关键词
本文
人工智能的困境
得不到解决的根本原因是，对于“人工智能”，我们尚未确定出一套能够被跨越平台使用的，内容完美自洽的语言体系。
i.e.智能的定义一直处于混沌状态。
对于一个学科，建立范式是其发展的重要一步；
例如，爱因斯坦建立相对论，就是在牛顿的经典力学发展数百年，整个物理学体系能够用相互补足，自成一套的语言描述之后，才能建立起来，将整个物理学代入新的时代。
而反观量子力学，就是由于尚未能建立起自己的语言体系，整个学科变得晦涩难懂，一大批量子力学工作者正致力于建立属于自己的新的词条来完善自己的范式。
然而，一个完整的范式是不可能一蹴而就的，为了促进对于人工智能的探讨，我们有必要借用已经发展完善的语言体系。
一个物理学上的智能定义
熵，热力学上对于混乱度的定义，已经是一套建立得已经较为完善的语言体系。
麦克斯韦提出麦克斯韦妖的难题之后，解决者兰道尔利用信息熵的概念将其击破。 400px
根据兰道尔定律，一个麦克斯韦妖将负熵输入整个系统，但是小妖做出了选择——这一点意味着，小妖具有“智能”。
从此，我们得到了一个物理学上的对于“智能”的定义——减少系统的熵即是智能。
基于单分子热机模型与兰道尔定律，我们甚至掌握了一套对于智能效率的算法。
群体智能与区块链
要承认对于上述的对于智能的定义，必须突破人类长期以来划下的智力禁区：只有人的大脑，才能产生真正的智慧。
而一旦能接受这点，对于智能的讨论可以开阔很多，也可以从此来讨论区块链的知识。 400px
要认识到区块链背后的智能，我们需要引入群体智能这个新词汇。
[混沌分形]是一个说明的例子。每一步所做的分形是十分简单的：截去中间一段线段。经过大量的重复操作这一基本过程之后，却得到系统制作的整齐图案，而不是随机分布的色彩的点——
混沌分形减少了系统的熵，有就是说，他产生了智能。
相对于人集中于脑的中央智能，这样的智能是由分布的简单智能集合而成的，i.e.群体智能。
而中央智能与群体智能的优劣，我们可以从市场经济与计划经济的比较中看出。
| 经济类型 | 智能类型 | 决策者 | 数量区别 | 经济效益 |
| 计划经济 | 中央智能 | 少数中央经济精英 | 少 | 差 |
| 市场经济 | 群体智能 | 每一个消费者 | 大量 | 好 |
区块链，便是打破人类历史上以往的权利有中央掌握的“银行集中模式”，而将信任分布到加入系统的每个个人的计算中心。
全网公正时代。每一台计算机都是妖。每个人都是小型判断中心。为了伪造需要更改全网的数据，成本小号十分大。
这样的信用分布将为金融提供全新思路。
群体性学习
我们的课程，wiki网站，也是利用全体智能来输出结果的尝试。
每个人要表现自己的自由，这既是意识
不同人的知识汇聚，建立范式，发展科学
每个人都减少错误（熵）
最后达到共同成果，产生新的知识。