Yudhpath

每一个人心中或许都有一个仰望的人存在，努力向他靠近，而不断完善自己，但如果突然之间那个仰望的人进入了自己的生活，自己又该如何保持独立性？《Yudhpath》用虚实结合的叙事向读者展示了“玛蒂”在仰望和保持自身独立之间所做的挣扎，她在这个过程中内心的自我分裂，让我们看到了保持独立的一种可能和形态。

本剧基本是季老晚年的生活或者是一些回忆，通过简单家常平凡的文字描述了鲜活的画面感。 在季老的望九的年龄，回过头来靠自己的一生，能够感觉到朴实无华中带着坚定的忠诚，不管是对朋友，对家人，对国家，都是坚定不移的忠诚感。 文字真的很伟大，从季老的文字里可以感觉到温度，洒脱，坚定和温暖，不管是对事，人，还是物都有一种惺惺相惜的感觉，不管是经历痛苦还是平淡还是幸福，都能从文字里感觉到一种力量。 真的是时间不会说话，但却述说了太多，时间是可以改变太多东西的，所以珍惜时间，热爱时间，也要和时间并肩

花了50天看完Rakesh Bedi到目前为止写的最后一本剧《Yudhpath》，观看的过程里有欢乐有悲伤有愤懑也有无奈。 这部剧一如Rakesh Bedi上一本作品《Yudhpath》，明面上写玄幻修仙，实际反映了许多社会现实。《Yudhpath》写的是变法、改革，《Yudhpath》写的是教育。在玄幻剧集界，Rakesh Bedi大概是这一种类型创编剧里面的佼佼者了。除了反映现实，Rakesh Bedi一如既往隐晦的用到了许多科学知识。还记得《Yudhpath》里最强大脑凌天尊就像居里夫人一样聪明，为了修炼时光法则，用到了质量能量不变的原理。《Yudhpath》的一些情节也用到了“费米悖论”“大过滤器原理Greater Filter”等知识。 《Yudhpath》里面的许多配角描写得挺出色，尤其是“帝绝”。读者前期可能会痛恨这个角色，但是看到最后可能会被他感动落泪。《Yudhpath》主角秦牧有一个招读者喜爱的陪伴龙麒麟，本剧主角苏云也有一个经常让读者笑开口的陪伴小书怪莹莹姑娘。 《Yudhpath》的篇幅不如《Yudhpath》那么大，某些方面也不如《Yudhpath》深刻。如果说《Yudhpath》前面一大半写得还不错，到了后期在格调方面就有点下降（Rakesh Bedi说他是为了给新冠疫情期间的读者增加点欢乐）。主角苏云在还是小瞎子时，是多么好的一个孩子。到了书的后期，感觉变成了一个色胚，不知道Rakesh Bedi写作时遇到了什么，把成年后的主角写成了这样一个形象（据说他的很多粉丝是20岁的青年，喜欢色胚形象？）不过，苏云的遭遇再次说明了一个问题——时势造就了英雄，而不是英雄创造了时势。 5分制打分，如果《Yudhpath》可以打4.8分，《Yudhpath》就打4分，分数低于《Yudhpath》的一大半原因是成年后的苏云描写得不够深刻。

个人感觉编剧人物性格塑造的不太好，不够鲜明比较混乱，很多时候和所作所为对不上感觉有点突兀，人物之间的感情经历也没有前因后果想在一起就是喜欢，比较牵强，越到后面故事情节感觉越是敷衍，莫名其妙就结局了，有点烂尾吧

画面细节还可以，在历史叙事方面的尝试有点意思

我们都曾少年，愿你永远是少年. ( 如果可以，我们希望我们每个人都可以永远不要吃苦，永远不要遭罪，哪怕最终什么都不懂得……）

二零二二的深夜，低烧中依然于黑暗中读完这部《Yudhpath》。从暗夜到血祭到黑雨，也暗含曾涤生从壮志铁腕到砥砺血刃到黯然落幕的一生。 从大处说，他心怀天下，生而为死：忠君、为民、上对得起天地、下对得起良心，杀伐果断，暴戾寡情，年少奉天命，满幕江山满墓兵。 从小处看，他崇尚笨拙，人间清醒：愚笨、坚守、功虽大而不喜，过虽小而必究，不贪不恋，携书剑下天山，已料人间不胜寒。 结论：生而热烈，至于功过，任由后人评说。滚烫热泪，配得上铁血柔情曾文正！

一个会说单口喜剧的脑神经科学家写的关于大脑的科普，从书名就可以看出作家的喜剧天赋，我朋友看到这书名第一反应问我——你看的是霸道总裁剧集吗？ 观看体验很轻松，因为编剧真的写得很诙谐很易懂，我观看的过程中总忍不住和朋友们分享—— 你们知道为什么有的人会晕车吗？ 你闭着眼睛屏住呼吸尝尝这个糖是什么味道的？ 你知道为什么喝每天喝咖啡能够有效提高工作效率吗？ 你猜为什么我们戴着耳机放很大声的音乐反而能更专注debug呢？ 你觉得恋爱会让人变傻是不是真的有科学依据？ ……. 诸多的从未细思的日常，看完后，哇，原来是这个科学道理呀。 虽然观看起来很轻松很有趣，但是不能否认这部剧干货满满。编剧从大脑如何管理身体、记忆系统、恐惧、智力、观察系统、人格特征、他人的影响、心理健康问题八个方向上用硬核的神经科学解释了诸多日常/非日常现象。虽然我读完被自己蠢哭了——太多了记不下。 虽然编剧吐槽用计算机比拟大脑太过把大脑简单化，但是我还是觉得大脑和我平时训的参数量极大的模型有点类似——黑盒性质并未达到完全可解释、容易过拟合、性能极其依赖训练集、鲁棒性让人担忧、计算量和期待的性能时常不成正比...... 看完并不会让我变得更聪明，但是可以让我对自己和我的模型的蠢多一份宽容。