本文来自公众号：柠檬了吗（ID：bzcopy），作者：Lemon，原文标题《人活着就是在对抗熵增 | 熵增启示录》，题图来自：视觉中国
“努力很辛苦，但躺下真的好舒服。”
这句话一直真理般的存在在我的脑海里，伴我在天书中入眠，难题中入睡。没什么是“躺下来”解决不了的，如果不行，就再躺一天。
为什么自律很难，为什么写好的年度flag总是年复一年？也许你会说因为人总是会不自觉的变懒，但人又为什么会变懒呢？为什么一偷懒事情就无法朝着好的方向发展呢？
最近无意中接触“熵增定律”这个物理学原理，三观地震，豁然开朗，原来一切都是有科学依据的，最重要的是，它暗含了在个人管理和组织管理中科学的方法。
薛定谔说：人活着就是在对抗熵增定律，生命以负熵为食。
这是另一个只有少数人知道并值得我们记住的真理。
熵增定律是什么？
熵增定律完整表述：
一个孤立热力学系统中，无外力作用下，熵永不减小。如果过程是可逆的，则其熵不变，如果过程不可逆，则熵增加。
这是源于一位德国人克劳修斯在1854年提出的概念：不可能把热量从低温物体传向高温物体而不引起其它变化。也正是著名的“热力学第二定律”。
德鲁克把熵引入管理学：管理要做的只有一件事情，就是如何对抗熵增。
华为总裁任正非研究熵，在国内超前的将其作为企业发展之道。
《熵减：华为活力之源》华为大学著
最近看字节跳动张一鸣、拼多多黄峥的文字资料，也能从其管理理念和动作中窥见“熵”的影子。
“熵增定律”最关键的洞察在于：宇宙中的复杂程度总是在增加，万物总是趋向于向低的能态转变。
比如房间总是不自觉的从整洁有序到混乱无序，因为让它变混乱的方法远远比变得整洁简单。
熵增到熵减 | medium.com
又比如坐着总比站着舒服，躺着又比坐着舒服。
而从床上爬起来，是在做违背“熵增定律”的事情，必然会不舒服。
说白了，“犯懒”也是符合物理学原理的。
但为什么我们还是要逼自己站起来，企业也需要不停的折腾，不让员工闲下来？
这篇文章，我会从个人和组织的视角，聊聊我的思考和启示。
答案是什么先不管，重要的是先理清概念，提出问题。
一、如何理解“熵”？
物理学研究者们将“熵”区分为“热力学熵”和“信息熵”，分别描述分子状态的混乱程度和信息的不确定性，这两者的本质属性是一致的，但前者是从宏观态描述，后者是微观态描述。
如果一个系统在宏观上无序，则对应着微观态排列的多种不确定性。
如果一个系统在宏观上有序，则意味着我们能够得到非常确定微观态排列，这接近于最低熵的状态。
如同下面这幅图：
假设这个图是一个信息系统，当整体排列为“ENTROPY”的时候，我们能非常简单的解释，这是“熵”的英文单词。而当它被完全打散的的时候，信息与信息之间的混乱程度变得不可描述，解释成本变得很大，不确定性（无序性）增加。
对应到生活中：一个男生说：我只喜欢你。
此时信息熵是0，因为只有一个确定性信息。
当男生说：我喜欢你。
此时对女生来说信息熵增加了，因为除了你，他还可能喜欢其他任何人。
当男生说：我可能喜欢你。
这个女生已经凌乱了。
所以熵的本质是一个系统“内在的混乱程度”。一个系统越混乱，意味着看起来无序。
在物理学上“熵”是一个绝对值，可以计算出具体数据。但当人们把“熵“引入到人类社会，有了“人”的视角之后（相当于多了一个信息处理器），系统的有序性和无序性，在个人眼里就成了相对的概念。
比如这一组数字：36732902。
看起来是无序的，但如果我说这是由我家人的生日组合而成，那么这串数字尽管对其他人来说无序，但对我来说却是有序的，因为我知道了其中的隐藏信息。
二、如何理解“不可逆”？
这正是“熵增定律”令人绝望的地方。
正如“热力学第二定律”写的：不可能使热量从低温物体，自发地传递到高温物体，而不产生其他影响。
要使热传递的方向倒过来，必须利用能量，而能量在转移过程中又总是出现损耗，并不能100%的转化。
所以“永动机”是人类的幻想。
为了让地球上的交通更有序，我们于是发明了汽车，但同时又排放出了尾气，污染了系统外的环境，所以从更大的宏观系统来看，熵还是增加了。
企业招揽人才、形成组织是为了在利润增长过程中增加确定性，但在组织管理中又总是不可避免的出现新的不确定性。
言下之意，熵永远在增加，事物总是趋向于从有序到无序，放到整个宇宙中来看，所有恒星都耗尽燃料死亡，质子衰变，黑洞融合、蒸发，抵达宇宙的尽头——热寂。时间有了箭头，并指着混乱无序方向。
绝望中的希望是：即使整个宇宙总是在熵增，但某个区域内可以实现熵减。
我们不能改变最后死亡的结局，却可以推迟结局的到来。就像有些人20多岁就“死”了，而有人可以“活”到80岁。
于是对应了薛定谔的一句话：“人活着就是在对抗熵增定律，生命以负熵为生。”（薛定谔《生命是什么》）
如果我们什么都不做，明天并不会变得更好，甚至不会保持原样。友情会变淡，爱的人会离你而去，事业会走向低谷，十年前困惑的事物今年更加困惑。
对于组织来说，如若没有合理的文化和制度引导，就会在混乱无序或者毫无生机的状态中失去方向。
三、如何对抗熵增？
既然“熵增”不是什么好东西，那我们要如何对抗？
熵增定律本身已经隐藏了答案的方向。
一个孤立系统中，熵永不减小。如果过程是可逆的，则其熵不变，如果过程不可逆，则熵（无序程度）增加。
熵增是从有序到无序，那么熵减即无序到有序。化繁为简，这里我们要思考的问题是：如何从无序到有序？
从两个角度来回答这个问题：
1、认知层面：从无序中发现有序
前面也有提到，对于一个系统，有序和无序在人类看来是相对的，为什么一篇文章是客观存在的，但有人看着觉得太简单，有人却说看不懂 ？
为什么科学家可以解释复杂的宇宙问题，而我却不能？这取决于个人或者组织的认知程度，即识别隐藏信息的能力。
“全知便可永恒”，这是形容上帝的。上帝是否存在我们不讨论，但假若你能够识别宇宙所有的隐藏信息，我一定敬你为“上帝”。
作为一个普通人，我们只能持续学习，提升认知，获得更多的上帝视角。但如果只到这样，等于没说。
关键是如何学习？
对我个人启发最大的，是“人工智能”（Artificial Intelligence）。
AlphaGo战胜了人类，作为一个外行来看，重点不在于它赢了盘棋，促进了人工智能的发展，而在于了解智能化的学习过程。
雷·库兹韦尔在《机器之心》中谈及何为智能，他赞成一种说法：“智能就是在混乱中发现秩序的能力”。本质上，智能是对人类思维过程的模拟。
反过来，学习、使用知识的能力和智能类似，而智能的一个重要学习方法是“模型化”。
人类对事物的认识，正是在头脑中建模的一个过程，人脑根本无法存储大量的无序信息，因此需要不停的在庞大的知识库里寻找规律，总结经验，形成模型，模型帮助我们更清晰的认识世界。
模型的好处在于可重复利用，构建出科学的模型后能够以不变应万变，并且相对于普通机器来说，人类的优势是“迁移学习”能力，即如果该模型在自然科学领域表现很好，那么也可能在社会科学领域应用，举一反三，融会贯通。
道家所谓：一生二，二生三，三生万物。
而构建思维模型的方法，又可引出金字塔原理、分类学、多元思维模型等具体理论，这里就不展开了，看多了就会发现说的都是一件事，即强调分类、整理、归纳的能力，以形成完善的知识体系，当然真正用起来需要大量的刻意练习。
更值得一提的是，我们不能只有简单的几种模型，而是尽可能多维度、跨学科的构建模型，否则我们都只是管中窥豹，陷入“自我”的误区。
2、行为层面：从无序中构造有序
假若机器能够学会人类在所有复杂情况下的应对方法，那么就可以进化成更强大的智能机器。
而人类的智能化学习，也仅仅是提升了单一个体在特定系统下的识别隐藏信息能力，但真实的人类社会要比这个复杂得多。
比如未知的人生，我们无法预测也无法确保每个节点都能做出正确的选择，甚至不知道节点在哪里；
比如很多人会感受到，企业组织从0到1之后，各部门开始各自为战、争夺利益，项目推进效率低下，业务创新越来越少，组织行为的复杂性加剧了企业整体环境的复杂性，熵不断增加。这也解释了为什么企业到最后终将走向灭亡。
当系统不可避免的走向无序，周围环境的不确定性越来越高，我们是否能够进化出某种形态结构，来长久的对抗世界的不确定性？
仍然回到“熵增定律”的原理中去寻找答案。
一个孤立系统中，熵永不减小。如果过程是可逆的，则其熵不变，如果过程不可逆，则熵（无序程度）增加。
（1）开放系统——外部信息流动
开放的核心理念在于：要保持与外界物质和能量的交换。
也就是人们常说的要有空杯心态。
人为了生存需要喝水、吃饭，每天都在与外界交换能量，倘若封闭起来只会死路一条。
人为了成长需要向不同领域不同时代的“老师”学习，丰富和优化自己的思维模型，傲慢与偏见，大多是源于思维模型太单一。
企业同样如此，今天很多人会说华为的5G，而5G标准是源于十多年前土耳其Arikan教授的一篇数学论文，华为发现了它并投入数千人去做研究，今天，5G基本专利数量占世界27%左右，排第一位。
“我们不断有这种世界性的交流，我们自己吸收能量，他们也吸收了我们的需求，不断滚动传播。”（华为心声社区）
2012年，任正非有个非常重要的《2012实验室讲话》，数次提到反熵增思维，他清醒的意识到，华为和所有企业一样，都存在一个绝大的威胁：熵增。并强调：封闭系统必然要能量耗尽，要死亡的。
一切源于早期人大教授黄卫伟给任正非推荐的一本书——《热力学第二定律》，仿佛开了天眼，他把“熵增定律”引入到企业决策和运营，并支撑华为一路高歌猛进。
（2）降低损耗——内部信息畅通
对应熵增定律中的不可逆，即“能量在转移过程中总是出现损耗，并不能100%的转化。”物理学当中的损耗，一般都是来自于摩擦和碰撞，两个物体之间相对运动造成的。
对于个人来说，为什么有学霸学渣之分，为什么同样一本高等数学，学霸一看就会，我特么一看就困？除了学习方法不同之外，还有个不太好办的问题，那就是大脑构造不一样，学霸大脑的工作效率更高，即所谓的“神经效率假说(neural efficiency hypothesis)”。
来自德国波鸿鲁尔大学的 Erhan Genc 教授团队发现：
“学霸”的大脑神经元互相连接更加高效简洁。
简单的说，脑子好的人，学习时的信息损耗更少，阻碍更小，更容易学进去。
图片来源：Gen E, Fraenz C, Schlüter C, et al. Diffusion markers of dendritic density and arborization in gray matter predict differences in intelligence[J]. Nature communications
在一个系统组织中，复杂的连接方式也引发了各种各样的摩擦损耗，向上、向下、部门与部门之间。
字节跳动的组织管理理念中，常常提及“信息的价值”，底层逻辑是追求信息的高效流动。即降低损耗的一种解决思路。
在字节跳动，任何员工都能在内网IM上直接看到张一鸣的OKR是什么，以及任何员工的OKR。
“能看到一个人的工作计划，意味着你知道TA这两个月的主要精力会放在哪些事情上，一目了然。”
对应的文化价值观中的核心一条是“坦诚清晰”。
基于这种理念，这家公司还做了很多，比如每两个月有CEO见面会，员工每月有三次匿名发言的机会，内部倡导不要包装结果，不要向上管理、投Leader所好等等。
一旦坦诚的文化和机制被建立起来，我们可以减去多少不必要的争论，少做多少用心良苦的PPT，恐怕大家都有所体会吧。
（3）打破平衡——内部信息重组
熵还有一种比较极端的宏观态，样子是这样的，所有的“柠檬”接近均匀分布，完全平衡。
完全平衡是另外一种封闭状态，系统没有空间让信息出去，也没有信息进来，由此丧失了活力。表现在组织内，是你好我好大家好，缺乏竞争机制，个体自我满足，仿佛身处一个稳固的舒适圈，此时的“熵”接近最大值。
这个时候，需要外力，来打破均衡，破坏舒适圈。
亚马逊云AWS的诞生，正是由这个理念而来，AWS一开始只是亚马逊内部的一个技术系统，但贝索斯将它转化成了对外服务化的业务，并意外收获了第二增长曲线。
当把某一个服务外部化以后，也意味着跳出舒适圈，它必须面临真实的竞争，倒逼自己做得更好。
以上，是关于“反熵增”的一些对应思考方向，简易的循环模型如下：
构建了模型之后，组织人才的选用也可参照模型中的条件：首先是否在对应领域有足够的认知和智能化学习能力；第二是否足够开放，愿意吸纳新观点；第三是否总是远离舒适圈；最后是否足够坦诚，不给组织徒增损耗。
但由于每个个体和组织情况不同，侧重点必定也不一样，这里的简易模型仅作参考。
另外一些媒体文章谈及“反熵增”通常会直接搬出“耗散结构”，和上面说的也有重合的地方。于是我去找了下它的源头，发现了“自组织理论”。
这是20世纪60年代末期开始建立并发展起来的一种系统理论，研究对象正是复杂自组织系统（生命系统、社会系统）的熵增和反熵增问题，即在一定条件下，系统是如何自动地由无序走向有序，由低级有序走向高级有序的。（有兴趣系统了解的可翻阅原始资料书《系统科学精要》苗东升、《大自然成功的奥秘：协同学》赫尔曼·哈肯）
凯文·凯利在《失控》一书中提到“后达尔文主义”，他说“深度进化不一定就比自然选择神秘多少。他们把每一种动态共生、定向变异、跳变论或者自组织理论都看作是一种机制，一种从长远来看，作为对达尔文那无情的选择过程的补充，能促使进化不断革新的机制。”
这段话真的很正能量了，他用发展的眼光，肯定了人的主观能动性，认为依靠自组织，我们能够自主进化，实现熵减，对抗熵增，对抗自然选择论的所谓“适者生存”。
人可以选择过什么样的人生，对抗熵增或者做条咸鱼，毕竟除了自己，没人有权关心你生命的质量。
但企业组织通常没有选择，光明或者黑暗，只有一条路。
最后我在想，现实生活、工作中的“反熵增”归根到底是反什么？发现，人性的七宗罪竟一样也没有逃过。
后记
由于认知局限，本文也只是作为一个思考的起点，重点是在查找各种资料和思考、表达的过程中，也让我的大脑从无序变得相对轻微……有序，仿佛思考的大厦忽然有了根基。
一个很重要的感受是，科学家们真的很伟大，他们发现了宇宙最根本的规律，而我们只要跟着学习使用就好了。
主要学习资料：
[1]《 新科学世界观》混沌大学·创新学院
[2]《生命是什么》[奥]薛定谔
[3]《熵：时间、信息、和生命》知乎live 傅渥成
[4] 《什么是机器学习》公众号·超智能体
[5] 《时间的秩序》[意]卡洛·罗韦利
[6] 《机器之心》[美]雷·库兹韦尔
[7]《系统科学精要》苗东升
[8]《大自然成功的奥秘：协同学》[德]赫尔曼·哈肯
本文来自公众号：柠檬了吗（ID：bzcopy），作者：Lemon
本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系[email protected]
如对本稿件有异议或投诉，请联系[email protected]
End
