Krilo Life

這是個轉折年，不惑了，也不能再蝦攪和了的年紀，思考了一年，知道從此沒有回頭路，有限的人生能做的事越來越有限了。 不說感嘆，說了太長。 然後會失焦模糊。 讀書上，算是個扎實生活的一年，雖然閱讀量減少了18%左右，不過應該是需思考的書變多，小說量減少的關係，也或者是一堆專業書籍沒納入統計的緣故。 今年主要多方向是經濟類，以及Big Data的書籍，不過不會推薦Big Data相關，有機會另寫一篇。 以下是個人今年推薦 Top 10，有的是套書，不要介意: 在資本主義帶來浩劫時, 聆聽馬克思 樂之本事[焦元溥] 盡頭 源場 西方哲學心靈 亂世裡的南方智慧_老子+開闊混同的精神世界-莊子 關於活著這件事1 隨機騙局 2 從0開始 +2 終結於2 少，但是更好 不過我不會每本都介紹，有興趣者自閱之。 在資本主義帶來浩劫時, 聆聽馬克思   [楊照] 這本書我今年內就看了兩遍，是開啟我對馬克思思想的重要啟蒙書，也將我之前為什麼經濟學的書看不下去的理由，一一揭示。 因為經濟學家都在騙人 XD……. 馬克思，他的學說被嚴重誤解，在生前也往往「一個馬克思，各自表述」。而共產主義社會的垮台，讓馬克思甚至被認為只是個不得志的人，才批評資本主義。然而，在他寫出《資本論》的一百多年後，全世界已經籠罩在資本主義帶來災難的此刻，終於可以還原馬克思初始的面貌，客觀理解《資本論》。楊照在本書中，深入淺出地導讀馬克思《資本論》裡重要的概念，談資本的本質、釐清「分配」、「資本」、「異化」等概念，探討人在資本主義的社會中，如何與工作、物品、乃至於自己產生種種異化。 這不只是經濟學也是哲學，得到得太多，這篇的blog一直寫不完，草稿在匣裡5個月有了吧，也許要看到第三、四遍後才能咀嚼完吧。 閱讀時可搭配 : 《圖解資本論：經濟學，這輩子非徹底弄懂一次不可》、《嗨，馬克思！再見啦，資本主義！》，更進階的可看《世界史的結構》。 ---- ---- 樂之本事 [焦元溥] 讓我們先來看看焦在楊照的《想樂》一書中的推薦序，那些音符以外的聲音: 年近八十的作曲家郭爾(Alexander Goehr，1932-)，是英國二次戰後樂壇...

你見，或者不見我 我就在那裡 不悲不喜 你念，或者不念我 情就在那裡 不來不去 你愛，或者不愛我 愛就在那裡 不增不減 你跟，或者不跟我 我的手就在你手裡 不捨不棄 來我的懷裡 或者 讓我住進你的心裡 默然 相愛 寂靜 歡喜 ——六世達賴喇嘛 倉央嘉措 第一最好不相見，如此便可不相戀。 第二最好不相知，如此便可不相思。 第三最好不相伴，如此便可不相欠。 第四最好不相惜，如此便可不相憶。 第五最好不相愛，如此便可不相棄。 第六最好不相對，如此便可不相會。 第七最好不相誤，如此便可不相負。 第八最好不相許，如此便可不相續。 第九最好不相依，如此便可不相偎。 第十最好不相遇，如此便可不相聚。 但曾相見便相知，相見何如不見時。 安得與君相訣絕，免教生死作相思。 那一天 那一天， 我閉目在經殿的香霧中， 驀然聽見你頌經中的真言......

Fooled by Randomness 隨機騙局：潛藏在生活與市場中的機率陷阱 塔雷伯(Nassim Nicholas Taleb)的書。 他的《黑天鵝效應》算是幾年前讓我的思考模式大進化的一本好書，後來的《反脆弱》其實比較硬，不是那麼好讀。 《隨機騙局》算是他的成名之作，不過台灣出的是更新二版。 這三部曲建議讀的順序是:《隨機騙局》、《黑天鵝效應》、《反脆弱》。 本書中，機率主要是應用懷疑論的分支，不屬工程學門（儘管數學妄自尊大，喜歡處理這個主題，但是和機率微積分有關的問題，價值只能作為註腳而已）。 怎麼做呢？機率不只用於計算骰子每一面出現的機率，或者更為複雜的變化用途﹔它是指接受我們的知識缺乏確定性，並且發展各種方法以處理我們的無知。 作者的整個事業生涯，都在抨擊機率的計量使用。 本書的觀念是「 事情比我們所想的要隨機 」，而不是「一切事情都隨機」。 《有錢人想的和你不一樣》指出，他研究最深、超過一千位百萬富翁的具代表性群組，並沒有在他們的童年展現高智力，因此推斷並不是你的天賦使你富有----而是勤奮工作造成的。從這裡，可以天真地推論機運在成功中並未扮演任何角色。 我的直覺是，如果百萬富翁的屬性接近一般人，我會做出更令人不安的解釋，說那是因為運氣發揮了某種作用。運氣是民主的，不管原來的技能為何，都會降臨在每個人身上。作者點出百萬富翁和一般人不同的一些特質，例如韌性和勤勞。這是混淆必要和因果的另一個說法。就算所有的百萬富翁都是執著、勤奮的人，並不會使執著的勤奮工作者成為百萬富翁。 許多不成功的創業家也是執著、勤奮的人。作者在天真經驗主義的教科書個案中，也尋找這些百萬富翁共同具備的特質，並且研判他們都喜歡冒險犯難。冒險犯難顯然是大獲成功的、必要條件----卻也是失敗的、必要條件。要是作者對破產公民做相同的研究，肯定會發現他們也喜愛冒險犯難。 ( 存活者偏誤 ) 我們的缺陷是無法修復的，至少就這個環境來說是如此----不過，只有相信理想化人類存在的空想家，才會覺得這是壞消息。目前的思維有以下兩種南轅北轍的人類觀點，它們之間幾乎沒有其他見解。一邊是本地學院的英語教授；二十步快樂術和一星期成為更好的人的秘訣作家。這稱作烏托邦觀點，他們相信合理和理性----我們應該克服路上的文化障礙，成為...

「要離開這地方的決心，令人覺得堅固得一時無法動搖，那是經過長時間從各種角度檢討而得的結論， 好像已經沒有任何漏洞的樣子，擦亮了火柴， 燒 掉了橋樑，因此連留在心裡的東西也消失了。 街頭或許還殘留些許自己的影子，可是誰也不會留意，而這地方將會繼續改變下去，終於連那 影子 的蹤跡也會消失……。 覺得一切都將順利地往前推進。……」 《1973年的彈珠玩具》--村上春樹

  預測分析時代：讓數據告訴你，誰會買、誰說謊、誰會離職、誰會死！ Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die 這本書其實不如預期中的好看，當初是看在「 Amazon 商業分類 No.1 」的廣告下買的，不過在machine learning的不少觀念確實改變了我舊有的思維，幫助不可謂不大。 對於big data有興趣的，可順便參閱舊文「 統計學，最強的商業武器 - 筆記 」。 預測建模流程是一種從訓練實例學習，自動處理資料的作業，所以必須將肯定個案和否定個案都包含在內。 預測分析的目標是改善作業效率，而不是為了搞清楚人們的意圖。  ==> 這有巧妙的避開倫理爭議 每個組織必須決定資料的人、事、時、地、儲存期間和原因: 保留--儲存什麼及儲存多久。 取用--哪些員工、哪類人員或團體成員可以取得並檢視哪些資料要素。 分享--要散播什麼資料、散播給組織裡的哪些團體和哪些外部組織。 合併--哪些資料要素可以加以彙整或結合。 反應--如何依據各項資料要素決定組織的反應、對外拓展或其他行為。 偏見有循環性，是一種自我應驗的預言，而且這種循環會因為運用預測分析而受到強化。 扼殺機器學習的元凶就是 過度學習 （或稱過度擬合〔overfitting〕）。 過度學習是指誤把雜訊當資訊，對於資料已顯示的訊息做過多的報設。如果你針對數字做過多的解讀，你就會過度學習，越走越偏，無法發現資料潛藏的事實。 機器學習的目的是歸納（induction) :歸納----從詳細事實到一般通則的推論。 不過，可別把歸納跟演繹（deduction）混為一談，因為兩著恰好相反： 演繹----從通則到特定個案的提論（或說是從因到果的推論）。 演繹通常比較直截了當，只是應用已知知規則。舉例來說，如果所友人都會死，蘇格拉底是人，演繹法告訴我們，蘇格控底也會死。 歸納是一種藝術形式，我們手中握有世界如何運作的縮影：資料把發生過的事情詳實記錄下來。我們設法能資料中尋找概論，獲得重要推...

  一年一度的大事，還是要出來走走。 勝興車站、龍騰斷橋、泰安觀止、三義木雕。 一同旅行，是為回憶。

大部分的人都在尋求問題的解答；我們關切的是解答而非問題本身。 我們想得到一個結論，並且會尋求擺脫煩惱的方式；我們想藉由答案來逃避煩惱。 我們不去觀察煩惱本身，反而想探求一個令自己滿意的答案。 我們的整個意識關切的都是找到答案----一個令自己滿意的結論，而我們的確會找到能滿足自己的答案，然後就會認為已經解決煩惱。 ---- J.Krishnamurti 這麼告訴我 當問題徹底被揭露時，自然會知道什麼是正確的行動。探索問題的內容而非尋找答案，是非常重要的事，因為答案只不過是另一個結論、意見或建議，因此是無法解決問題的。我們必須了解問題本身而不是該如何解決它。以正確的態度面對問題是很重要的事，因為問題之中就包含著正確的行動。 「那我該怎麼辦呢？」 你一直在重複這個問題。你該怎麼辦並不是重點，重要的是你必須覺察你正在做什麼。其實你只關切未來的行為，而這就是逃避當下的行動的方式之一。你不想真的行動，所以才會問自己該怎麼辦。你仍然是在自欺，所以你的心才會這麼空虛。你想用頭腦裡面的東西來填滿你的心，然而愛和頭腦是無關的。就讓你的心保持在空虛狀態，不要用話語或是腦筋設想的行為來填滿它。讓你的心徹底放空；只有這樣，它才能圓滿。 後記: 2014.08 克里希那穆提的【活著，這件事I、Ⅱ、Ⅲ】三部曲中，解釋了很多生命中「存在」的問題，最大的問題就在於，他沒有「方法」，那麼就無法做有效的引導。 他就像個找得出病因的醫生，但不代表他會醫病。 可惜了。