玫瑰之战

慕思-敏玲

文章清新脱俗，言简意赅，耐人寻味，小故事引出大的哲理，把当时上流社会风气展现无疑。自由，散漫，风度，气度，心胸，仪表，谈吐，人们注重的重点有点偏，以至于内忧外患，孙浚，王敦叛乱，五胡乱华，一个荒唐的朝代，不过还是为编剧工笔所折服，玫瑰之战不是看历史，是当时上流社会的奇闻异事

风行

初读此剧时，我正处于人生的一个小低谷，为了让自己静心，我读起了季老的这部剧。初读不觉有什么特别，越读越感受到到大师的风范以及他对人生的深刻体会。我的心渐渐趋于平静，情绪也越来越稳定，因为人生还有很多事等着我们去完成，怎能踌躇于不得志郁郁寡欢呢，不忘初心，人生自在亦欢喜。

Yeerui

任何工具书都需要自己亲自实践才会起到它的作用，不然都是白看。看完本剧只记住了“播种”一词，想要播种健康，那么从现在就要养成健康的习惯。

山间

一帮土逼

梁飯糰🍭Ricely

看玫瑰之战，需要对那个时候的历史背景有了解，不然对富兰克林这个伟人为什么是“伟人”有点难以理解。对美国建国史没有了解的人看这部剧，看到以下几点： ①富兰克林家族独有的“反叛”基因成就了他 ②富兰克林公民12美德，计划性的不断完善自己，值得人尊敬 ③富兰克林一生中，红颜知己不断，感觉情感与理性挺分裂的 ④富兰克林对科学探究的热情与行动，让我想起达芬奇一生都不曾减弱的好奇心 ⑤富兰克林自身的成功，即是时势造英雄，但也和他自己善交，努力，勤奋，节约，不断完善自己，将人脉与赚钱结合分不开。 ⑥富兰克林的政治生涯，挺正直的，没有对权贵妥协的时候。 ⑦富兰克林的婚姻与亲子关系有点奇怪

sleep loss

抄完疯了。 这可能是我这一辈子，唯一可能坐下来认认真真把玫瑰之战看完读完抄完的时候了。还好我没有随便的把任务糊弄完，现在我也可以说自己半部玫瑰之战治天下哈哈。

楚塞谣

先吐槽一下微读的打分模式从5档改为3档，这是一个非常辣鸡的改变，以下为剧评： 设想这样一个复杂交互系统，有能量的持续输入，整体效率更高的子系统可以经由获取能量的优势而取得竞争优势，而这个竞争优势群体在和系统交互的过程中会改变整个母系统的环境。这是地球上生命的进化的简化模型。 所有基于进化的胜利，都来自于随机和冒险，但最最基本的是：风险和收益的不平衡才会造就负熵的生命。所有基于收益和风险的故事都是看能不能在长期，以模式而存活下来，并改变环境。 （一个原始人看到一只狼要逃，几个猎人看到一只狼要反杀，一群现代人看到一只狼要逃） 说到系统，就有了输入，输出，效率和冗余，鲁棒性。 人类认识世界，寻找安全边际生存方式的时候，也需要对输入的信息进行简化，对类似事件类比，再假设可能性去探索。这里的思考模型，都是对事件的假设和简化执行和再探索，没有这个过程，就没有了效率，失去了进步的可能。对于一个个体而言，没有获取能量的效率必然意味着死亡。 长期的进化过程，将危险规避和能量偏好根植在我们的脑干里。作为高级人猿的我们，在当代会因为进化中可以帮助生存的关键点，而在现在的环境（社会）中不断犯错。人类的鲁棒性已经完全依赖于这个复杂系统，我们已经失去了回归自然的能力。 我们把原来存在我们腹部的脂肪，存放在超市和整个社会系统之中，我们把本来放置在田地里，在森林的动物身上的能量，放置到其他的社会贡献者的手里，并以经济，文化作为调配方式，从而形成了现在的这样的复杂的社会系统。 从小学起始，我们就不可能学习到所有的本源和核心，那是对当下社会效率的极大浪费，教育也是对文化和社会的抽象，不是么。 所有的模型都有三个共同特征，第一，要简化，抽象掉若干现实世界的因素，第二，都是形式化，需要给出精确的定义，第三，他们都是错误的。 模型可以将信念表示为世界状态的概率分布，易于处理，但它们都是在特定的条件下才是成立的，在边际附近都是模糊的，超越边际则是失效的。所以想要更逼近现实，就需要同时考虑多个模型，以增加对现实的解释力，或者增加预测的准确性。 记住，在预测时，我们需要大模型，而在解释的时候，小模型更好一些。模型的 7 大用途，推理，解释，设计，沟通，行动，预测和探索，其中推理解释沟通和探索都要求我们进行简化。过于简化就会失真，创造过多的类比又会过度拟合从而降低预测未来的能力。 所以，核心是，如何建模。而建模的核心是问题的背景和目标，是在预测还是解释，在评估还是设计，是行动还是探索？ 书里列出的模型为什么我觉得都和金融相关 第一组： 幂律分布的事件（正反馈）； 线性模型的政策制定（抽离出核心变量，并以主函数的输入，期望改变重要变量的输出）； 参与者心理的凹函数曲线（前景理论）会带来羊群效应； 对整个经济系统的理解要基于网络模型，理解核心重点节点和网络带来的冗余度； 对市场事件，信号传递的扩散模型，传染模型，你会在阶段内理解消息的扩散和市场系统的反馈速度； 第二组： 熵对不确定性的测度，不确定性，信息内容和惊喜的等价性，可以推导出 4 类结果，均衡，周期性，复杂性和随机性。平衡时熵为 0，周期性是低熵，复杂性中等程度熵，而高熵可能会带来三类最大熵分布，均匀分布，指数分布和正态分布（对应最大的不确定性）。 第三组： 路径依赖，随机游走，局部互动，外部性，马尔科夫模型们组成的系统动力学模型。 基于参与者分布，需要达到一定阈值时，才会起系统变化；以及学习模型的系统进化， 基于博弈最优解的多臂老虎机和崎岖景观模型。 我们做出假设、制订规则，然后根据规则、运用逻辑。正是通过这种合乎逻辑的努力，我们才能提高

灬灬灬

recall