熵增定律

一切问题的底层规律

人类演化的终极定律

熵是什么？熵是系统中无效的能量，用来衡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年提出“熵增定律”，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。

在生活中，我们用熵来形容混乱程度，那么熵为什么会增长呢？简单来说就是世间万物需要发展，发展就需要迭代，如果要保证事物有效地运行，就需要有外界的能量输入，否则，它就会变得混乱和无序。从个人成长角度来看，我们的大脑每天都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、减少熵值，最后大脑就无法处理事情，趋于混乱或无序的状态。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，那么可能就要花费很大工夫才能找到其中的规律并且记住。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相应的变大了。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，我们每个人应该如何对抗熵增，进行有效的做功呢？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。我们只有持续地学习，提升自身的认知，才能更多地从高于别人的视角去认知组织乃至这个世界，这样才能实现“熵减”。所以，最简单的方式不是学习同行，也不是向优秀的人学习，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，做出合理的需求匹配，满足人的日常认知。比如AI学习、AI对话。之所以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，那么认知就无法得到提升。

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，最后形成标准化模型输出。为什么要标准化呢？其一，建立标准化可以节省人力；其二，构建出标准化能够减少决策成本；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版本每一次的迭代，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。但人和机器人不同的是，我们无法预测未知，也不能保证每个节点做出的决策都是正确的，因为认知过程中外界的熵值在不断地增长和变革。

我以公司为例。比如创业的时候，有活一起做效率很高。因为业绩的增长，不得不扩大组织，然后部门开始各自为政，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。等到了业绩瓶颈期，如果企业的创新、开放化跟不上，再加上组织行为复杂，那么就可能加剧整体环境的复杂性，这一切就是熵增。当企业组织系统不可避免地走向无序，周围的环境不确定性越来越高的时候，我们是否能够进化出某种形态结构，来长久地对抗外界的不确定性呢？这时就要做到行为层面的从无序到有序，可总结为三点：开放系统，降低消耗；内部信息均衡；增加杠杆，打破组织均衡。

开放系统，降低损耗：保持系统开放是避免系统陷入内卷化的重要方法，企业必须保持与外界物质、能量、资源的交换，才能建立有效的协同，达到生态共赢。很多创业者在初期创业的时候，并没有很大的视野和格局，只是单一地解决某个痛点，达到盈利的目的。比如教育培训创业者，在前期通过为别人提供付费咨询、课程来盈利，慢慢地，课程多了就会面临增长瓶颈，这个时候就要开始设计商业模式。比如能不能做MCN孵化老师；能不能给APP上的老师赋能，让他们帮助公司实现增长，让他们盈利，公司分成。这就是从单一到开放模式。

内部信息均衡：熵增定律不可逆，那么在与外界资源、物质交换的过程中，必定会增加损耗。就像很多APP之间资源互换一样，为追求高效的信息畅通，企业内部组织部门与部门之间进行有效的协同补位，以免信息不畅而出现熵增。

增加杠杆，打破组织均衡：熵就像一个杠杆，杠杆两端一面是熵值，一面是效率，当效率增加，熵值就会减少；反之，当效率低下，熵值就会增加。但两端无法做到平衡状态，因为一旦平衡也就意味着相互满足，都进入舒适圈，这也是很多企业为什么在业务转型或者瓶颈的时候选择从外引进高管。因为内部进入舒适圈，需要外部力量来打破均衡、破坏舒适圈，降低企业内部的熵值。

用耗散结构实现个人熵减

在讲这节内容之前，我先分享培训课堂中的一个小游戏。老师在黑板上画了个圆，接着在圆中画了个人，然后又在圆里面加上了房子、汽车和朋友。然后老师说：“这是你们的舒适区，这个圆里面的东西对你们至关重要——房子、家人、朋友、工作，在这个圆里面，你们会觉得自在、安全，远离危险或争端。现在谁能告诉我，当你们跨出这个圆后，会发生什么？”教室里瞬间鸦雀无声。一位学员站起来说：“会害怕。”另一位学员说：“会犯错。”这时老师微笑着说：“当你犯错了，结果是什么呢？”最初回答问题的那个学员大声地说：“我可能会从中学到东西。”“是的，你会从错误中学到东西。当你离开舒适区后，你学到了以前不知道的东西，增长了见识，所以你才会进步。如果你不离开这个圆，你的熵值会不断增加，最后你的生活会越来越混乱，不知道未来要做什么。”老师再次转向黑板，在原来那个圆旁边画了一个更大的圆，又增加了更多的朋友、更大的房子等东西。最后老师告诉学员：“如果你们总是在自己的舒适区里打转，将无法扩大自己的视野，永远学不到新的东西，只有走出舒适区之后，才能使自己人生的圆变得更大，才能不断的熵减，变成一个优秀的人。”

那么，个人要如何对抗熵增呢？我首先要引入一个非常重要的理论——耗散结构。耗散结构是远离平衡态的非线性的开放系统，特性和熵增相似，它首先注重的是开放性，其次是非平衡，当一个系统具备了耗散结构，它就能有效地对抗熵增了。那么，我们该如何根据这两个特点，将自己打造成一个可以对抗熵增的耗散结构呢？在这里，我分享一下自己对抗熵增的心得。

第一，一次只做一件事。我经常遇到这样的朋友：吃饭时电脑放着电视剧，左手还要拿着手机刷信息，吃完饭既不知道电视剧的剧情是什么，也不知道自己从手机中获取了哪些有效的信息。不断地让大脑摄入碎片化信息，会使自己越发的焦虑。工作中，我也经常看到这种情况，比如新媒体的同事正在写一篇文章，中间需要插图，打来网页搜索很久后，终于找到合适的图了，但重新回到撰写文章的工作时，之前写的内容却需要重新再看一遍才能完全回忆起来。所以个人要实现熵减必须学会聚焦进程，一次只做一件事，清除额外的干扰，把其他的事情用便签记录下来，完成一件再做下一件。

第二，用成长型思维代替固定型思维。成长型思维是虚心接受外界给予的一切反馈，固定型思维则倾向于逃避。如果你不想让自己变得更糟，那么就从思维开始转变。每个人的大脑都有固化思维，需要不断地开发大脑，激发它去思考，强迫它去运作，让大脑接受来自外界的有效信息，这样大脑才不会“生锈”。所以无论过去成就如何，有多少荣耀，终将不再返回，那些东西就像熵，不值得“记忆”，要及时地清理，才能“装进去”新认知。

第三，远离平衡态。或许我们都知道人的成长包括三个区域：舒适区、学习区和恐惧区。其中舒适区在最里面，是一种平衡状态，因为不需要太多努力就能使所有事物都达到一个相对平衡的结果。但如果要成长，就需要走出去，从舒适区走到学习区，甚至于恐惧区。生活中很多人喜欢妥协，比如说好的每天坚持做50个俯卧撑，结果今天由于太忙就少做了几个，这种平衡状态，最终会让你回到舒适区。只有不断地超越自己，实现比昨天更高的目标，才会有新的成果出来。80%的事情都不困难，困难的是战胜内心的自己。

第四，颠覆式成长。无论做什么，三天打鱼两天晒网是不可取的，要做持续的加码。可能你现在做的事情并没有结果，比如坚持健身、坚持阅读、坚持写作、坚持学习。但要知道个人成长遵循的是S型曲线，开始的时候，会是非常漫长的平坦期，而后则是如火箭般骤然升空，并最终在高段位保持平稳。颠覆式成长不仅是一次S型曲线式的飞越，也是很多次的飞越，它要求我们在完成一次S型曲线的增长后，再进入第二条跑道重新学习。

/ 核心观点 /