区块链费曼教学视频区块链课程视频教程

TLBC价格行情 2022年12月25日 12:45 96 0

今天给各位分享区块链费曼教学视频的知识，其中也会对区块链课程视频教程进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

熵概念与人工智能的区别

正是在这一理论原则指引下，顾学雍教授向作者韩锋推荐了《区块链新经济蓝图》作者Melanie Swan撰写的一篇论文，讲人工智能和区块链。单纯看这个题目，我很难想象区块链和人工智能有什么关系？

读Melanie Swan这篇文章几遍后，多少觉得从经济学角度来讲有些道理，但是我很困惑作者并没能对“人工智能”这个感念有明确的定义。后来我问了世界级的人工智能专家吴韧，他的回答居然也是：“没有权威的说法。”

我才明白了：人工智能学科的范式还在形成过程中。

根据顾学雍教授的说法，一个笵式，成熟的标志是自洽的语言系统。大家不要小看这个定义，其实非常多的学科没有达到这个标准。而真正的最高水平的人在努力达到这个标准，而且一旦达到，将面临巨大的突破。其实回想一下，爱因斯坦《相对论的意义》，这本书写得太好，其中的很多智慧都有很震撼的感觉。说穿了，牛顿力学到爱因斯坦的时候发展了三百年了，关于时间和空间实际上没有自洽的语言系统，是说不清楚的。实际上人类的思维很懒惰，大部分时候关于时间空间是什么，自己并不清楚。如果让一个人下定义，很大可能会发现那人张口结舌，不知道怎么说。爱因斯坦无外乎就是把这个概念，用他认为合理的语言自洽地描绘出来。描述完发现，如果站在光速不变的原理下，就一定有一个新的自洽语言的系统：那就是相对论。相对论就是超越牛顿力学学科的利用电磁学为其建立了一套自洽的语言系统。

现在我们超越学科的来看一下“人工智能”和“区块链”。

| 什么是“熵”？

之前在清华我们遇到了一位美国的访问学者，Steven Young。我问他什么是人工智能，他的回答是：“三十年人类如果了解大脑以后，我们再回答什么是智能吧！”他的话让我觉得很具有代表性，觉得现在不该定义，理由就是我们现在对大脑没有足够了解。我们知道人类对自己大脑的研究，进展极其缓慢。相应的很奇怪的是，人工智能在飞速发展。所以大家都在等着，要等对大脑有足够了解以后才能定义人工智能。我们认为这实际上是一个巨大的误区：先入为主认为只有生物的大脑才能产生智能，而其他机器计算都是大脑的低劣模仿者！但实际上，我们看了费曼的讲量子计算的那本书讲的麦克斯韦妖以后，得到了巨大的启发，事实并非如此！

为了能理解费曼的思想，我们首先来阐述一下什么是 “熵”？

“熵”为什么是一个成熟的语言系统？上节课我们问大家什么是熵？大家基本上都能把意思说出来，代表系统混乱的程度。大家都不是来自物理系，但是基本上在语言概念上没有错，这就说明熵的语言系统已经很成熟。熵其实是一个很抽象的概念。作者在大学二年级的时候，抱着一本伯克利编的《统计物理学》，学了整整一学期。那本书从物理统计概念和实验的角度一点点剥丝抽茧讲清楚了熵是什么。

作者曾经和曾蓓聊过，她是清华高研院的高材生，曾在MIT读博士，现在在加拿大当教授。我们在讨论问题的时候，是她脱口而出告诉我，熵是是系统无知的度量。作者关于熵也有自己的语言，好多年前，当时一位UBC的朋友请求给她辅导物理化学。结果很快就碰到了熵这个概念，令作者很头疼。因为这位朋友不是物理系的。只好用比较通俗的语言讲：熵是系统能量耗散均分到最大自由度的数量。作者为了让她懂，讲了一个故事：本来，你从银行取了一万块钱，相当于能量。结果你不小心摔了一跤，然后一阵风把一万块钱吹到了街上。而正好街上的一百人就把你的钱一张一百的捡走了，你也只能去报警。而警察也几乎没有可能把你的钱找回来。这说明，一万块钱的“能量”分散到一百人手里，若想自然逆变化回来，几乎不可能，这就是熵增大原理。所以，熵是什么标度？你这一万块钱分散的标度。如果只分散到一两个人，那熵很小，系统的无知程度也小，那你找回来可能大。但是如果你这一万块钱分散到的人越多，熵越大，你找回的可能越小。所以能量分散到原子的自由度的数量，这是用熵来标度的。

后来作者怕讲错，仔细一想，这也是有根据的。你们学过热力学，知道这个公式么？

热力学系统里熵的变化等于它吸收或者放出热量Q除以温度T。这是热力学的一个著名的公式。下方的分母是温度，温度的物理含义是什么？代表平均分子动能，就是均分到每个分子上的动能（能量）。所以热量除以温度，就是系统的能量（对应你从银行取出的一万块钱）被多少原子均分了，熵正好正比于系统中原子的自由度。这就是你的钱丢了，被均分了。

最后给一点物理专业的回答，什么是熵？熵正比于系统可到达量子组态的对数。

前面的k是玻尔兹曼常数，是系统量子组态数。这个公式就比较抽象了，但是后面我们会用到，所以给大家介绍下。总而言之，“熵”这个语言体系是自洽的，说法可以更换，所以可以超越学科的用“熵”的语言描述一下后面的“智能”。

| 什么是麦克斯韦妖？

我们就是要用这么一个成熟的语言体系解释下面我要讲的。什么是麦克斯韦妖。本来我在给顾老师讲什么是麦克斯韦妖，结果顾老师给我推荐，讲这个最好的是费曼的那本讲量子计算的书。后来我回过去看那本书，费曼讲得更好。

给大家讲下什么是麦克斯韦妖。大家都知道熵增大原理，就是热力学第二定律。但是搞电磁学的麦克斯韦自己造了一个概念，给已有的热力学语言体系带来了很大的危机。他就提出了一个小妖（Maxwell’s demon，见图1）。

图1

本来热力学系统达到平衡，两边的温度是一样的，但是中间有个隔断，这个妖有一个控制隔断的开关，麦克斯韦妖让超过某个温度以上的原子可以向右放过，而低于这个速度的原子可以向左放过。而在它掌握下的开关，过一会儿会发生什么现象？动能高的原子都会跑到右边，动能低的就会到左边。我们刚才说了，温度代表系统中原子的平均动能，如果这个妖也算是封闭体系的一部分，那岂不是系统自然的就让热量从温度低的流向温度高的？系统等于不需要外加能量的就成了电冰箱，岂不是把热力学第二定律破坏了？因为根据热力学第二定律封闭系统最终一定要熵最大，这个体系内的温度永远要均衡，能量在各原子自由度上的分布一定要均匀。

别看这么简单一个理想实验，人类探索了一百年。

最终解决这个问题的人是Charles Bennett，他是量子计算机的奠基人之一，来自IBM计算机实验室。我查了他专门讨论这个问题的原始文献。他的这句话很经典：

“From its beginning, the history of the Maxwell’s Demon problem has involved discussions of the role of the Demon’s intelligence, and indeed of how and whether one ought to characterize an ”intelligent being” physically.”（从一开始来说，麦克斯韦妖的讨论包含了妖的智能，关键是怎样物理地把这个“智能”表述出来”）

C．Bennet尝试用物理模型讨论智能，这是自图灵机之后的一大突破。我说过，人类的思想禁区，是只有谈到生物大脑，才敢谈论智能。其他的学科似乎没有资格谈智能。在此之前，只有1950年艾伦.图灵发表了他里程碑式的论文《机器能思考吗？》

其实在Bennett之前，就已经有了铺垫，1961年时也是IBM的Landauer 提出了Landauer原理【7】，甚至更早还有1929年匈牙利的Leo Szilard的单分子热机模型【8】，但是都没有彻底讲清楚。Landauer原理就是：“如果需要不可逆的涂消一个比特的不确定性（系统熵减少，或者说产生一个比特信息），最小需要耗散kT ln2的能量（其中k是玻尔兹曼常数，T是温度）。

解释一下（见图2）。

图2

下面哪些指标属于移动电子商务流量指标

第一步，大量泛读。

学习一项新知识，有人喜欢买一本所谓“最好的书”，然后从第一个字精读到最后一个字。这是一个从小学开始养成的坏习惯：我们在没有整体历史观的情况下，就从秦朝学到清朝。没有作战地图，就开始打巷战。

应该怎么做？

比如你想学习“区块链”，先上豆瓣网，搜索“区块链”或者相关关键字，找到评价最高的3本书；通过“买过这本书的人，还买过哪本”的方法，再选5本；最后，加2本不畅销，但明显系统性强的书，比如《区块链原理》等。

然后，把这10本书都买回来，开始泛读。泛读时注意几点：

5分钟看自序，5分钟看目录。很多人不看自序和目录，这又是一个坏的习惯，因为作者会在自序中，梳理框架逻辑；在目录中，提炼核心观点。

15分钟泛读。要点是：略过故事，略过案例，略过证明；标注概念，标注模型，标注公式，标注核心观点。

最后，再用5分钟简单回顾，记录下自己的困惑、问题、想法。

用个长一点的下午，或者再加上晚上的时间，高强度地把这10本书读完。建议读电子版，可以大大提高标注、回顾、记录的效率。

第二、建立模型。

好好睡一觉，让知识在你的大脑中自由地碰撞、连接、融合。第二天早上，给自己最清醒的3小时，建立模型。

应该怎么做？

找一面巨大的白板墙，把标注的概念、模型、公式，写在即时贴上，贴到白板上，再用白板笔和板擦，建立、修正他们之间的关联，逐渐形成系统模型。白板，是非常重要的思考工具，我会在第四季度工具篇，专门讲“白板思考法”。

第三、求教专家。

还有不清楚的问题，就要求教真正的专家了。

比如，我在研究“虚拟现实”的时候，找了一个专门投资虚拟现实的基金，登门拜访。他们一年之内，看了200多个虚拟现实的创业项目。我向基金创始人求教了2个小时，很多问题豁然开朗。

为什么要先建立模型，而不是先求教专家？因为如果你没有基本的全局观，问不出好问题。另外，有些专家有犀利的洞察，但也未必有全局观。他自由发挥2小时，你可能不知所云。

如果你不知道去哪里找业内专家，可以上类似于“在行”之类的平台，花些费用，带着问题虚心求教。然后，修正你的模型。

第四、理解复述。

你花了5小时泛读，3小时建模，2小时求教，剩下的10小时，可以花在“复述”上。

关于学习，有个著名的“费曼技巧”。用你的语言，把你的模型，讲给别人听。你很可能会发现，讲着讲着讲不明白了；或者你觉得讲明白了，别人就是听不懂。这些地方，就是你理解的薄弱点。

记下这些薄弱点，回到泛读资料里，重新理解；或者上互联网找答案；或者再请教专家。重新理解后，再复述。如此重复。

最终，你就用20小时，快速的学习了一项完全陌生的知识。

回到最开始的问题，我们现在来看一看《刘润·5分钟商学院》的课程设计。

开学之前，我花了15个工作日，整整3周的时间，梳理自己毕生所学，查阅大量资料，这是代替你“大量泛读”。

然后，我把课程规划成1年4季，1季13周，1周5课，一共260期的课表，这是帮你“建立模型”，形成全局观。

然后，我每天在留言区回答几乎所有的精选问题，这是帮你“请教专家”，解答困惑。

最后，我鼓励你写笔记，甚至讲给别人听，“理解复述”，检查你的理解薄弱点。

小结：认识快速学习

我们常听说“10000小时定律”，这是帮助你从“学会”，到“精通”的刻意练习方法。那么从“不会”，到“学会”呢？如果你的方法得当，也许20小时就可以了。

具体怎么做？第一，花5小时，大量泛读；第二，花3小时，建立模型；第三，花2小时，请教专家；第四，花10小时，理解复述。

二电商业务数据主要指标

电商业务数据指标

要了解电商的业务逻辑我们从电商巨头阿里巴巴的布局就可以看出来，阿里巴巴旗下三大板块：淘宝天猫，菜鸟物流，蚂蚁金服。淘宝天猫对接商家和用户，解决信息流问题；菜鸟联盟解决物流问题；蚂蚁金服解决当中的资金流问题。对三个平台中产生的大量数据的高效利用和挖掘阿里能崛起的关键。从客户的营销，进入网站app的体验行为操作，到下单后商品配送无不产生海量数据，以数据为依据调整运营行为，和商业方向，精细化运作对运营效果的提升效果显著，而构建全方位的数据指标体系是数据电商精细化运营的重要基础，这里我们将梳理电商行业主要数据指标。

电商数据指标体系分为八类，分别是总体运营指标、网站流量类指标、营销活动类指标、转化类指标、客户价值指标、商品及供应链指标、风控类指标、市场竞争类指标。接下来将详细展开。

一 . 总体运营类指标

总体运营类指标指的是网站日常运营中的宏观指标，用来查看网站是否正常运营，面对对象一般为公司管理高层，具体包括一下四个方面：

1.流量类指标

页面访问数（PV）: 即页面浏览量，用户每一次对电商网站或着移动电商应用中的每个网页访问均被记录一次，用户对同一页面的多次访问，访问量累计。

独立访客数（UV）：指访问电商网站的不重复用户。指访问某个站点的不同IP地址的人数，多次进入不重复统计。

人均页面访问数：即页面访问数（PV）／独立访客数，指平均每个用户浏览的页面数，该指标反映的是网站访问粘性

2.订单产生类指标

总订单量：完成下单操作的订单总量

下单率：下单数与网站访问次数之比

3.业绩指标

网站总成交额（GMV）：生成订单号的所有订单总和，包括付款和未付款两部分

销售金额：指实际货品出售的金额总额。

客单价：即订单金额与订单数量的比值。

4. 利润指标

销售毛利：销售收入减去成本的差值，并没有减去运营成本（比如管理费用，营业费用）

毛利率：衡量电商企业盈利能力的指标，是销售毛利与销售收入的比值。

二 . 网站流量类指标

网站流量类指标即用户的行为数据类指标，一方面可以衡量各种营销方式的效果，一方面体现用户运营效果。

1.流量规模类指标

PV、UV

2.流量质量类指标

跳出率（Bounce Rate）：为浏览单页即退出的次数/该页访问次数，跳出率只能衡量该页做为着陆页面（LandingPage）的访问。跳出率高说明可能新的营销方式带来的流量不匹配。

页面访问时长：页面访问时长是指单个页面被访问的时间。并不是页面访问时长越长越好，要视情况而定。对于电商网站，页面访问时间要结合转化率来看，如果页面访问时间长，但转化率低，可能说明页面内容不够简洁，容易引起用户疑问

人均页面浏览量：人均页面浏览量是指在统计周期内，平均每个访客所浏览的页面量。人均页面浏览量反应的是网站的粘性。

3.流量成本类指标

单位访客获取成本（CAC）：指在流量推广中，广告活动产生的投放费用与广告活动带来的独立访客数的比值。单位访客成本最好与平均每个访客带来的收入以及这些访客带来的转化率进行关联分析。若单位访客成本上升，但访客转化率和单位访客收入不变或下降，则很可能流量推广出现问题，尤其要关注渠道推广的作弊问题

4.会员类指标

注册会员数：指一定统计周期内的新注册会员数量。

活跃会员数：活跃会员数，指在一定时期内有消费或登录行为的会员总数。

活跃会员率：即活跃会员占注册会员总数的比重。

会员复购率：指在统计周期内产生二次及二次以上购买的会员占购买会员的总数。

会员平均购买次数：指在统计周期内每个会员平均购买的次数，即订单总数/购买用户总数。会员复购率高的电商网站平均购买次数也高。

会员回购率：指上一期末活跃会员在下一期时间内有购买行为的会员比率。

会员留存率：会员在某段时间内开始访问你的网站，经过一段时间后，仍然会继续访问你的网站就被认作是留存，这部分会员占当时新增会员的比例就是新会员留存率，这种留存的计算方法是按照活跃来计算，另外一种计算留存的方法是按消费来计算，即某段的新增消费用户在往后一段时间时间周期（时间周期可以是日、周、月、季度和半年度）还继续消费的会员比率。留存率一般看新会员留存率，当然也可以看活跃会员留存。留存率反应的是电商留住会员的能力。是电商核心指标之一。

三 . 营销活动类指标

营销活动类指针对个别类别进行的的营销活动的效果的评价指标，由于电商行业品类多客单价比较低的特性，加上长期以来用户网购价低的概念深入，因此经常需要营销活动以促进销售，评估活动效果就需要用到相关指标。

常用的指标有：新增访问数、新增注册人数、新用户下单率、新用户客单价、投资回报率（即营销活动带来的交易额与投入成本的比值）由于与流量部分指标重合不再赘述

四 . 转化类指标

转化类指标指用户做成期望行为的人数占总人数的比例，电商核心转化率就是支付率。（1）购物车类指标

包含一定周期内加入购物车商品数、加入购物车买家数、加入购物车卖家数，成功支付率率即加入购物车后成功支付买家数占加入购物车买家数的比例。

（2）订单类指标

包含一定周期内的订单总数、人均下单数、下单率、下单金额以及成功支付率

（3）支付类指标

包含一定周期内支付金额、支付率、总体支付率

五 . 客户价值类指标

客户价值是衡量企业盈利的依据。客户价值是针对商品来说的，不同的产品对应的客户价值是不一样的。

客单价：指每一个客户平均购买商品的金额，也即是平均交易金额，即成交金额与成交用户数的比值。新用户客单价也常用来作为评估推广渠道和店铺活动的依据

客户终生价值（CLV）：指的是每个购买者在未来可能为企业带来的收益总和。

消费频率：周期可以是月或者季度、年等等，长于产品的使用周期有关。

最近一次消费时间：距离最近一次消费的时间间隔

消费金额

复购率：重复购买率则指消费者对该品牌产品或者服务的重复购买次数，重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。重复购买率可以按两种口径来统计：第一种，从客户数角度，重复购买率指在一定周期内下单次数在两次及两次以上的人数与总下单人数之比，如在一个月内，有100个客户成交，其中有20个是购买两次及以上，则重复购买率为20%；第二种，按交易计算，即重复购买交易次数与总交易次数的比值，如某月内，一共产生了100笔交易，其中有20个人有了二次购买，这20人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。

六 . 商品及供应链指标

SKU：物理上不可分割的最小存货单位。

SPU：即Standard Product Unit （标准化产品单元），SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。如iphone5S是一个SPU，而iPhone 5S配置为16G版、4G手机、颜色为金色、网络类型为TD-LTE/TD-SCDMA/WCDMA/GSM则是一个SKU。

品类数：即平台中产品类别数。

连带率：销售件数/交易次数。常常用来描述搭配出售的效果，如果低于1.3 说明整体附加存在问题。

平均投递时间：即支付成功到客户收到商品的时间，用来评估物流效率。

七 . 风控类指标

买家评价指标：包括买家评价数，买家评价卖家数、买家评价上传图片数、买家评价率、买家好评率以及卖家差评率。其中，买家评价率是指某段时间参与评价的卖家与该时间段买家数量的比值，是反映用户对评价的参与度，电商网站目前都在积极引导用户评价，以作为其他买家购物时候的参考。买家好评率指某段时间内好评的买家数量与该时间段买家数量的比值。同样，买家差评率指某段时间内差评的买家数量与该时间段买家数量的比值。尤其是买家差评率，是非常值得关注的指标，需要监控起来，一旦发现买家差评率在加速上升，一定要提高警惕，分析引起差评率上升的原因，及时改进。

买家投诉类指标。包括发起投诉（或申诉），撤销投诉（或申诉），投诉率（买家投诉人数占买家数量的比例）等。投诉量和投诉率都需要及时监控，以发现问题，及时优化。

八 . 市场竞争类指标

市场份额相关指标，包括市场占有率、市场扩大率和用户份额。

市场占有率：指电商网站交易额占同期所有同类型电商网站整体交易额的比重；

市场扩大率：指购物网站占有率较上一个统计周期增长的百分比；

用户份额：指购物网站独立访问用户数占同期所有B2C购物网站合计独立访问用户数的比例。

网站排名：包括交易额排名和流量排名。交易额排名指电商网站交易额在所有同类电商网站中的排名；流量排名指电商网站独立访客数量在所有同类电商网站中的排名。

区块链费曼教学视频区块链课程视频教程