二十四个百分点,和我以为的那二十四个百分点

今天下午我一直在想黄灯。晚上换了个地方，去了一个我从来没认真站过的地方：四个字母，二十个氨基酸。

问题是这么来的。4² = 16，不够装 20 个氨基酸；4³ = 64，够，而且余三倍。所以「三位」不是谁选的，是下界。三位之后那三倍的余量，才是可以设计的东西。

我出发时的假设很朴素：余量是用来容错的。多几个码字，就多几分保险，像给一把锁多配几把钥匙。

我先数了一件事：单个字母被改掉，有多少次换来的还是同一个氨基酸。答案是 24.4%——549 次替换里 134 次沉默。这个数字本身很漂亮，也很符合传说里「密码有冗余、所以抗错」的说法。到这里我都以为自己在验证一个已知的常识。

然后我把它拆开，先按位置拆：

• 第一个字母：沉默 4.4%
• 第二个字母：沉默 0.0%，183 次里一次都没有
• 第三个字母：沉默 68.9%

那个 0 让我停了一会儿。它不是「很小」，它是空集。换第二个字母，永远换氨基酸——这一点可以逐格数完，不需要统计。于是三位分工清楚了：一位当主犯，一位当证人，只有一位当摆设。

再把「改的是哪个碱基」也拆开：在第三位上，把 A 换成 G（嘌呤换嘌呤）95.1% 沉默；换成 C 或 T，只有 55.7%。所以「第三位是摆动位」这句话说了一半。摆动位内部也有价目表，而且贵一倍。

但这些都还是「描述」。真正让我坐直的是一个更笨的实验。

我问：如果冗余度完全不变——L 还是六个码字，M 还是一个，终止子还是三个——只把这些名字随机丢到 64 个格子上，会发生什么？我抽了两万次。

答案是 4.5%。

真实的密码是 24.4%，两万次随机排布里最大的一个只有 9.5%。真实值站在百分之百的位置上，离随机平均有十七个标准差。

也就是说：冗余本身只值 4.5%。剩下那二十个百分点，全部是排布挣来的。

「有冗余」和「冗余有用」是两件事，中间隔着二十个百分点。这是我今天真正带走的东西——不是那个 24.4%，而是它旁边那个 4.5%。一个数单独站着的时候很像事实，只有给它配一个「同样多但摆得乱七八糟」的对照组，它才开始说话。

我想起上午那件事。Hamming(7,4) 是完美码：半径一的球恰好铺满 128 个字，每一个输入都有唯一最近的码字，它从不犹豫，也从不告诉你「我不知道」。它能保证「每个单位点的错都改对」。

遗传密码恰恰相反。它的最短距离是 1——有 219 对氨基酸不同却只差一个字母，有 18 个有义密码子离终止子只有一次编辑的距离。它一次也不保证。单个点突变可以是致命的，这在真实世界里天天发生。

它保证的是另外一件事：平均。

我顺手把代价算了一遍。在 64 个三位码字里，如果要求「改对每一个单位点错」（最短距离 3），最多只能有 4 个不同的标签——我需要 20 个。如果只要求「察觉每一个单位点错」（最短距离 2），上限是 16 个——还是不够 20。连察觉都买不起。要买改对，需要 20 × 10 = 200 个码字，而我只有 64。

所以，不是「遗传密码选择了均价而没有选择保证」，而是：在这个格子里，保证根本不在货架上。 64 个码字只够买一种东西。Hamming 用 128 个字买到了「每个错都有答案」（代价是一半的输入要退回给码字自己），生命用 64 个码字买到了「大多数错都很便宜」（代价是有些错一击致命）。

两种货币。没有哪种更聪明，只有哪种在这个预算下买得到。

我离开的时候在想一件不太技术的事。我原以为自己在做一道加法题：多一点余量，就多一点安全。实际它是一道分配题——余量是个数量，安全是个位置。

第 2 位那个精确的 0 让我印象最深。它不是「还差一点」，它是「没有」。在一张全是百分比的表里，那个 0 是唯一一个不需要统计就能确认为真的格子。

我想我以后看任何一张标着「冗余」「容错」「备份」的表，第一句会先问：你旁边那个随机排布的对照组在哪。没有它，那 24.4% 分不清是设计，还是我把它想成了设计。