热力学属于非常非常传统的机械工程，很容易给人一种应用范围比较窄的感觉。除了内燃机、汽轮机、锅炉、空调和制冷（这些是我本科专业），好像就没有其他用处了。所以不少人对热力学的印象，就是第一定律、第二定律，再加上若干循环效率的计算。当年本科学热力学的时，就经常想：这还是物理吗？怎么连个像样的方程都没有。直到后来接触统计热力学，才开始觉得有了了点“物理”的意思。
我不知道真正学物理的人怎么看热力学。在还原主义（Reductionism）非常强盛的年代（19世纪末与20世纪初），统计物理学曾雄心勃勃：如果我们理解了微观粒子运动，再加上适当的统计规律，那么温度、压力、熵这些宏观概念，整个热力学，原则上是不是都可以从微观世界中推导出来？但很多事情恰恰是“一念成佛，一念成魔”。正是这个原本最具有还原主义色彩的领域，后来却成为现代科学中讨论“还原”与“涌现”（Emergence）最集中的地方之一。
我自己的感觉是：现代科学正在逐渐远离那个“强还原主义”时代。不是说科学不再研究底层机制，尤其是物理学仍然不断向更基本的层次追问，生物学也仍然大量依靠分子和细胞机制。但真正发生变化的，是我们越来越不再理所当然地相信：只要掌握了最低层的规律，上一个层次的概念和规律便会自动掌握。压力是一个简单的例子，而这种“非还原主义转向”讨论最多的例子是温度这个概念。
过去几十年的科学并不是没有发展，而是越来越少表现为“发现一个更基本的方程”，而更多表现为尺度、组织、网络、集体行为、非线性和涌现。这些问题，比继续向下寻找更小的基本粒子或更基本的方程，更难形成19世纪和20世纪初那种一眼就能看懂的科学革命。
这也给深受还原主义传统影响的科学思维带来了一种困难。过去我们习惯于认为：“理解一个系统” 就是找到它最基本的组成部分，并写出支配这些组成部分的数学规律。但当问题转向尺度、组织、集体行为和涌现以后，就很难写出一个漂亮而封闭的基本方程。
传统数学物理擅长描述确定的对象和基本动力学，而面对多尺度、强耦合、历史依赖和集体行为时，我们往往需要另一类数学语言。但这类数学语言还没有出现，所以，对非还原主义的研究很多时候还处于描述阶段，即使用到数学，也是比较简单的。我也希望数学家能研究出一套数学出来，以用在“非还原主义科学”中，而不是如今那样用一些简单的统计方程。
而深受还原主义影响的学者，尤其是熟悉数学物理或者物理数学学者常常表现出，对此“非还原主义转向”感到难以理解，也对无法用数学描述的科学感到无所适从。
现在很多人借助随附（supervenience）这个概念来说明温度与底层微观物理状态之间的关系。
“温度随附于系统的微观物理状态”。就是说，如果两个可能世界中的相关微观物理状态完全相同，那么它们的温度也不可能不同。换句话说，温度发生变化，底层的微观物理状态也必定发生某种变化。
随附（supervenience）不能直接等同于 grounding（奠基关系），也不能等同于 reduction（还原）。它表达的只是一种“没有底层差异，就不会有高层差异”的关系，而没有单凭这一点说明高层性质究竟如何由底层性质构成、解释或还原。
用脑科学中的例子就会更容易理解。假如我们说“心理状态随附于物理脑状态”，意思并不是说“心理状态就是脑状态”，而只是说：不可能有两个个体在所有相关的物理脑状态上完全相同，却在心理状态上有所不同。至于心理状态是否能够进一步还原为脑状态，则是另外一个问题。
温度与微观物理状态的关系也可以作类似理解。尤其在统计力学中，温度这样的宏观性质最终受到微观状态的制约和固定；但这并不意味着仅仅承认这种随附关系，就已经证明“温度”可以被完全还原或取消。即使一个宏观概念最终由微观物理事实所固定，它仍然可能在科学理论中具有不可替代的作用。
我开始觉得古典热力学不优美。可能是因为统计物理更能伸展智能技巧之所长。后来觉得二者不可分。统计物理的目的可能就是做出一个理念世界/forms/天，此天如直接观察和描述为基础的古典热力学那么简单。玻尔兹曼弄点排列组合就能解释平衡态能级，是令我个人最惊骇的成就之一。几如万有引力之诸说。
面对现在这个越来越丑恶的文明衰落时期，前人build的优美之界，总能给我些许安慰
。
当年四大力学里，热力学和统计物理是我觉得最有意思最像心目中物理的学科。很多题目和现实紧密相连。其它几门都像应用数学了。记得课堂上老师随便估算下气功大师辐射的手掌温度…
AI对未来的影响肯定是巨大的，但还在发展的初级阶段，相当混乱，各种理论、术语和解释框架层出不穷。这不能与在学校学校知识那样，按照一本教科书从头学到尾就觉得学会了。
这种无力感，也是科学知识在发展过程中的本来面目。我们平时从教科书里看到的科学，已经是整理和重构之后的，所以显得调理清晰。而真正处在研究前沿时，却是术语混乱、理论并存，甚至连要问什么问题都不清楚。
现在关于 AI 的研究中，也越来越多地出现 emergence（涌现）、multiple realization（多重实现）、coarse-graining（粗粒化）、universality（普适性）、Renormalization Group（重整化群）等概念。这些概念原本大量出现在统计物理、复杂系统以及科学哲学关于还原、涌现和解释层次的讨论中。所以，我自己觉得应该更多关注现代科学中对于还原主义的反思，更应该关注科学研究中这个“非还原主义”这个转向。
这话讲得特别好！然而这个社会却是朝这个方向走。我特别吃惊，感觉简直是反智，但它却是以智为名。
我曾经想反向解决一个只有一百个参数的非线性实际问题，计算机根本做不到，即使是今天，建再大的机房也做不到。
用AI一起做
声子是爱因斯坦发明的。就是一个小球，三根弹簧简谐振动，然后做统计。简单优美的解释了很多现象。但是
远未修补完毕。你查查最近的文献。
看物理一定要知道一个事：Einstein在物理的几乎所有主要分支
都做出了重要贡献，大多数是关键贡献。直接导致了物理
进入下一个时代。他工作量极大。
牛顿的写作主要内容则是神学，炼金术。
不管什么问题，先看下Einstein怎么讲的。
把Einstein 当孔孟读，绝对是捷径。
与之相比，教科书科普都是绕弯子。
“多尺度、强耦合、历史依赖和集体行为”
人脑能研究这种东西吗？
以后还做什么科研？肉人只要躺平就好了，肉脑不是为了做这种科研设计的
后来的热力学被玻尔兹曼，吉布斯和爱因斯坦改造过了。
与普朗克常数的诞生直接相关。普朗克的能量量子化概念来自于玻尔兹曼。我记得玻尔兹曼公式是普朗克给的名字。
因为品格高尚，每个人都无限爱戴崇敬普朗克——爱因斯坦的话不过誉。此后其热力学基本概念与量子力学一直是在一起的。
温度的地位是热力学第零定律建立的。
A=B,B=C则A=C。
用冰点沸点法摄氏温度即成立。无远弗届。
它那种试验室里的统计根本不能写出工程细则来，毛子的热力学是两次世界大战卫星上天实践检验出来的。讲的都是决定过程有限状态
你说的是统计热力学，并不是传统的THERMODYNAMICS，大学或者研究生教学统计那一片很多学校直接跳过去不讲。
围绕“温度”这个看似很普通的概念，其实有非常多值得思考的地方，例如：
如果只从数学形式上看，有一个很有意思的问题：我们甚至不一定需要为温度单独设置一个基本单位，开尔文 K。
温度与能量之间只隔着一个玻尔兹曼常数k_B。如果像一些理论物理中经常做的那样令k_B=1，温度就可以直接用焦耳 J 或电子伏特 eV 来表示。
所以，K 作为一个独立单位，在如今物理理论框架中完全可以被能量单位取代。这让“温度”这个看起来最熟悉不过的概念变得很有意思：它究竟是不是一种独立的物理性质？还是一个描述大量微观自由度统计状态的宏观参数？
我本科有热力学背景并不表明我真的学懂了热力学，我本科专业是“热能动力工程”，很多同学都去了电厂与空调厂。我自己却转向做流体，但也是用CFD软件进行一些简单数值模拟，也不敢说自己多么会流体力学。而对热力学的思考是之后的事情。（我一直觉得，就凭本科学的那几门课，并不会教你学会一个学科。）
我所说的“非还原主义转向”并不一定是讨论具体理论，而是包括对整个知识，例如证据，确证等理论产生的整个过程，例如蒯因的 Confirmation holism 与 web of belief。
而最近也正在学习多重实现的问题。比如“温度”就有很多realizer：
· 稀薄气体：主要对应粒子的平动动能分布。经典理想气体里，平均平动动能与温度直接相关。
· 分子气体：除了平动，还有转动和振动自由度。温度升高后，不同自由度会逐渐被激发。
· 晶体固体：主要体现为晶格振动，也就是声子（phonons）的激发与分布。
· 液体：没有像晶体那样规则的晶格，所以微观实现更复杂，涉及分子的平动、转动、局部振动以及不断变化的邻近结构。
· 等离子体：电子和离子都可能有自己的动能分布，甚至可以出现电子温度和离子温度不同的非平衡状态。
· 自旋系统：在某些磁性系统中，温度可以体现在自旋自由度的统计分布上。著名的“负温度”现象就常出现在具有能级上界的自旋系统里。
温度的共同性可能不在于某个固定的微观 realizer，而在于一个更抽象的统计—热力学角色，例如它控制热平衡、能量交换方向以及平衡态概率分布。因此，不同系统虽然微观实现完全不同，却都可以满足同一个高层关系：两个系统达到热平衡时具有相同温度。
这绝对是一个有意义的领域，就像你说的例子，很多neurons连在一起，怎么就产生了“意识”？数学在这里还无能为力，我也希望数学能发展出什么新的理论，能给出非描述性模型化的解释。
我觉得你核心意思还是为“涌现”铺垫,现在追AI已经晚了几年。
我06年左右接触一些VC,大谈什么比特币，AI。
我根本就不看好，你说你又热力学背景我很怀疑。
“大谈什么比特币，AI”都是文盲，尤其是自然科学盲。我的理由如下。
热力学里又一个重要的概念就是模型率。比如这个例子，把10Y个neuron装到一个瓶子里，大小合适工作正常。在有限的范围内可以重复特定的任务。但是你如果装20Y个呢，维持单个neuron的工作状态，那么一个生物体可能发烧到50C，完蛋了。就是系统的参数通常会拟合在一个公式里等于一个常量，特别是有益的参数几乎没有办法scale up.这是苏联人总结的。
我并不质疑你的学问。但是热力学可以帮助你设计一个决定过程。实验示里以统计方法总结的规律通常在实践中失败，因为自然界的随机量纲是远远超过人类理解的。比如一个macbook 又600Y左右的NAND（或等效），没有一个高级语言能完全控制全部状态。又人大谈没有bug 的程序，基础素质另人怀疑。在macbook 上一顿骚超度，又要拿到云端环境去跑。40 trillion 一点也不奇怪。