熵增定律:一切问题的底层规律

有人说：

熵增定律是宇宙中最让人绝望的物理定律，因为它预示了一切事物最终都将走向消亡。

人总是变胖容易变瘦难，懒散容易专注难，变坏容易变好难……这些所有现象背后的本质都是熵增定律的影响。从有序到无序，从平静到混乱，都是熵值在增加。我们需要通过不断抵消生活中产生的熵增，使人生维持“熵减”状态。

在个人成长中，每一个人都要意识到学习熵减的重要性，才能清晰地认知到哪些事情是需要快速攻破的。

在管理学界，熵增定律也被很多人推崇备至。1998年的亚马逊股东信中，贝佐斯说到：“我们要反抗熵增。”彼得·德鲁克也曾说：“管理就是要做一件事情，就是如何对抗熵增。”

华为创始人任正非更是将熵增定律看作人生至理，他在为《熵减：华为活力之源》做的序言中写道：“熵减的过程十分痛苦，十分痛苦呀！但结果都是光明的。

从小就不学习，不努力，熵增的结果是痛苦的，我想重来一次，但没有来生。人和自然界，因为都有能量转换，才能增加势能，才使人类社会这么美好。”

01.人类演化的终极定律

熵是什么？熵是系统中无效的能量，用来度量系统的内在混乱程度。

在物理学中，熵是一个绝对值，能够计算出具体的数值。当把熵引入到社会中，有了个人的视角，系统的有序和无序就成了相对的概念。德国人克劳修斯于 1854 年龄提出熵增，他认为在一个封闭的系统内，热量总是从高温物体流向低温物体，即从有序走向无序。

如果没有外界向这个系统输入能量，那么熵增的过程是不可逆的，最终会达到熵最大的状态，即系统陷入混乱和无序的状态。

生活中，我们用熵来形容混乱程度，那么为什么会增长呢？简单的逻辑就是世间万物需要发展，发展就需要迭代，如果要保证有效地运行，它就会变得混乱。

从个人成长角度看，我们大脑每天会接受各种各样的信息，学习各种知识，大脑需要记忆，需要处理，也就意味着大脑系统中的熵值在不断增加。如果不及时优化、排序、减少，最后大脑就无法处理事情，就会趋于混乱或者无序的状态。

比如0到9这 10个阿拉伯数字看起来非常有序，也非常容易记忆，但如果把它重新排列，那么你可能就要费很大功夫找到其中的规律才能记住。

可见信息和信息之间的混乱程度增大，我们与别人解释的成本也就变得更大了。因为无序造成的不确定性也增多了。

我们清晰地了解到熵增对生活和工作的影响很大，那么对于个人，我们该如何对抗熵增，进行有效地梳理呢？

其实这个答案，可以从熵增的核心定义去理解，熵增包含封闭的系统和无外力做功两个主要因素，所以要想打破熵增实现熵减，需要从两个方向去思考。

第一，认知层面从无序到有序。

在一个系统中，无序和有序其实是相对的。为什么很多文章有的人看很容易理解，而有的人却看不懂；为什么科学家可以解释复杂的问题，而我们却不能。

这取决于个人或组织的认知程度，即识别信息的核心能力。

我们只有持续的学习，提升自身的认知，才能更多地从高于别人的视角去看组织乃至于世界，这样对我们来说才能“熵减”。所以，最简单的方式不是学习同行，也不是和优秀的人学习，而是要学习“人工智能”的方法论和“机器学习”的底层逻辑。

人工智能的本质是通过代码的方式，将知识输入到数据库中，然后基于人的行为进

行解析，做合理的需求匹配，满足人的日常。

比如AI学习、AI对话。用人工智能的方式去学习是因为人工智能对信息的处理要求相对更高、更准确、更为标准化，比专家、上级分享的经验更有批量参考的价值。

我们对认知的提升，和 AI建模相似，寻找到有序的信息，进行总结、归纳，从而形成模型、方法论，最终通过大量不同学科的方法论来帮助自己认识更大的世界。

如果自己找到的信息繁杂，不能够清晰处理，那么认知就无法提升。

机器学习流程是储备数据——分析数据——找到规律——提炼底层逻辑——总结方法论——建立标准化模型——输出。

其中数据可以简单形容为标签、画像、用户信息，机器通过存储大量数据进行分析，找到其中的规律，然后提炼底层逻辑并进行合理化总结，最后形成标准化输出。为什么要标准化呢？其一，建立标准化可以节省人力。其二，构建出标准化系统能够减少决策的成本。其三，便于流传。人类的核心优势是迁移的能力，即一套模型的智能化标准，在其他领域可能也是相通的。

第二，行为层面从无序到有序。

多数人应该看过机器人视频，1.0版本只能简单地跳跃、运动，2.0版本和3.0版本每一年的迭代，对应的功能也逐渐地变多，能力也变强。

人的学习也是这样的过程，从小学的死记硬背到中学的理解记忆，高中的灵活掌握，一方面是认知的提升，另一方面则是从无序走向有序的过程。

但人和机器不同的是，我们无法预测未知，也不能保证每个节点做出的决策都是对的，因为过程中外界的熵值在不断地增长和变革。

我以公司为单位，比如创业的时候，有活儿一起做效率很高。因为业绩的增长，不得不扩大组织，然后部门开始各自为战，这时就出现为了KPI争夺利益的情况，这时项目的推进效率也就变得低下。