区块链中的心智模型

对于一条区块链而言，去中心化的结构使得整个系统依靠所有节点共识机制来执行相应的决策。这是一个自动化的过程，因为我们不可能让每个节点都采用人工决策，在庞大的节点网络中，一个依靠程序代码自动执行的系统是十分有必要的。

那么，在我们传统的印象中，机器代码是十分死板的，我们如何能够确定它能够尽可能在任何场景中都做出合适的决策呢？这里，一些心智模型的存在，辅助我们对事物进行决策，也可以对区块链中的决策起到积极的影响。我们简单介绍以下两种。

第一性原理（First Principles）

这是一种从头开始解决问题的有效方式。第一性原理最初是定义物理学中运用量子力学原理，从具体要求出发，经过一些近似处理后直接求解薛定谔方程的算法，人们根据这个原理“从源头做起”的方式，衍生出了一种进行决策的思维，可以总结为三个关键要点：

1、破除比较思维。我们的思维方式总是习惯于将一件事物和其他事物进行比较，第一性原理便是要求我们从基础的条件和规则出发，不靠横向比较和经验结论而进行计算。

2、寻求事物本质。

3、做出实质性改变。

举个简单的例子，我们或许会更容易了解第一性原理。

在互联网早些阶段的下载工具，都是从服务器中下载数据，许多下载器不断在线程、带宽等各个方面进行改进和优化，但最终取得订单效果却十分不理想，下载提升的速度并不高。而有的人便打破了只能从中心服务器下载资源的思维方式，不再局限从中心的服务器进行内容下载，而是让每个下载应用的用户，不仅仅是需求资源的索求者，也可以成为一个提供资源的服务器。因此 P2P 下载协议便诞生了，资源下载速度相比普通下载器提升了数十，甚至数百倍。

在区块链中的决策采用第一性原理模型，可以用来比较相似的协议，考虑协议如何运作，如何创新等。在不同的网络协议、智能合约中，找到最有效的参数。

贝叶斯学习理论

这是一种利用概率来表示所有形式的不确定性，通过概率规则实现学习和推理。贝叶斯公式的表达式如下：

其中，P（A）被称之为先验概率，即在不知道 B 事件的前提下，我们对 A 事件的一个主观判断； 可以看做是一个调整因子，被称之为可能性函数，即当我们获得信息 B 之后，对整体事件的概率的调整，将先验概率调整为一个更加接近真实的值。

举个例子，当我们看见“区块链”这个名词时，不管是否了解，都会有着一个初始的理解，这边是先验概率，也就是我们的主观判断。而当我们通过学习了解更多关于区块链的内容后，新的信息便被引入了，然后我们便会根据这些了解到的内容重新优化最初的理解，这便是我们通过可能性函数进行调整的过程，最终得到后验概率。

收集信息是概率学中最基本的方式，而在区块链的分布式节点当中，对于数据信息收集，有着天然的优势。

贝叶斯学习理论可以让区块链中自动执行的机器代码在不断收集新的信息时，并且实时根据新的信息来调整原有的决策，通过贝叶斯概率，使得最终的决策能在最大程度上符合当前的需求。