• 至今、人类几乎把对社会以及自然界的认知都以数据形式存储在网络空间中，网络中存在一个与人类社会和自然知识对等映射的数据世界，因此人类社会行为以及自然知识应用可以通过对等的数据世界完成；
• 高速数据传输使数据同等权重网络空间里的人在一个数据质点上、人类获得信息不再有由信息传播带来的时间差、以及传统传媒带来的信息传播不全面而导致信息衰减，网络数据使用是原始数据直接引用，不存在中间介质，确保了信息原始质量；

• 随着人工智能（AI）应用发展、机器开始能“识别”文字内容、因此人工智能提供人类的不是信息而是决策、产品或答案等，省略了人类分析处理数据的分析判断环节，促使人类更加依赖网络智能提供的决策；
• 人工智能的数据处理条件是分布式数据结构，因此被数据化的产品和企业的数据库单元（Token）存置在“ETW多国分布式系统”中、以满足人工智能数据处理的基础条件；

• 参与人类已经数据化的社会活动以及商业活动；
• 参与人工智能产品的生产和结果答案输出；
• 在数据世界中利用数据分布式多数域的流动获得更多的国际采购商！

熵（entropy）是用来描述系统内存在各要素状态随时间增长变得更加无序的概念、熵和能量守恒原理一样被视为宇宙的普遍真理，因此在分子热力学诞生时、熵的概念被导入了热力学系统、随着信息科学的诞生、信息熵概念被引入信息论中、成为信息科学的数学基础、同时，熵也是国际互联网以及人工智能处理数据的基础理论；......展开全文

在热力系统中，当温度从高温向低温传导时、由于分子之间存在复杂的相互作用、这些作用使得接受能量的分子可能把获得的能量转化成平动、振动或角动能量，不同类型的能量增加会导致分子运动不确定性加大。获得能量且运动不确定的分子会对其他分子产生作用从而引起系统内走向无序状态、这种状态持续的时间越长其系统内就越混乱无序、最后导致完全无序的状态；

在信息科学诞生后、熵的概念被引入了信息论，信息熵是信息论的数学基础。信息熵是指信息源中不确定信息的多少，并不是信息源中所有信息都可使用、冗余信息和不能被组合的信息、不能被传导的信息都是无效信息，这就类似于热力学系统中、那些不参与能量交换或不能与其他分子产生有效碰撞的分子都不会产生热熵、在信息论中，这些信息不产生信息能量从而不能对系统外做功，简单讲就是无效信息；所以，信息熵是信息源去除冗余信息后，与环境信息结合概率的总和，信息熵越大，其信息结合率就越高，对外输出的信息量就越大；

熵是宇宙中任何独立系统都存在的物理量、任何独立系统都处于熵增状态。也就是说，在一个独立封闭系统内，各要素之间的无序状态会越来越加重。然而，在信息论中、无序信息实际上提升了该系统信息与其他信息结合的概率，随着时间的推移，信息熵会不断增加。因此，人们看到、任何信息系统内的信息随着时间增加、对外输出概率就越高、系统内信息使用的时间越长，其效果越好、这正是自然熵增的结果；

理解熵的概念对企业使用网络广告有指导作用、我们可以简单的理解网络是由一个一个独立的热力学系统串联而成、每个系统内的热力学分子可以被视为网络信息或数据、其系统内分子的不确定性越大也就是系统内分子越无序时，其系统熵就越大，意味着系统内分子与其他分子结合或撞击概率越高，在信息系统中，熵值决定该系统内信息与其他系统内信息结合概率大小；

信息熵是企业使用互联网的理论基础，企业如何获得更高的信息熵、是有效使用互联网的关键。信息熵增是信息相互作用的结果，我们可以把数域视为一个热力学系统、多数域中信息相结合构成更多数域熵增，熵增会产生更多不同信息结合的概率，对外体现出的便是更多的信息做功！