宮部美幸 - Level 7

 K了幾部非懸疑小說後，懷念沉浸在謎團裡的感覺，因此入手了宮部美幸的《Level7》，準備大快朵頤一場。沒想到這部作品難以下嚥，讓我多花了幾個月的時間才看完。或許宮部美幸的粉絲們會不高興，可是我本身也算宮部老師的支持者，所以無法喜歡本作的我，真的是有充份的理由。

一對男女一覺醒來後，發現自己失憶了，手臂上還出現了「Level 7」的字樣。另外，又有一位失蹤的女高中生在日記中留下「到了Level 7會不會回不來？」的描述。到底什麼是Level 7？發生在他們身上的遭遇又是什麼？本作的謎團很特別，會令人想知道真相。

然而故事的推進十分緩慢，而且因為劇中設定的幾組角色各自分散的關係，除了降低了推移的速度，更讓人有一直原地繞圈的感覺。然後，許多角色的背景設定並不如謎團那樣吸引人，甚至令人感覺突兀和不適當。許多角色在故事中的行為也不合理，顯得反常，讓人覺得刻意。除了節奏與角色設計的問題外，本作在鋪梗與揭露梗上面做的也很差，一部份的謎團揭露的太快太平凡，讓人感覺不到滿足感，處理得十分輕率。刻意留到最後的謎底又顯得不是那麼的重要，或是不是那麼的吸引人。

總得來說，感覺不像是宮部美幸這種寫作大師應有的水準，我甚至一度想到有些大作家會養代筆，搞不好這部作品是別人代筆的。然而本作是宮部的第四部長篇，應該還不夠有名氣到能享有代筆。可能的原因是否是因為當時的她還不夠成熟？我原本因為經濟與時間資源因素，規定自己只看得獎作品。而本作因為是大師之作，所以沒有拿下任何大獎我也接收。或許這個規定連大師也不能放鬆了。

這部作品小弟看的有點痛苦。老實說也看不出有什麼特別值得參考的地方。雖然本作也有進一些年度排名，但排名也不是非常前面。可能只是靠名氣撐上去的吧？我個人還是認同宮部老師的。不過，下次可能選作品來看的時候會更小心一點。本作我就不推薦給各位了。

我對這部作品還有一些想法。在這裡分享給各位。

這部作品，宮部原本應該是很有野心的。但可能怕收尾收的太誇張、事件不合理、或是無法收尾，所以把故事大修，變成了我們所看到的內容。

具體一點來說。本作的故事在中期就圍繞在宮前孝的殺人事件。主角之一的失憶男女兩人組發現自己和這個事件有關聯後，開始尋找自己與事件的關係。這個事件裡，宮前孝因為畸戀一位女子，而在綁架該女子的過程中殺害了該女子及另外三人。隨後在逃離的過程中死亡、失蹤。被害的四人來自兩個家庭。失憶的男女可能就是這兩個家庭的遺孤。

小弟看的故事也不少了。這裡我就在想作者會怎麼掰。然後我心想，以宮部老師的能力，應該可以掰到我心中最困難但是最棒的那個劇本。甚至還可能掰出在那之上的故事。那個劇本就是：失憶的男女中，男子其實就是宮前孝本人，而女子則是宮前孝畸戀的女性(或是樣貌相似的姊妹)，也就是說宮前孝企圖用這招欺騙該女子，讓該女子和他相處，甚至愛上他。這樣的宮前孝才夠邪惡、夠壞、夠噁心！但很遺憾的，結局不是這樣，是另一個比較普通的收尾。

個人猜想，老師可能寫到中後段的時候，經過與專家的討論，認為讓人失憶後變成另一個人的可能性很低、不合理，所以老師放棄了這個比較誇張的劇本，把故事大修成比較樸實的內容。

這部作品是宮部美幸的第四部長篇。或許老師當年還不打算太過姿意的發想，想先打安全牌吧。有些很棒的事故在不適當的時候寫出來是會有反效果的。又有可能宮部老師心腸太好，不願意把故事走到那麼邪惡、噁心的地步，這點從幾部老師的作品來看，確實有此可能。

那麼，這個爆雷心得就到這裡了。本作小弟不推，因為不過激烈。支持宮部老師的粉絲有興趣的話還是可以看看。

Annalyn Ng & Kenneth Soo - 文科生也看得懂得資料科學

小弟對機器學習以及AI很有興趣。唸書時也一度想將它作為研究的方向。不過最後還是沒有勇氣選擇它，因為那時候的學術風氣感覺AI陷入瓶頸了。不過事實上也確實是陷入了瓶頸。或許這幾年其實也沒什麼進步，只是處理器算的比較快罷了(這是一位在機器學習的領域有所成就的教授所分享的感言)。或許，從學術上或許真是沒什麼進步。因為老演算法在大數據下的表現不輸給新演算法。甚至還可能有更好表現。然而在應用上有著非常明顯的進步，這點相信你我都有看到。

我看了許多機器學習的書。也上了一些線上課程。但仍對這個領域一知半解。或許是時候退後一步，重新審視這門科學了。《文》這本書標榜文科生都能看。我翻了幾頁，確實是沒有數學公式在裡面，也沒有什麼表示式。作者是用更為生動的方式機器學習的原理介紹給讀者。

本書第一個章節介紹完最最基本的機器學習名詞解釋後，接下來的各個章節就分別介紹一種演算法的原理、適用場景、使用限制與注意事項。每個介紹的內容都很連貫，讓讀者更能理解其中的原故。或許書中沒有公式會讓人感覺浮雲一般。但其實不用太執著這點。不過可能我的想法不準確，因為我本身是看過公式再回過頭讀這本的，所以比較不會有『感覺不到』的情況吧？

這本書沒有死板的公式。而是更多演算法設計的奧妙。比如在社群網路分析時使用的PageRank中，能在如下的網路圖依照彼此的關連度交互運算，找出最關鍵的結點。

 

而k-nearest neighbors演算法就是對某結點分類時，會參考臨近結點的類型。書中的翻譯不錯，說這就「物以類聚」概念的實現。

本書介紹的演算法雖然多，但是說明簡單清晰。對於初學者或只是想稍微了解機器學習的大眾們來說是絕佳的讀物。除了教學外，更能當成一部科普的書籍。可以推薦給任何有興趣的讀者。