物理 世界 中 显然 存在 着 的 某 一个 状态， 在 这个 数字音频 中 就 被 舍弃 掉了。 就是你 相邻 的 俩 台阶 中间 就 不能 再有 台阶 了， 它 就是 把 连续 变成 离散， 对 吧？

好， 想要 压缩 这个 音频 数据， 最 直接 的 想法 是在 刚才 说 的这 两个 刚性 的 指标 上 缩水， 就是 在 X 轴 上 扔 数据 和 在 Y 轴 上 扔 数据。 但是 C D 它 设置 在 这个 44.1K16 比特 是 有 原因 的。 因为 更 低， 我们 就会 很 明显 的 察觉到 这个 东西 不 对劲儿 了。 如果我们 把 44.1K 的 采样率 逐渐 降低， 我们会 听到 这样的 声音。

这个 崩坏 的 声音 就 明显 是 我们 不能 接受 的 了。 如果我们 保持 44.1K 的 频率， 降低 这个 比特 深度 这 声音 是 这样的。

这种 降 采样 的 处理方式 同样 是 很 崩坏 的。 但 值得一提的是 就是 很多 时候 它 成为 了 一种 音乐 创作者 非常 喜闻乐见 的 一种 失真 效果 的 来源。 就 比如说 我们 让 一个 鼓 的 声音 降低 比特， 会 形成 一个 非常 粗 力 强烈 的 一个 打击 感。

总之 就是 在 采样 点的 数量 和 单个 采样 的 信息量 这 两个 维度 上 做手脚 的 压缩 也是 不 可行 的。 就是 C D 已经 把 该 扔 的 东西 都 扔 完了。 所以 这样 来看， 我们的 音频 压缩 已经 走到 死胡同 了， 就是 到头 了。 现在 我们 就像 坐在 热气球 上， 就是 为了 让 这个 热气球 飞 得 再 高， 我们 把 该 扔 东西 都 扔 了， 再 扔 就 生活必需品， 就 再 扔 就 活不下去 了。 那么 M P3 到底 是用 了 什么 奇特 的 方式， 让 我们 能 在 这个 基础上， 就是 在 C D 这个 已经 比较 精简 的 基础上 作为 参照 点， 能够 再 把 文件 体积 缩小 到 它的 12分之1 呢？ 就 还有什么 可以 扔 的 呢？

当初 car hinds branden berg 他 跟随 他的 导师 这个 data cider 做 他 博士论文 的 时候， 万万 没有 想到 他的 这个 导师 给 他的 这个 胡 逼 的 任务， 会 引导 他 发明 出 这个 改造 人类 世界 的 音频 压缩 技术。 这个 data sector 是一个 心理声学 专家， 他俩 都是 德国人。 然后 在 80年代 初期， 这个 data 有一个 非常 封闭 的 想法， 他 想 发明 一种 技术， 把 音乐 存放 在 集中 的 服务器 上， 然后 让 大家 在 自己 家里 打电话 给 服务器， 或者 是 用 网线 去 连接 服务器， 然后 用 这个 I S D N 的 网线 来 点播 听歌。 他 给 这个 东西 起了 个 名字 叫 spotify， 不对， 叫 digital druck box， 就是 数字 的 点唱机。 然后 他 也 没 想 具体 怎么做， 然后 就 跑到 专利局 去 申请专利， 当然 就 被 无情 的 拒绝 了。 因为 专利 审核员 就说 这是 不可能 的， 就是 拒绝 的 原因 就是 这是 不可能 的。

专利 审核员 觉得 这人 是不是 无赖。 因为你 要 想 干 这个 事儿 的话， 前提条件 是 这个 I S D N 的 带宽 得 能够 支持 传输 每秒钟 的 C D 的 数据量。 这个 事儿 想要 做到 的话， 这个 专利 得 包含 一种 算法， 能够 把 这个 数据量 降低 到 对应 到 当时 的 网速， 要 降低 到 C D 的 12分之1。 所以 这个 不负责任 的 导师 就是 管杀 不管 埋， 他 就 负责 想得美， 然后 把 这个 12比1 的 这个 实际 的 关键 课题 丢 给 了 他 老实巴交 的 一个 博士生 去做。 就 相当于 什么？

就 相当于 一个 老师 嫌 自己 批改作业 太慢 了， 然后 就 找 一个 朋友 说， 你 给我 发明 一下 光学 识别 和 人工智能 行 吗？ 这样 我 就 不用 批 卷子 了， 就 这种 感觉。 Car hans 本人 也 觉得 很 扯， 他 最 开始 想 的 就是我 这个 混球 导师 让 我 做 这么 一个 胡来 的 选题。 那 我 就 做 几年 时间， 我 来 证明 一下 这个 幻想， 它是 幻想 是 不 可行 的 就得 了。 我 把 这个 写成 论文， 我 也能 混一 博士学位， 美滋滋。 结果 没想到， 他 钻研 了 一下 这个 心理声学 的 研究成果， 就是 前人 的 这些 研究。 然后 他 意识到 说 随着 80年代 的 这个 电脑 处理 处理器 的 速度 的 提升， 以及 他们 对 后来 的 这个 速度 继续 的 展望， 他们 会 觉得 说 也许 这个 压缩 也 不是 完全 不可能 的。

这 M P3 诞生 是一个 耗时 十多年， 就是 几十人 上百人 的 人类 顶尖 头脑 的 浩浩荡荡 艰苦卓绝 的。 你 要 往 大 了 说是 几代人 接力 的， 往 小 了 说 也是 这么 一群 最 顶尖 的 人类 头脑 的 齐心协力 研究 的 一个 伟大的 过程。 这个 成果 它 摧毁 并且 再造 了 人类 音乐 产业 和 整个 听觉 世界。 在 他 飞入 寻常百姓 家的 这个 过程中， 他 也 不可避免 地 遭遇 了 各种 令人 精疲力竭 的 政治 争夺、 经济 争夺 等等等等。 脏 事儿 也 不少。 但是 所有的 这些 老生常谈 的 话题， 包括 他 对 什么 音乐 产业 盗版 的 影响 等等， 我们 今天 都不 谈。

我们 这 期 节目 就 只会 讨论 这个 算法 它 中间 最 重要 的 一个 模块 的 核心。 从 这里 我们 可以 窥见 一些 关于 赛博 世界 和 人类 自身 的 关系。 M P3 的 压缩算法 的 核心 是 这个 perceptual coding。 所以 这个 表述 相当 令人困惑， 就是 感官 编码 就 这个 说法 就 对。

实际上 它 是从 心理声学 发展 出来 的， 这个 学科 完全 不在 大众 视野 中， 是一个 非常 边缘 的 学科， 它是 物理学 和 心理学 的 交叉学科， 就是 它 从属于 这个 心理。 物理学 就是 psycho physics 下面 的 分支， psycho acoustic cycle 就是 心理 嘛， 所以 听起来 就 像是 研究 九阴真经 或者 龟派气功 的， 但 实际 不是。 它是 一个 非常 非常 严肃 的 领域， 它 研究 的 是 人的 感官世界 和 客观 世界 之间 的 关系， 特别是 定量 的 关系， 而 不是 什么 哲学 或者 神学 的 研究。 就 我 这里 说 的 不是 主观， 而是 感官， 是因为 心理声学 的 研究 并不 涉及， 比如说 我们 音乐 播 经常 聊 的 什么 音乐 审美 等等， 审美 这种 事儿 就 属于 太 高层次 的 问题。 这个 学科 就 研究 特别 低层次， 甚至 是 最底层 的 问题。 就是 比 这个 在 底层 就 不能说 是 心理 了， 就 只能 说是 生理 了， 他 研究 的 是 这个 心理 和 生理 挨着 的 交界 的 这个 事儿。

第一个 让 我 感到 认知 冲击 的 这个 学科 的 研究成果， 就是 关于我们 人类 对于 响度 感知 的 不 平均 性。 有 这么 一个 曲线 叫 flat cher MSN curve， 就是 弗莱彻 曼森 曲线， 也 叫 等 响 曲线。 感兴趣 的 朋友 可以在 show note 里 看到 相关 的 介绍。

就 这个 凹下去 的 图形 揭示 了 一个 事儿， 就是 这 门 学科 心理声学 存在 的 合理性。 就是 我们 人类 感官 和 客观 世界 中间 有 一 鸿沟。 我们 知道 声音 的 本质 是 震动， 震动 就是 空气 在 压缩 和 膨胀， 就是 压缩 和 释放， 就是 以 一个 不同 的 频率 在 干 这个 事儿。 震动 的 空气 又 带动 了 耳膜， 震动 传导 到 耳蜗 里， 然后 耳朵 里 有 很多 卷曲 的 毛， 那 毛里 的 细胞 把 这个 震动 转化成 电信号， 然后 通过 神经 传导 给 我们的 大脑。

那 这个 曲线 讲 了 啥 呢？ 它的 横轴 是 频率， 就是 低频、 中频、 高频， 就 是从 这个 暗淡 到 明亮 到 尖锐 的 这个 声音。 纵轴 是 升压 级， 然后 曲线 上上 的 点 在 人的 感觉 里 是 相同 的， 就是 它它 是 它是 无数根 曲线， 但是 他们 基本上 你可以 理解 为 类似 于 平行 的 或者 是 这么 一个 足 的 曲线， 每 一根 曲线 上 的 每 一个点 就是 在 人的 感觉 里 是 相同 的。

用 不负责任 大白话 说， 就是说 我们 对于 不同 频率 的 声音 的 大小 的 感知 差异 太 过于 巨大， 以至于 这个 曲线 是一个 这么 挖 蔸 的 形状， 低频 需要 特别 巨大 的 能量 才能 和 中频 非常 非常 小的 能量 形成 的 声音 大小 在 我们的 感觉 上 相等。 就 比如说 一个 50赫兹 或者 80赫兹 的 声音， 想要 听起来 和 你 轻轻的 在 3000赫兹 的 位置， 跟 我 哼哼 的 声音 一样 大， 它 需要 比 你 哼哼 的 那个 能量 大 可能 几十倍、 上 百倍。 所以 客观 的 声音， 它是 用 升压 级 来衡量， 就是 所谓 的 sound pressure level S P L， 然后 它的 单位 叫做 D B 对人 对 声音 大小 的 感知， 这就是 主观 了， 或者 叫 感官 了， 那就 用 这个 响度 来衡量， 就是 我们 觉得 这 事儿 有 多 响， 这个 单位 叫 送 P H O N phone。

这个 曲线 有 很多 会 让 我们 觉得 很 困惑 的 事儿， 就是 迎刃而解， 解 水落石出。 就 比如说 最简单 的 就是 为什么 低音炮 那么 沉， 那么 大而全 屏 的 音箱 那么 小？ 因为你 觉得 低音炮 其实 只 发 低频 的 一点点 声音， 但 为什么 它 需要 比 这个 正常 的那 那 一对 立体声 的 全频 的 喇叭 要 大 特别 多 呢？ 再 比如说 乐手 都会 想 这个 问题， 就是说 为什么 贝斯 的 音箱 比 吉他 大巨 多， 而且 它的 功率 是 吉他 的 好几倍。 其实 音量 听起来 感觉 吉他 那 声 更大。

等 响 曲线 它是 一个 向上 翘 的 位置。 如果我们 拿 高频 来说 也是 一样的。 我们 说 人类 的 听觉 上限 是 2万赫兹， 这 句 话 翻译 过来 就是 用 这个 曲线 来 表述。 就是 在 2万赫兹 的 位置， 我们 需要 这个 能量 大 到 能 刺破 我们 耳膜 了的 程度， 才 勉强 能够 跟 3000赫兹 的 位置 轻微 到 不能 再 轻微 的 震动 听 上去 一样 大， 这就是 等 响 曲线 给 我们 揭示 的 这个 现实。 这个 曲线 中 最低 的 一条 就 再 低 就 变 负数 了， 就 不成立 了。

最低 的 一条 就是 我们 人类 能 听到 的 最小 声音 的 等效 曲线。 他是 几位 科学家 当年 看 就是 干了 一些 脏活 累活 所 得到 的 就 很 简单。 他们 就是 大量 的 测试， 让 一个人 坐在 这儿， 然后 听 这个 不同 频率 上 播放 这个 音量 大小 不同 的 纯粹 的 就是 单纯 的 正弦波。 就是你 只要 听到 你 就 按 按钮， 这样的话 我 就 记录下来。 如果你 没 听到 你 就 别 按。

这样 收集 了 大量 的 数据 之后， 这些 数据 点 拟 合成 了 一条 曲线。 这就是 最早 的 等 响 曲线， 是 居然 是用 一种 调查 的 方式 来 获得 的， 然后 在 这个 最低 的 等 的 等 响 曲线 上， 就是 在 它 上方 非常 多。 还有一个 风险 曲线， 就 这 声压级 大 到 什么 程度， 人类 会 感觉 痛苦， 甚至 会对 听觉 有 损伤。 所以 这 两条 曲线 就 把 本来 这个 广阔 无边 的 声音 的 分布 中间 圈 出了 一个 封闭 的 区域。 这 区域 其实 跟 整个 区域 相比 并不大， 就是 我们 人类 听觉 的 区域 或者说 是 音乐 的 区域。 音乐 就 存在 在 这个 区域 里面 的 一部分 的 中间 一部分， 所有的 音乐 就 困 在这里， 然后 人 说话的 声音 又 困 在 这个 空间 里 更 小的 多 的 一个 子集 里。 有了 这个 等 响 曲线 之后， 感官世界 跟 客观 世界 就 取得了 一个 可靠 的 联系。 因为 我们 有了 一个 基本 的 换算 规律， 沿着 这个 方向， 科学家们 发现 一些 更加 神奇 的 事情， 让 我们 意识到 我们的 感官 和 客观 世界 的 差距 到底 有 多么 巨大， 这个 事情 叫做 masking 掩蔽。

1958年 有一个 在 美国 马萨诸塞州 剑桥市 的 一个人， 叫做 J C R lake lider。 他 突发奇想 拿了 一个 噪音 发声器 去 牙医 的 诊所。 听 上去 像是 一个 冷笑话， 就 翻译 过来 就是 脱裤子 放屁。 就是 因为 牙医 本身 就 已经 是一个 噪音 发射器 了 好吗？ 他 看 牙 就是 拿 钻头 去 钻 别人 的 牙， 对 吧？ 这就是 一个 噪音 发生器。

Lake lighter 本人 是一个 心理声学 的 研究者， 他 这么 做 是 想做 一个 不 规范 的 实验， 就是 他 觉得 自己 拔牙 的 这个 时候 可以 用 巨大 的 噪音 来 替代 麻醉剂。 就是 他 自己的 一个 猜想， 就是 只要 能 他 听着 巨大 的 噪音， 他 可以 不 打 麻药， 然后 直接 让 这个 牙医 来 处理 它。 他 一颗 龋齿 钻开， 然后 给他 填好， 结果 他 成功了， 就是 他 听着 戴 着 耳机， 听着 叽里呱啦 的 巨大 的 噪音， 然后 他的 牙 被 钻开 填补 好， 整个 这个 过程 他 什么 也没有 感觉到。 后来 他们 又 找 了 一个人， 就是 这个 牙医 的 秘书。 这个 女士 她 一直 极端 恐惧 补牙 的 疼痛， 永远都是 要 打 剂量 很大 的 麻药。 对， 但是 这次 他 也 成功 的 用 这个 噪音 消除 掉了 自己 补牙 的 任何 的 感觉。 这个 女人 戴 着 耳机 的 补牙 的 照片， 后来 还 上了 报纸， 成了 一个 很大 的 新闻。

当然 这个 事儿 最后 也没有 一个 定论， 就是 有的 研究者 说 这 事儿 是 骗局， 还有 很多 牙医 说 这 确实 有用。 但是 这个 技术 至于 它 为什么 没有 成为 主流， 这 不是 我们 这个 节目 要 讨论 的。 我们 要 讨论 的 是 这 里面 的 这个 隐蔽 现象。

说 掩蔽， 我们 要 先 说 噪音。 噪音 在 频率 的 世界 里 大概 就是 一个 平均 的 水位线， 就是 它 在 任何 频率 都有 能量。 正因为 这样， 所以 它 听起来 才 没有 音调 可言， 就是 它 听起来 没有 任何 调。 我们 说 它 不是 乐音， 是 噪音， 恰恰 是因为 它 里面 充满 了 调。 因为 在 任何 一个 调 就是 频率， 在 任何 一个 频率 的 位置 上， 它 都有 均等 的 能量， 所以 它 听起来 就是 什么 都 不是。

刚刚 我们 听到 的 这个 白噪音 就是 比较 线性 的， 能够 抬升 我们的 等 响 曲线。 就是 当我们 听到 一点 白噪音 的 时候， 我们 耳朵 的 那个 等 响 曲线 就要 跟着 他 往 上 抬 一些。 你 就 用 大白话 说， 就是 在 嘈杂 的 环境 里， 你 想要 听见 相对 单纯 的 声音。 比如 人人 跟 你 说话， 或者 听歌 旋律 或者 是 什么东西， 任何 鲜明 的 声音， 你 就得 让 它 相应 的 提升 音量， 否则 的话 就会 被 嘈杂 的 环境 所 掩盖。 我们 每个 人都 有 生活 经验， 这就是 所谓 的 masking 掩蔽。

如果我们 想要 隐蔽 一个 一千 赫兹 的 声音， 我们 其实 并不需要 完整 的 全 频率 的 白噪音。 我们 只需要 围绕 在 1000赫兹 附近 的 白噪音 就可以 了。 我们 可以 做 这么 一个 实验， 就是 我们 用 带宽 比较 窄 的 白噪音 慢慢 提升 频率。 用 这样 一个 声音 我们 慢慢 让 它 升高， 然后 让 它 经过 一个 缓慢 经过 一个 单纯 的 正弦 音， 我们 可以 清楚 地 体会到 人类 听觉 的 局限性， 就是 那个 音 在 噪音 经过 它的 那个 频率 的 时候， 它 就会 消失。

这样的话 你可以 理解 为 那个 等 响 曲线 因为 噪音 的 存在 被 扭曲 了。 它 在 特定 的 频率 上 鼓 了 一个包， 而 这个 包 下面 本来 咱们 能 听见 的 声音， 咱们 听不见 了。 这个 就是 M P3 发明者 找到 的 秘密， 就是 他 把 每一个 鼓包 的 瞬间 被 淹没 的 那些 声音 都 扔掉 了。

上面 我 描述 的 这个 是 频率 的 眼， 还有 另外 一种 隐蔽 叫 temporal masking。 Temporal 就是 这个 词儿， 就是 信条 那个 电影 里 所谓 潜行 攻击 的 那个 词儿。 时间 这个 掩蔽 效应 它 不 发生 在 频率， 发生 在 时间 里。 因为 我们 说 频率 是一个 垂直于 时间 的 另外一个 维度。 如果说 是 时间里的 掩蔽， 这个 事儿 对 我们 来说 更更 直观 的 多， 就是 跟 频率 没关系， 就 纯粹 是 时间。

我们 先 说 这个 forward masking， 就是 当我们 听到 一个 噪音 戛然而止 的 时候， 在 它 结束 之后 会有 一个 长达 200毫秒 的 逐渐 减弱 的 隐蔽 效果。 也就是说 在 它 停止 之后， 完全 停止 之后 的 200毫秒 里， 还有 一些 比 他 小的 声音 被 他 掩蔽 掉， 导致 咱们 完全 听不见。 就 仿佛 是 这个 噪音 直接 把 我们的 耳朵 给 打 晕 了， 我们 耳朵 麻痹 了 一样， 就 需要 200毫秒 时间 才能 恢复 这个 知觉， 就 好像 是 这样的 一个 效果。

另外 一种 temporal masking 反过来 叫 backward masking， 这个 事儿 就 非常 的 反 直觉， 就是 它 跟 我们 刚刚 说 的 这个 former 是 相反 的。 Former masking 说是 噪音 掩蔽 了 它 之后 的 声音， 但是 同样 这个 噪音 还能 隐蔽 他 之前 的 声音。 虽然 只有 50毫秒， 而且 这个 曲线 很 陡峭。 也就是说 只有 仅仅 贴着 这个 噪音 开头， 之前 的 这个 声音 才有可能 被 它 隐蔽。

但 仍然 让 我 感觉到 这 事儿 不可思议， 就是 因为 这 意味着 什么 呢？ 这 意味着 我们 头脑 中有 一个 缓冲 时间， 就是 我们 头脑 类似 于 电脑屏幕 或者 是 鼠标 键盘 的 延迟。 我们的 神经系统 显然 要 缓冲 一段时间 才能 报告 到 我们的 意识 里， 而 不是 立刻 就 把 这些 信息 传达 到位。 而且 这个 缓冲 的 周期 居然 有 50毫秒， 这 也 太 长了。 好吧？ 接下来 你 要 听到 的 这个 极其 不 规律 的 短促 的 声音， 会 被 整齐 的 紧贴着 他们的 噪音 给 掩蔽 掉。

如果你 不信邪 的话， 你可以 用心 记录 一下， 你 觉得 哪个 位置 有 声音， 哪个 位置 没有声音。 然后 我会 在 小宇宙 的 评论 区 给出 这个 谜底。 但是 你 就会 发现 你 自己的 都是 一些 心理作用， 实际上 你是 听不见 的， 因为他 都 被 掩蔽 掉了。

这个 时候 你 可能 想说 说 音乐 里 其实 并没有 这么 难听 的 噪音， 但 其实 乐音 和 噪音 并不是 一个 非 黑 即 白 的 分音。 这 世界上 没有 完全 的 乐音， 也没有 绝对 意义 上 的 完美 而 纯粹 的 噪音， 一切 声音 都在 乐音 和 噪音 的 中间。 我们 说 纯粹 的 原因 就是 正弦波 就是 那个 最 纯粹 的 声音。 我们 让 一个 小提琴家 拉 在 小提琴 上去， 拉 一个 中央 C 这个 声音 里面 也 不只 全 是 乐音， 它 还是 有 很多 噪音 在 里面。 如果我们 把 白噪音 去过 一个 非常 窄 的 带 通 滤波器 的话， 你 会 听见 它 这个 噪音 其实 也可以 被 分解， 或者 被 理解 为 一堆 乐音 的 叠加。 所以 在 实际 的 音乐 里， 各种 乐音 组合 在一起， 就 又 形成了 此起彼伏 的， 类似 于 忽然 出现 又 消失的 窄带 噪音 的 声音 瞬间。 这些 声音 瞬间 就是 M P3 音频 压缩算法 下手 的 地方。

M P3 做 的 事儿 就是 利用 一个 精心 迭代 了 很多年 的 听觉 模型， 把 音乐 里 的 每一个 瞬间 对应 在 这个 M P3 文件格式 里， 叫做 frame。 就 数据 块 一个 frame 的 数据 块， 检查 这个 数据 块 里 上述 两类 隐蔽 作用 所 发生 的 频率 和 这个 时间段， 然后 把 这个 频率 里 的 信息 给 扔掉。 本来 这个 频率 也可以 是 无限 细分 的， 对 吧？ 在 现实 世界 中， 但是 在 M P3 的 听觉 模型 里， 它 被 简化 成了 有限 的的 滤波器 组就 只有 32段。 就 比如 我们 现在 听到 的 音乐。 可以 表示 为 32份， 就 听起来 差不多 的 声音。 但是 他们 有的是 明亮， 有的是 暗淡。 这就是 所谓 的 32份的 这个 滤波器 组 叠加 在一起。 这个 精心设计 的 完全 不是 平均 分布 的， 不是 在 频 频率 世界 里 平均 分布 的。

这个 32段的 filter bank 也是 来自于 心理声学 的 另外一个 研究成果， 就是 人类 在 频率 的 差距 缩小 到 一定程度 之后， 我们 就 没有 办法 再分 清楚 两个 频率 的 差别 了。 就是 我们的 头脑 会 把 挨 得 特别 近 的 音高 理解 为 同一个 音高。 这个 问题 可以 引申 到 另外一个 很 复杂 的 问题， 就是 为啥 一个 八度 里 只有 12个半音 呢？ 为啥 不是 八个 半音 呢？ 为啥 不是 20个半音 呢？ 当然了， 这个 问题 也 比较复杂 了， 就 不是 这 一期 咱们 能 讨论 的， 大家 可以 考虑一下。 我 这里 要 再 啰嗦 一句， 我 这里 说 的 扔 并 不是说 声音 变少 了， 声音 不存在 变少 的 概念， 除非 这 声音 完全 静音 了 就 没 声 了。 我们 说 的 扔 就 仅仅 是 它的 熵 降低 了， 就是 它的 无序 性 降低 了， 因此 它 变得 更加 容易 被 压缩 了。

所以说 到 这儿， 我们 要 再 回到 节目 最 开头 讨论 的 那个 话题， 就是 声音 媒介 的 特征。 它 到了 M P3 这个 时代， 它 变成 什么 呢？ 高 码率 的 M P3 你听 不到 任何 区别。 虽然 它 确实 有 区别， 但是 随着 码率 逐渐 降低， 你 听到 的 不是 什么 灰尘 在 黑胶 缝隙 里 的 那种 爆 痘 的 声音， 也 不是 磁带 那种 磁粉 极化 造成 饱和 的 声音， 都 不是。 它是 所谓 的 artifact。 这种 artifact 就是 当我们 要求 的 码率 低 到 一定程度 的 时候， 那个 编码器 会 被迫 舍弃 了 很多。 其实 我们 本来 可以 提议， 我们 应该 能 察觉到 的 声音， 也都 被 他 铤而走险 的 给 舍弃 掉了。 就 他 舍弃 的 声音 太多 了， 从而 形成了 一种 声音 的 不连贯， 一种 断裂。

然而 尴尬 的 是， 黑胶、 磁带、 广播 这些 媒介 跟 他 相比， 就是 我们 刚刚 对 M P3 声音 特点 的 这个 描述， 既不 精确 也 没法 被 人 理解。 就 啥 叫 舍弃， 啥 叫 不连贯， 啥 叫 断裂。 因为 它 并不是 物理 世界 形成 的 一种 必然 的， 与 物体 本身 和 振动 本身 的 性质 密不可分 的 物理现象， 它是 一种 经济 现象， 人类 在 这个 时间点 需要 让 声音 钻 过 一个 狭窄 的 带宽。 所以 这里 的 artifact 不仅 是 人为 的 人造 的， 它 甚至 是 完全 是 被 设计所 决定 的。

就是 在 当时 M P3 的 规范 制定 的 过程中， 海量 的 测试人员 就 不停 的 听， 这 段 你 觉得 像不像？ 这 段 你 觉得 有没有 区别？ 这种 测试人员 要 对 每一个 他们 听到 的 测试 声音 做 一个 评级， 就是 有 四个 选项。 第一个 选项 叫 听不出 区别， 第二个 档次 叫 有一点 区别， 第三 档 和 第四 档 特别 离谱， 叫 有点 难听 和 非常 难听。 也就是说 这个 压缩算法 的 发明 和 设计， 是 自始至终 把 人类 某种 生物 底层 的 好恶， 或者说 我不知道 这 能不能 叫 美学 判断， 至少 是一种 非常 原始 的 感官 判断 作为 考量 的 目标。 就是 它是 没 区别， 有点 区别， 有点 难听 和 非常 难听。 大家 可以 考虑一下 这个 选项 意味着 什么。 所以 整个 M P3 的 压缩算法， 当然 我们 不能说 它是 主观 的 了， 但是 它 绝对 不是 客观 的。

他的 发明 和 迭代 伴随 着 无穷无尽 的 痛苦的人 肉 测试 和 你以为 的 那种 所谓 数学家 和 工程师 联手 发明 了 一个 横空出世 的 天才 黑箱 算法。 这种 想象 就是 相差 十万八千里， 完全 不是 那样。 而 m pack 协会 就是 这个 行业协会 选择 的 实 手 用来 测试。

因为 有 很多 的 来 参赛， 就 希望能够 成为 下一代 的 音频 压缩 的 压缩算法 的 标准。 他们 来 给 各位 代表队 参赛 来 评价 的这 十首歌， 就 如同 这个 开卷考试 的 题目 一样， 就成 了 所有的 音频 压缩算法 经年累月 想方设法 去 完美的 压缩 它的 目标。 这 十首歌 就 跟 音频 压缩算法 的 高考 一样。 所以 这 十首歌 它 当然 被 完美的 压缩 了， 或者说 是 尽量 完美的 压缩 了。 可是 这个 完美性 它 断然 不是 在 人类 所有 音乐 和 音频 中 平均 等价 的 实现 的。 我不知道 这么说 能不能 说 明白 这个 意思， 就是 这种 完美性， 这个 完美的 程度 在 所有的 音乐 中 它 不可能 是 平均 的。 就是 他的 被 设计 的 过程中 已经 决定 了 这一点。

这 十首歌 里 包括 什么 Tracy chapman， 包括 一些 比如说 贝斯 和 一些 个别 乐器 的 独奏， or common 海顿， 就是 有 古典音乐 的 等等 的 东西。 所以 不同 的 配器， 不同 的 音色 都有 考虑。 但是 这 十首歌 是 非常 arbitrary 的， 有一个 非常浪漫 的 插曲 发生 在 这个 M P3 诞生 的 初期。 我 不确定 这里 边 有 多少 是 这个 car hints 本人 迎合 媒体， 而 就是 因为他 这 人是 一个 特别 老好人 的 这个 感觉， 可能 是 他 迎合 媒体 讲述 故事 有点 美化 了的 成分， 但是 确实 非常 有意思。 大概 就是说 她 有一天 去 附近 唱片 店老板 问 他 想听 什么歌 呢？ 因为他 其实 就 想 买 一些 音乐 回来 做 测试。 他 本人 是一个 对 音乐 完全 不 咋 感兴趣 的 人， 他说 给我 来 一些 比较 全面 的 有 代表性 的 音乐， 然后 老板 肯定 就 觉得 他是 精神病， 但是 还是 给他 找 了 一些 比如说 找 了 一张 交响乐， 一张 爵士乐， 一张 流行音乐， 还 就是 在 听觉 上 完全不同 的 一些 唱片。 其中 有 一张 就是 这个 Susan vega 的。

带有 这么 一首歌 的 唱片， 叫 tom's dinner。 The day on the corner, I am waiting at the counter for the man to pour the coffee, and he feels that only half way, and before I even I argue, he is looking out the window in in.

我 这歌 是一个 纯粹 的 清唱， 没有 伴奏， 听起来 非常简单， 但 这 却 成了 这个 压缩算法 要 越过 的 一个 巨大 的 鸿沟。 因为 这个 时候 这 群 德国人 已经 非常 自信 的 认为 他们 已经 处理 好了 绝大多数 音乐 的 压缩。 因为 在 双盲 测试 中都 大部分 的 音乐 都 可以 取得 很 好的 效果。 但是 他们 就 始终 过 不了 tom liner 这首歌 的 这一关， 就是 这首歌 压出来 听， 大概 会 是 这个 样子。

这首歌 伴随 了 他们 一年。

多 的 时间， call high 怀疑 自己 可能 至少 听 了 3000遍。 这首歌 就是 被 压缩 的 很 糟糕 的 版本。 最后 为了 满足 这首歌， 他们 优化 了 很多 东西。 比如说 包括 它的 这个 立体声 相关 的 逻辑， 还有 它 最 关键 的 滤波器 组 的 频率 分割 点 等等等等。 最终 他们是 顺利 的 把 这个 歌 也 给 压缩 成功了， 算是 过关 了。 这个 事情 过了 之后 很多年， 他 有一天 在 一个 音乐会 上 终于 见到 了 苏赞 本人， 并且 听到 了 苏丹 vega 本人 这首歌 的 现场 的 清唱。 事后 回忆 他说 虽然 这歌 他 已经 听 了 无数遍， 但是 现场 听到 他 演唱 的 时候。

依然 还是 觉得 很 好听。

最后 我们 还是 想说 回到 这个 陈旧 这件 事儿。 就 这些 低码率 的 M P3 的 声音 特点 当然 是 存在 的， 但是 他 没有 办法 被 怀旧。 这 不仅仅 是因为 我们 没有 足够 长久 的 声音 体验 来 形成 某种 文化 训练。 实际上 今天 的 年轻人 并不需要 真的 听 过 很多很多 的 磁带， 很多很多 的 黑胶， 才能够 感受到 那种 声音 的 陈旧， 那种 成就 是 固有 的。 或者 用 我本人 比较 警惕 的 一个 说法， 就是 叫 是 很 自然 的。

而 M P3 的 声音 是 人类 进入 数字世界 所 付出 的 一个 代价。 这个 代价 不是 对不上 焦 的 照片 或者 是 消 了 磁 的 磁带， 它是 人类 针对 自身 感官 的 一种 经济 治理， 它是 一种 精巧 的 偷工减料。 而 这种 偷 和 捡 恰恰 是 来自于 人类 对 自身 感官 的 把握， 从而 进行 对 自己的 hacking， 一种 self hacking。 这个 事儿 和 新旧 没有关系， 就是 他是 非常 聪明 的， 非常 武断 的， 甚至 有点 偶然 的， 所以 我们 没有 办法 对他 唤起 任何 乡愁 式 的 情绪。 M P3 的 算法 让 我 意识到， 我们 今天 生活 于 其中 的 这个 赛博 世界 的 大厦， 根基 还真 就 不是 这个 零 和1， 不是 数学， 不是 我们 对 这个 物理 世界、 客观 世界 的 把握。

而是 我们的 感官。

就是 它 最底层 的 算法 是在 面向 我们 耳蜗 里 那个 细长 的 绒毛 和 我们 到 今天 也 知之甚少 的 脑神经 等等。 科学 对 生产力 的 解放， 在 客观 世界 里 可以 是 一日千里， 斗转星移。 直到 它 推进 到 我们 人机交互 界面 这 一层， 他 又 只能 回到 缓慢 的 爬行。

就 想到 这些， 如果你 再 跟 我 谈论 这个 意识 的 上载 和 保存 什么什么 之类 的 话题， 我 就会 觉得 非常 的 困惑。 我不知道 这 句 话 里 的 意思 是什么 了。 你 明白 就是 正如 我 没法 想象 离开 肉身 的 音乐 是什么， 就 没法 想象 纯粹 的 音乐 是什么。 对 数字 技术 的 发展 就 直到 时间的尽头， 它 能 超越 我们 肉身 的 鸿沟 吗？ 我在 想他 能 超越 吗？ 如果 能 的话， 他 那个 时候 到底 是一种 什么 存在 在 观察 和 聆听 呢？ 那个 时候 的 我们 到底是什么 呢？ 因为 我们的 数字音频 早 已经 不是 对 物理 世界 空气 震动 的 一个 保存， 或者说 是 这种 保存 和 再现， 它 在 经历 一个 非常 精巧 而 武断 的 无法 越过 的 人类 滤镜。

今天 我们 建设 这个 赛博 世界， 我们在 干 的 事儿 就是 一砖一瓦 的 倒转， 这个 客观 和 感官， 我们 再 把 地面 和 角 对齐。 所以 如果 黑客帝国 真的 发生 的话， 它 确实 应该 是一个 湿漉漉 的、 脏兮兮 的 感官 帝国。 而 赛博 世界 的 来临 比 你以为 的 要 早。 1995年7月14 号， carl hinds brand berg 和 他在 爱尔兰 根 的 研究所 的 同事 们 一起， 决定 把 他们 呕心沥血 研发 了 很多年 的 这种 音频 压缩算法 的 文件扩展名， 根据 他们 这个 行业标准 的 全称 mpeg layer 3命名 为 点 m p 3。

感谢 收听， 不 在场 你可以 通过 泛 用 型 播客 客户端 订阅 收听。 如果 你喜欢 这 期 节目， 希望 你可以 分享 给 你的朋友， 也 欢迎 你 为 本 节目 捐款， 增加 它 存续 下去 的 概率。 一次性 捐款 不 低于 300元 的 朋友， 请 在 支付宝 附言 或者 对话框 中 留下 你的 电子邮箱， 你 可能 会 收到 我 不定期 的 邮件 捐款 二维码。 本期 节目 的 歌单， 包括 所有 提及 的 链接， show notes 以及 这个 电台 的 一切， 请 访问 他的 网站。 不 在场 点 X Y Z， 不 在场 点 X Y Z， 我们 下期 再见。