这一段圣淘沙都是阴霾密布，每天半夜就开始淅淅沥沥的下起小雨，这个时候从窗外到屋子里都是很安静，不过也有一丝丝阴郁慢慢渗透。终于今天，就是刚刚走在门前的树林小路上，就是几束阳光打下来，周身温暖。忍不住停了几分钟，伸开双手拥抱这久违的热光。
夜半雨声拍人起，不禁匆忙关窗宁。
从来不怕天亦老，终是一日会放晴。
我们来继续顺着上一篇来写写Trust-Minimization，上一篇写了信任最小化和Trustless的区别，就是还从不同维度就是大致描述了信任最小化的模糊化概念，我们今天主要看看信任最小化本身被计算的属性。
如果需要被计算，那么第一步可能就是要简化模拟的模型。我们可以简单的建立一个信任模型来试图简化和模拟某个系统里面的信任现状，以及推算出现在的信任成本。比如就是我们社会的人与人信任成本，其实就是首先把社会系统模拟成一个相当复杂的由人与人互动系统，语言文字和文化，社会分层协作体系，治理体系，信仰体系这五个不同子系统而构成的一个复杂系统的一种。然后就是整体的信任成本，来自于整体系统的显性信任成本和隐性的信任成本，而整体系统的信任成本是和这些子系统的信任成本本身强关联的，但是这么来进行信任模型的建设很明显是比较复杂的。如果我们来简化这个模型，就是我们都可以通俗的把社会这个整体系统，简化抽象成人与人互动的一个系统，而把其他的各个平行的子系统也可以看成这个人与人交互系统的子集，如果这么来抽象的化，那么我们的系统就一下子被简化了，而人与人之间的信任模型，也可以被简化成很简单的一种互动/交往/沟通过程中的一种信任模型了。比如我们可以称呼这个模型叫做“小社会”模型。
当然了，就是如果就是简化了系统模型成为“小社会”之后，就是分析这个系统内的信任成本的构建了。
这个问题其实很简单，就是为了维持一种长期的关系通道，那么系统内需要付出的耗能究竟是怎么样的？其实显性成本是比较好分析的，就是一般来说，我们很容易首先想到的角度就是物本身的一种成本。显性成本，本身首先就是构成来自于物理成本，就是为了这种物理系统的客观存在，而要付出的能量成本。从这个角度讲的话，大部分我们目前看到的一些系统的信任成本来自于这种显性的物理成本分析，比如比特币系统的货币信任成本，很多时候来自于这种显性的能量消耗角度，是比较容易看出来的。也就是说一个系统如果有一种初始的状态，就是也有一种初始的信任的话，那么就是随着系统运行的墒增，自然维持这个信任的物理成本就开始变高，而这个显性物理成本，就是维持系统信任不被物理破坏的成本是最容易被看到的。
其次，就是显性的经济和治理成本，就是人与物发生关系的时候构成的信任成本。比如在传统世界，为了维系我们和美元之间信任成本，自然就是传统资本主义社会构建了一种主要由美国这个国家机器保障的一种经济体制来保持了这种记账系统的安全性和稳定性，并且通过某一类商品的巨大可持续性的流动性来维持这种信任。关键点就是，为了维持人和物之间的信任，自然就是限制条件就是我们和物品之间的这种关系必须被保障，就是为了维持某种人与物的关联，这中间发生的显性信任成本也是很明显的，就是基本上来说，就是我们在整个生产和交易过程中的这种关联性就是非常关键的，当然，强关联性，就是Ownership。就是为了保障这种Ownership，自然就是构成了非常强的经济运行成本。比如我们看美元的经济信任成本模型时候，可能从这角度，就是当前能源和美元经济体不解耦合所要付出的一种经济成本是怎么样的。
然后就是，显性的治理和文化性成本，就是系统内保障人与人交互过程中的信任所产生的成本。这个也很简单的理解，就是要建立系统的信任，还必须通过语言文化等来传递某种价值认同，也就是即使我们和某个物品建立了关系，如果我们在和人互动交往过程中，这种信息传递的摩擦太大，也会让整个系统的信任成本越来越高。从这个程度来讲，每一个系统内部，其实是需要一定程度保证，作为人的参与方互动之间的信任成本的，从特别小的社群来看待这个人与人交互的成本，主要就是为了维系某种共同认同的规则而要产生的一种成本，如果要到可计算的角度，那么自然就是要抽象到一种一致性的问题上。
然后就是小社会中隐性的信任成本，就是主要其实是为了维系这个系统运行，过去有哪些已经发生的却被隐藏的信任成本，现在其实还在进行的某些我们看不见的信任成本，以及未来潜在的某些信任成本。
这三种隐性成本其实都是很具体的，不管是从哪个层面来说，都是基于过去来说，因为大部分系统来说，就是我们能够获得关于过去的信息很多时候来自于系统的治理方，自然来说，实际产生的信任成本往往大过于我们所估计的。就是通俗说，理论我们是无法估计某个社会过去消耗的信任成本的，因为我们所知道的历史，未必是全部的历史。信息墒的存在，决定了我们对于过去的信任成本估算往往是非常低估的。不管这种对于过去的隐藏是刻意的或者是不刻意的。从实际角度来说，本身全部透明的运转的系统是不存在的，更不用说在小社会中。
还有一种就是现在正在发生的，但是我们都非常难以理解或者看见的信任成本。比如其实不管是比特币，美元，或者是我们的家庭内部和公司，目前我们分析的时候，都很难看见某些为了维持某些持续的一致性，而背后潜在消耗的一些信任成本。就是我们现在都处于一种局部的信息偏差中，就是这种局部性，导致我们就很难去理解不同部分所发生的信任成本。这种局部性陷阱，基本上就导致我们很难分析那些现在正在发生却看不见的信任成本。就比如其实很难知道目前美国为了维护美元的稳定性，还发生了哪些不可见的具体的成本。
另外一种就是对于潜在的一些可能性的选择的机会成本。由于某种信任模型的惯性，自然会导致发生另外一种选择的概率降低，这明显也是一种潜在的信任成本。为了维持某种固定性的选择，自然就是某一类新的信任模型出现的概率会被严重的被限制。通俗的说，自由度不全是好事情，但是没有自由度往往就是坏事情。就是当系统运行和演化足够长和复杂的时候，自由度高的化自然会更多涌现出来很多我们未曾期待的新机会。不管是系统对于想象力的限制，还是系统对于长期的过度悲观，都让这种机会出现的概率严重降低。也就是整体降低了某个系统的幸运值，而实际上这种潜在的成本也是很重要的一方面。
当然就是小社会这种隐性的信任成本，很多时候是不好被发现，但是往往会通过成本转嫁的形式摊分到了系统的所有参与方。如果就是我们沿袭这种信任最小化的哲学，自然就是可以通过这种小社会的模型简化某个系统的信任模型，然后通过这几类信任成本的叠加来进行成本的模拟，然后就是简化这种计算很关键，就是为了验证我们这种模拟的有效性，自然就是我们需要一种更简化的验证方式让计算变得越来越简单。也就是说，即使第一天的模拟是非常粗糙的，模糊的，但是实际上，这种信任最小化，让我们不断的不断的可以进行未来的迭代计算，这个是比较关键的，不过这个部分我们可以以后再赘述。
纸上兵马皆草木，未如梦里营军行。
但觉时日流转快，不比慢入眼前景。
突然想来就是很有意思的，就是也不知道明年这个时候在哪里，就像去年也不知道今年在这里一样，也像今年也仿佛忘了去年都去了哪里。但的确还是有些兴奋的，就是光能想到这个问题本身。