“熵”是一個科學辭彙，它是指“過程或系統中隨意或失序的程度”。本質上，熵與“資訊”是對立的。其特點是在系統內部，事件有隨機的趨勢：在一個情境中，不存在有意義的差異或模式。在物理學和自然科學中，熵的概念是熱力學第二定律的核心。第二定律規定，能量自然傾向於在整個系統中平均分配。比如，很多自然過程朝著平衡和均勻而不是有序狀態運動。

例如；溶解在咖啡中的方糖不會自然重新聚集成方形，空氣中的香水分子不會自然重新聚集到香水瓶裏面。同樣，化學反應，如燃料燃燒，不會自發改變自己。物理學家認為，正是失調的傾向讓自然事件有了暫時的方向——“時間之箭”。從這個觀點看，宇宙的死亡是所有能量不可避免地在宇宙中全部耗盡和平均分配的結果。

熵是新興的混亂和複雜領域中一個重要的概念。這個概念還在現代學科——資訊理論（information theory）中起了重要作用。Shannon（1948）用“熵”這個詞來表示溝通因為噪音或靜電的干擾而變得混亂的趨勢。比如，當印刷檔一再被影印，上面的資訊會不斷受到侵蝕直到完全無法辨認。小孩的電話遊戲是另一個實例。遊戲中，人們傳遞著耳語資訊。這個資訊經過多人的傳遞後，同樣會受到歪曲。這種侵蝕還出現在遠端通訊的資訊和錄下來的音樂中。熵還涉及到心理過程。比如，普遍來說，時間過去地越久，人們就越難回憶起特定情境中發生的事。

熵的概念非常類似於Bandler和Grinder的一個主張（1975）：想法從深層結構（基本概念和經驗）轉換到表層結構（言語描述和其他表像）必然出現刪除、扭曲和一般化的過程。

從NLP觀點看，人類系統中熵的自然傾向可以用很多方法來消除：冗餘redundancy、編碼、回饋、吸引物attractors和轉換資訊。

冗餘包括在不同的表象通道中，同一個資訊的重複和多重解碼。在視覺上顯示並實施某人用言語方式描述的資訊就是冗餘的一個實例。

編碼還涉及到溝通資訊所使用的表象類型和表象通道，它還是資訊“歸類”方法的功能之一（俗話說：“一畫賽千言”）。特定溝通所經歷的扭曲或“熵”的數量和類型通常是表徵這個資訊所使用的編碼類型的功能之一。某些類型的編碼會比其他編碼更容易遇到熵。例如，錄下來的音樂可以在數位上被解碼為0和1的字串（如某張現代CD）。即使在高“噪音”層次，即有額外的多餘信號存在，仍然可以辨認它們。若以這種方式編碼，原版音樂經多次複製後就不會受到那麼多侵蝕了。

回饋還可以減少資訊的刪除和扭曲。例如，如果“電話”遊戲中的每個小孩都能在傳遞之前檢查自己接收到的資訊，資訊的扭曲就會大大減少。

吸引器是一個參考點。系統就是圍繞著這個點進行“自我組織”的。通常來說，簡單的線索或標籤，如符號、標誌、口號等，都發生排列資訊的焦點作用。在NLP中，建立心錨的過程就是一種吸引物。心錨不是解碼或轉化想法或者經驗並排列或回憶它們，而是一個焦點或固定點。圍繞著這個點，想法就結合並組織起來了，例如，很多NLP技巧都使用觸碰心錨，幫助人們在資訊流失最少的情況下不斷重新解讀和回憶過去的經驗和記憶。

轉換資訊是關於其他資訊的資訊。通常來說，它們通過溝通的非言語部分表達出來。因此，轉換資訊的功能是通知資訊接收者將會發送或已經發送了哪“種”資訊，以及如何“最好地”接收這個資訊。作一個比喻。當一台電腦通過網路與另一台電腦互相溝通時，除了正在傳輸的現行文件檔外，它還應該發送特定的“控制碼”。控制碼就是轉換資訊，它通知另一台電腦自己正在發送哪種資料以及把這些資料存放在了記憶體的哪個位置。其目的是減少因為資訊的管理不善而帶來的混亂和熵。同樣的，重音、面部表情、手勢等等作為轉換資訊或標籤，有助於挑選出人類溝通的資訊。

轉換模式、溝通矩陣、建立心錨和T.O.T.E.模式都是與NLP相關的過程和步驟，它們可以用來減少人類互動中的熵。

熵和自我組織

系統中完整的熵即使有也是非常稀少的。實際上，熵和熱力學第二定律的概念與發展中的自我組織領域是相互衝突的。荒謬的是，自我組織理論就來自於對熵的研究。研究混亂（沒有順序）的科學家注意到：當足夠複雜的互動元素被放在一起時，它們不會產生混亂。相反，順序作為互動的結果而“自發”形成。比如，在我們的神經系統中，自我組織進程被看作神經細胞之間大規模連接的結果。

熵和自我組織看起來是自相矛盾的。認識到熵和自我組織的多重層次才能解決這個矛盾。某個層次上的熵可以在另一個層次上得到創造或產生順序。某個層次上的隨機回答會在另一個層次上產生非隨機反應模式。如同D. Layzer在他的文章The Arrow of Time中指出的，在某個時空的某點上微觀的熵會影響（即，區別）時空中另一個點上微觀的熵。這個影響會在宏觀層次形成一個模式。

這樣，儘管投擲出去的硬幣會隨機以正面或背面落下，但是如果我們從不同的層次思考這個過程，就會知道這一系列的隨機事件會呈現出這個模式：有50％的時間，硬幣會以正面或背面落下。

同樣的關係也在生物系統中起作用。有深刻見解的Gregory Bateson指出：

用審美的眼睛來說，螃蟹的一隻鉗比其他鉗更大，這不僅僅是不對稱。它首先提出了對稱規則，然後通過提出一個更複雜的規則結合巧妙地否認了前一個規則。（Steps to an Ecology of Mind，p.410）

從NLP角度看，看似混亂且沒有意義的行為並不是在所有意圖層次或信念層次上都是隨意的。因此，除了冗餘、編碼、回饋、吸引物和轉換資訊的過程外，神經邏輯層次的NLP模式也是一個重要的工具，它有助於減少人類互動中的扭曲和熵。重新架構、層次校正和轉換位置這些NLP程序都使用了不同層次變化的概念，幫助人們發現並認出更高順序的模式。

（請參閱Chaos，Complexity，Self－Organization，Attractors and System。）