阅读 |《拉普拉斯的魔女》
背景
《拉普拉斯的魔女》是东野圭吾的悬疑推理类小说,围绕解密两起硫化氢中毒事故。豆瓣上有评论说它带了些“科幻”的成分,不过我理解的这个“科幻”有点像现在定义的“超人工智能”。
贯穿始终的故事情节就是有两个影视圈的人在日本不同地点的温泉附近中毒身亡,警察局调查的结果是温泉地产生的硫化氢致死,也就是归结为意外;但事后工作人员对现场硫化氢浓度进行多次测量,发现自然环境下的浓度远低于能够致人死亡的程度;更奇怪的是,也并没有一丝人为的线索和证据,地质学教授也认定“根本不可能是嫌疑人在现场(室外、空气流动)的环境下制作硫化氢并杀人,因为没有专业的防护设备,制作高浓度硫化氢的行为无异于自杀;而如果使用了防护设备,现场不可能没有一丝作案痕迹”……
后续就是在一点一点解开疑团,在这个过程中,牵涉的人物逐一出场。
阅读体会
悬疑推理类的书看起来的感觉:一开始摸不着头脑,不知道作者要讲什么,总担心思路掉进作者设置的“陷阱”里面;而且很多零散的人物出场,不知道他们之间到底存在怎样的关系。果然等看到一半的时候,我成功被作者设计的情节“迷惑”了:那几天我还同情了真正的杀人凶手。最后真相水落石出,前面设置的疑团一一解开,终于能够看到故事的全貌。这本书写作的特点是作者一直在引导读者进行思考和猜想,他不是直接告诉我们“是谁?为什么杀人?”,而是穿插了一些对人物生平经历、性格特征、家庭环境等的描述,让人合理地预测“哦~可能是这样子”,当然这其中也会有“陷阱”。
看到结尾时的感受:作者在通过悬疑的故事传达一种思想,关于微小个体与宏观世界的关系。以下摘自原文:
还有一件事,虽然你犯了很多错,但我要告诉你最大的错误。你刚才说,大部分平凡的人没有留下任何真相就消失了。这种人无论有没有来到这个世界,对这个世界都没有任何影响。但是,事实并不是这样,推动这个世界运转的并不是一小部分天才,或是像你这种疯子,那些乍看之下很普通,看起来好像没有价值的人才是重要的构成要素。
人类是原子,即使每一个个体都很平凡,无自觉地活在世上,然而一旦成为集合体,就会戏剧性地实现物理法则。这个世界上没有任何个体不具有存在的意义,没有任何一个!
一些其他的想法:
知识的力量真的太强大,但聪明与快乐没有必然的关系。
想成为一个更加理性的人。书里的羽原全太郎是一位医学博士,他的妻子不幸在龙卷风中丧生,但不久还是按照原计划完成了植物病人的手术。他说过一句话,“死去的人无法复活,我的工作是帮助在死亡边缘的人”。不过理性不意味着没有感性的一面,而极有可能是有多理性,就有多感性。就像羽原全太郎女儿回忆,爸爸总是深夜对着妈妈的照片喝酒。
这本书也涉及了关于人类情感的产生,与大脑调度的各类激素有关。所以遇到让人不开心的事情,就想办法促进一下多巴胺的分泌(比如运动、美食),这是一种让人快乐的神经递质~
回到起点,“知识的力量真的强大”,这本书的理论依据是法国数学家、物理学家皮埃尔-西蒙·拉普拉斯提出的假设:“假设有智者能够了解这个世上所有原子的目前位置和运动量,他就可以运用物理学,计算出这些原子随时间发生的变化,进而完全预知未来的状态。”
阅读 |《拉普拉斯的魔女》相关推荐
- 阅读《SentiLARE: Sentiment-Aware Language Representation Learning with Linguistic Knowledge》
SentiLARE: Sentiment-Aware Language Representation Learning with Linguistic Knowledge Abstract 现有的预训 ...
- Align before Fuse: Vision and Language Representation Learning with Momentum Distillation
ALBEF:Align before Fuse: Vision and Language Representation Learning with Momentum Distillation 论文链接 ...
- # 互信息最大化[视角统一]:Align before Fuse: Vision Language Representation Learning with Momentum Distillation
互信息最大化[视角统一]:Align before Fuse: Vision and Language Representation Learning with Momentum Distillati ...
- 【论文模型讲解】VideoBERT: A Joint Model for Video and Language Representation Learning
文章目录 前言 0 摘要 1 Introduction 2 相关工作 3 模型 3.1 BERT 3.2 VideoBERT 4 实验与分析 4.1 数据集 4.2 视频和语言预处理 4.3 模型预训 ...
- [论文学习]TDN: An Integrated Representation Learning Model of Knowledge Graphs
[论文学习以及翻译]TDN: An Integrated Representation Learning Model of Knowledge Graphs 文章主要内容 摘要 前言 相关工作 基于T ...
- Kaiming He论文阅读笔记三——Simple Siamese Representation Learning
Kaiming He大神在2021年发表的Exploring Simple Siamese Representation Learning,截至目前已经有963的引用,今天我们就一起来阅读一下这篇自监 ...
- [论文阅读] iCaRL: Incremental Classifier and Representation Learning
论文地址:https://openaccess.thecvf.com/content_cvpr_2017/html/Rebuffi_iCaRL_Incremental_Classifier_CVPR_ ...
- 自然语言处理学习——论文分享——A Mutual Information Maximization Perspective of Language Representation Learning
资料放在前面:https://blog.csdn.net/Arnetminer/article/details/105840669 文章的贡献如下: (1)提出了一个基于最大化MI的理论框架来理解词表 ...
- CVPR 2020 《12-in-1: Multi-Task Vision and Language Representation Learning》论文笔记
目录 简介 动机 贡献 方法 实验 简介 本文是在NIPS 2019 ViLBERT上的拓展. 论文链接 动机 本文修改了ViLBERT的预训练过程,有两个小修改:1. 对regions进行mask时 ...
- 论文阅读Unsupervised Corpus Aware Language Model Pre-training for Dense Passage Retrieval
密集文本检索的无监督语料库感知语言模型预训练 ACL2022 论文链接 摘要 最近的研究证明了使用微调语言模型(LM)进行密集检索的有效性.然而,密集检索器很难训练,通常需要经过精心设计的微调管道才能 ...
最新文章
- Spring Boot 2.x基础教程:使用JdbcTemplate访问MySQL数据库
- 【计算机网络】网络安全 : 公钥密码体质 ( 公钥 - 加密密钥 | 私钥 - 解密密钥 | 与对称密钥体质对比 | 特点 | 数字签名引入 )
- java Ext安装_eclipse中ext插件安装方法
- python获取月份字符串_python 正则表达式获取字符串中所有的日期和时间
- GDCM:转储一个DICOM文件,显示DICOM中的结构和值的测试程序
- 程序员写了段代码,自称完美! 网友: 我现在还在改你的Bug
- ideajava目录显示类成员_c++ 目录操作
- LeetCode 680. 验证回文字符串 Ⅱ
- centos配置网络笔记
- Qt工作笔记-在ListWidget中多线程检索数据
- Python基础入门知识实例【基础算法】
- Linux安装及使用
- linux系统奔溃之vmcore:kdump 的亲密战友 crash
- leetcode 5855. 找出数组中的第 K 大整数(C++、java、python)
- 2021年美容师(初级)报名考试及美容师(初级)模拟考试题
- 字典和列表的删除问题, 深浅拷贝
- docker命令--k8s的日志
- dellr420部署os_dell r720服务器OS部署
- 9_1 法律法规标准化
- Android适配器方法,android – 当创建自己的自定义适配器时,getView()方法如何工作?...