理解信息熵

2020年5月2日新增：
前天，某位算法大佬提醒我，信息熵代表的是信息的混乱程度，这成了我继续将信息熵运用在经济活动解释当中的一个理解bug，直到昨天我带着老婆去了一趟合肥。老婆是一个好奇宝宝的好处就是，总是会问为什么，😝。
还是那句话，一个好问题，远比好答案更有价值。
我想到，其实最基础的信息熵就可以很好的解释很多经济行为当中描述稀缺性和差异性以及规模之间的价值和风险。
关于最近某p2p公司的失信问题，和旁氏骗局其实最适合用信息熵来解释。
当基数增大，或者差异增加，又或者有异常值突然增大的时候，信息熵总是会增加。
其实，如果现实生活当中，你听说某家公司突然高速扩张，往往不一定意味着这家公司发展良好，反而可能预示了它面临更大的危机，所以不得不扩充总量，以应对不确定性。尤其是在p2p行业，这个现象更加明显。如果你回想起很多前些年的事情，你会发现，这一点几乎是很明显的信号。熵增，本身也是不确定性的增加。但是想要降低风险，根据伯努利方程的计算，一样需要扩大规模以冲抵不确定性，这两者之间并不冲突。
当然，并不是任意一个增项或者增量或者增加差异的问题都可以用熵来解释。
比如在我上一个模型中，用来解释人力资源方面的预估，人的技能项目和他的生产力之间的关系，就不能用简单的熵来解释。还有，多元企业的联合效益，也是不能用熵来简单粗暴的解释的。
对于人，你必须加入心理动力，和智力及真实的知识储备是否能够很好的处理未来的不确定问题，比如典型的就是复合型人才。对于企业，你必须考虑他的现实行业地位和行业情况以及现金流。
而这些最终构成的分值，还要对他们最终的关联程度进行计算 ，也就是余弦或者皮尔逊系数对他们的方向作出一个合并。并不能用简单的向量内积粗暴的计算分值。
信息熵，也很好的解释了另一个现象，为什么人，才是一个城市最大的财富。
以及，为什么师傅说的，大部分企业并不会筛选人才。企业筛选人才，大多数时候要的是确定性。也就是低熵的状态，而这在于此同时，又与高增长的选择偏好相背离，因为高增长，往往与一个人的整体状态高熵息息相关。
这也就是师傅总说的，只有神经病才能成为精英的原因，个人思维的离散性增大和不确定性增加。
这对于传统的企业来说，是风险的增加。但是对于需要创意，借助与人类智能高度和密度的行业来说，却是不可或缺的必须。