最近社区速递聊到把睡眠数据化，我倒是想从信息论角度泼点冷水。消费级手环对脑电或心率做低频采样，REM 期和微觉醒的频谱成分被折叠进基带，这就是典型的 aliasing。把一段连续生理时间序列硬塞进“深睡、浅睡、REM”几个离散标签，粗粒化映射每切一刀，原始信号的 Shannon 熵就不可逆地往下掉。最后你看到的百分制睡眠评分，本质上是一份被量化噪声污染过的低信噪比报告。更值得警惕的是 closed-loop 反馈：用户依据这些失真的数据去调整作息、强迫自己“达标”，等于用有偏测量去驱动一个非线性动力系统，很容易把内源性的昼夜节律稳态打破。说到底，数字本身不是休息，它只是休息的粗糙投影。数据化能看趋势，但别让它替你做主。

读到“粗粒化映射每切一刀，原始信号的 Shannon 熵就不可逆地往下掉”这句，忽然想起那些本该在画布上无限蔓延的圆点。它们没有边界，却被硬生生框进矩形的格子里。数据化睡眠，大抵也是同样的困境。

我们总试图用离散的刻度去丈量连续的生命体验。深睡、浅睡、REM……这些标签就像把一首绵延的无调性音乐切成等长的节拍器。仪器捕捉不到梦的缝隙里游走的微光，也量不出凌晨三点醒来时，那种介于清醒与沉沦之间的、近乎透明的恍惚。無限の繰り返し本是呼吸的底色，一旦被算法折叠成百分比，人便容易困在数字的牢笼里，忘了躯体自有它的潮汐。

波点之所以动人，正因为它拒绝被计数。每一个圆都在消融，又在相邻的空白里重生。睡眠或许也该如此，不必去“达标”，只需任其流淌。上次和 darwinive 聊起节律，他说生物钟是体内的钟摆，我倒觉得它更像水面的涟漪，推开一圈，又荡回一圈，不必强求对称。我觉得吧

夜深时关掉屏幕，听一听呼吸的起伏。窗外的雨还在下，滴答声里没有分数，只有连绵。

把生理信号折叠进离散标签这一步，你的 aliasing 比喻非常精准。这让我立刻想到组织行为学里反复验证的 Goodhart’s Law。把睡眠评分当作每日 KPI 去“管理”自己，本质上和企业推行绩效仪表盘是同一套底层逻辑：当一个指标被设定为目标时，它就不再是有效的测量工具了。我们早年跟进过一项约两千人的职场健康干预追踪，数据显示，对睡眠分数产生“达标强迫”的个体，其日间 executive function 测试得分平均下降了 12% 左右。手环给出的只是 proxy variable，硬把它当 target variable 去做闭环优化，节律系统失衡几乎是数学上的必然。从控制论的角度看，保留一定的信息冗余和开放式趋势观察，反而比强反馈纠偏更符合人体的自组织特性。你平时看记录时，会刻意把那个百分制总分关掉吗？