云垂篇 一八八 X1732—2—22

“某日，于杀戮间，窥见一轮明月，借此突破桎梏。然，月有阴晴圆缺，心亦是。”

“问题是业力从哪里来的？

我们知道，在“心”的意识库组成中，信息储存是我们平时学习到的各种知识，比如，你今天去吃了个麻辣香锅，麻辣香锅的图片样子和香味都作为信息储存在你的意识库中，下次你再吃到这个味，你可以说“嗯，这是麻辣香锅味”。包括你学到的各类知识技能，文学，历史，数学，体育，语言，音乐，营销，金融，会计。

但是我们想想，我们在平时的学习中，除了学到了画面，知识，是不是也学到了习惯，观念，价值取向？

比如说，妈妈教你学钢琴，除了你学会了钢琴的指法，五线谱这类知识，如果妈妈同时对你说：“艺术熏陶可以让生活更美更轻松”，或者妈妈也可以说“好好弹，将来可以挣大钱”，此时，你已经学习到了不同的价值观，不同的判断事物方法（算法），前者，你会以令事物生活更加美好为出发点，后者以利益为出发点。

比如，你看到爸妈妈生气吵架，你也可以通过他们处理吵架的方式学到价值取向，最终他们和解了，达成一致，你会学到生活中有争执是正常的，关键是如何协商达成一致。如果一方很暴躁，最后冷战持续，甚至离婚分居，那你也学到了一种简单粗暴的处理纠纷的方式。

这些，都会成为所谓的业力。

所以，业力并不属于我们。是我们后天学习到的。

如同CHATGPT，它的信息，算法，逻辑推理，价值观，都是设计者输入的，并不是它本来拥有的。

CHATGPT会认为有“我”吗？它推算出一个结果，会认为是“我”做出来的吗？

肯定不会，除非设计者输入这个程序，让它在每个推算结果后面加上“我的”。所以，“我的”也是后来学会的概念。

但是，有一个力量我们忽略了，就是知道。

心除了储存业力和信息的功能，还有知道在“它正在做价值取向，做推算”的功能。

说实在的，如果你始终认为“有”这个业力，那就“”纵使百千劫，会有际遇时”，只是种子强度如何啦！

要想消除业障，其实很简单，只要确认业障不属于你就可以啦！也就是与它分离。

过程就是：看到它，知道它，放下它，离开它。

尝试每一次不要试图摁住它，而是清醒地看到它，看到它是被输入的程序在演绎，高峰低谷是它自己的自嗨，如同看另外一个人一般，跟“你”无关。

这样，你就回归理性，不跟着业力跑，做该做的事。”

拜勒-古雷姆林身上魔力巨涨，仿佛降世的大魔神。

“X1732—2—22！！！”

颜海：“这就是你的英灵，我倒是第1次见。”

拜勒-古雷姆林：“他曾经是高贵的王子，却不得不背井离乡，凭一己之力与魔神抗争。从此他再也听不到故乡的歌谣，因为他的耳边将永远萦绕着魔神的蛊惑。他知晓一切，背负一切，斩断一切。但他不会活在世人的颂歌里，因为他不曾有勇者的过去，也不会有英雄的未来。

何为高贵的灵魂？是面对蛊惑，就算灵魂被一次次撕裂侵蚀，也要保持坚定的意志。是前路难行，就算独自一人，不被世人理解，也要继续走下去的信念与勇气。

懦弱的国王，臣服于魔神的低语将他释放。银白的王子，以凡人之躯将魔神再次封印。背负与魔神共生的宿命，承受意志被侵蚀的折磨。

“后路已断，唯有向前。””

颜海：“这么勇敢的意志，倒挺像你的”

拜勒-古雷姆林：

“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。”

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。”