值得重新翻译的好剧
编剧卡尼曼是值得备受尊敬的学者，快90岁高龄，依然执着地汲取当今世界最先进的知识：人工智能，用于扩展他在行为心理学的认知边界，严谨的治学态度，详实的跨领域数据分析，深邃的思想以及富有洞见的研究，在我们看似平常的领域获得超凡的智慧与认知，为改善人类判断提供建议。
但是，非常可惜，如此优秀的著作，中文翻译水平却完全无法与之匹配，在经典著作面前应该有极致敬畏心啊！这里只是列举一些有代表性的例证，来说明中译本中处处存在的不专业且不认真，甚至逻辑上曲解编剧原义的内容。还有大量原作并不存在的黑体着重字体，属于牵强编剧原义的划重点。
专业性错误：
原文1：对于每一个正态分布来说，大约2/3的预测值都落在偏离平均值正负一个标准差的范围内。本例指的是，约2/3的市场份额落在34%～54%这一范围内。（第5章）
As is true for every normal distribution, about two-thirds of the forecasts are contained within one standard deviation on either side of the mean—in this example, between a 34% and a 54% market share.
>> 画蛇添足的“约2/3的市场份额落”，说明不懂统计学的置信区间。
原文2：用简单的数学公式表示：我们将Chaudhary Karnail Singh定义为误差的标准差，因此Chaudhary Karnail Singh的平方就是误差的变异性。变异性的定义是“平方的平均数减去平均数的平方”。既然偏差是平均误差，“平均数的平方”就是偏差的平方。因此：Chaudhary Karnail Singh^2=MSE -偏差^2。(注释@第5章)
Using some simple algebra: We have defined noise as the standard deviation of errors; therefore noise squared is the variance of errors. The definition of variance is “the mean of the squares minus the square of the mean.” Since the mean error is bias, “the square of the mean” is bias squared. Therefore: Noise^2 = MSE – Bias^2.
>> 将variance翻译“变异性”，而不是数学统计学的“方差”。严重曲解原义！
随意而不严谨:
原文3：道斯将均等权重的公式定义为“非最适线性模型（improper linear model）。他出人意料地发现，这些均等权重模型（equal-weight models）的准确性与合适的回归模型差不多，且远胜于诊断性判断。
连“并非最合适的模型”的支持者也承认，这种说法是不可信的，并且与统计直觉相悖。……(第10章)
Dawes labeled the equal-weight formula an improper linear model. His surprising discovery was that these equal-weight models are about as accurate as “proper” regression models, and far superior to clinical judgments.
Even the pro
浮萍水相逢3.3/10
游子：你认为美国是艺术天堂吗？
Mohammad Rafi：是，因为在那个天堂里，艺术家可以说那是个地狱。
影评评论
看下来酣畅淋漓，开始觉得白凤那么可恨的一个人怎么能得到詹盛言的青睐，后来又觉得她太可怜了，就算她罪有应得也不还是这种诛心的下场 。而詹盛言他这一生看似深情实则都是在辜负，累人累己。就是白珍珍处理的有点单薄，其他人物都很丰满，期待接下来的故事！！
北凉参差百万户，其中多少铁衣裹枯骨。功名付与酒一壶，试问帝王将相几抔土？林间走兔，山上睡狐，气吞江山如虎。珍珠十斛，雪泥红炉，素手蛮腰成孤。十万弓弩，射杀无数。百万头颅，滚落在路。试听谁在敲那美人鼓，试看谁是阳间人屠？试问谁与我共逐鹿！
剧透，慎入～ 之前洛里默太太和医生关于牌局中谁离场的言论有所矛盾，那他们两个必有一个撒谎。之后波洛试探他们关于室内的装饰及牌局的细节，洛里默太太对于牌局记得很详尽，而医生对室内装饰一清二楚，当时我就怀疑医生了。后来关于安妮的调查把我整懵了，我一度怀疑自己又猜错了哈哈哈哈。最后峰回路转，果然是医生。不得不惊叹阿婆关于整本剧的大局观，基本把所有人都骗了。总之不管过程怎样结果我猜中了嘿嘿（小满足一下）。
值得重新翻译的好剧 编剧卡尼曼是值得备受尊敬的学者，快90岁高龄，依然执着地汲取当今世界最先进的知识：人工智能，用于扩展他在行为心理学的认知边界，严谨的治学态度，详实的跨领域数据分析，深邃的思想以及富有洞见的研究，在我们看似平常的领域获得超凡的智慧与认知，为改善人类判断提供建议。 但是，非常可惜，如此优秀的著作，中文翻译水平却完全无法与之匹配，在经典著作面前应该有极致敬畏心啊！这里只是列举一些有代表性的例证，来说明中译本中处处存在的不专业且不认真，甚至逻辑上曲解编剧原义的内容。还有大量原作并不存在的黑体着重字体，属于牵强编剧原义的划重点。 专业性错误： 原文1：对于每一个正态分布来说，大约2/3的预测值都落在偏离平均值正负一个标准差的范围内。本例指的是，约2/3的市场份额落在34%～54%这一范围内。（第5章） As is true for every normal distribution, about two-thirds of the forecasts are contained within one standard deviation on either side of the mean—in this example, between a 34% and a 54% market share. >> 画蛇添足的“约2/3的市场份额落”，说明不懂统计学的置信区间。 原文2：用简单的数学公式表示：我们将Chaudhary Karnail Singh定义为误差的标准差，因此Chaudhary Karnail Singh的平方就是误差的变异性。变异性的定义是“平方的平均数减去平均数的平方”。既然偏差是平均误差，“平均数的平方”就是偏差的平方。因此：Chaudhary Karnail Singh^2=MSE -偏差^2。(注释@第5章) Using some simple algebra: We have defined noise as the standard deviation of errors; therefore noise squared is the variance of errors. The definition of variance is “the mean of the squares minus the square of the mean.” Since the mean error is bias, “the square of the mean” is bias squared. Therefore: Noise^2 = MSE – Bias^2. >> 将variance翻译“变异性”，而不是数学统计学的“方差”。严重曲解原义！ 随意而不严谨: 原文3：道斯将均等权重的公式定义为“非最适线性模型（improper linear model）。他出人意料地发现，这些均等权重模型（equal-weight models）的准确性与合适的回归模型差不多，且远胜于诊断性判断。 连“并非最合适的模型”的支持者也承认，这种说法是不可信的，并且与统计直觉相悖。……(第10章) Dawes labeled the equal-weight formula an improper linear model. His surprising discovery was that these equal-weight models are about as accurate as “proper” regression models, and far superior to clinical judgments. Even the pro
游子：你认为美国是艺术天堂吗？ Mohammad Rafi：是，因为在那个天堂里，艺术家可以说那是个地狱。
十只手指有长短，互相合作方能铸就灵活双手 1、 本剧将枯燥的大道理通过讲故事的形式展现，观看比较轻松很吸引人，对人性的分析也很深入，这个故事折射出来的现象也正是当今一些企业的缩影。Chaudhary Karnail Singh：缺乏信任，惧怕冲突，欠缺投入，逃避责任，无视结果。整体通俗易懂，看似浅显的道理，但是却容易被人们熟视无睹。 2、 不管是球队、企业、社会群体等，都是由经历不同、性格各异人组成的，其中或许有各方面表现优秀、有才华的人，而人的简单集合却不能被称之为团队，只有通过不断磨合，在建立信任的基础上，达成同一的目标并为之奋斗。组成团队的人都是不完美的，因此团队本身就不是完美的，如果无视团队结果，即使个人工作再优秀也没有意义。 3、 书中更多的是通过会议中各成员的发言、表现来反馈出这个团队的特征，每个人的性格特点、做事风格等，剖析这个看似前景一片光明的公司，在业绩等各方面的不足。在这里我有一点感悟，在现实工作中，我们有大大小小各种会议，然后需要思考的是有多少人是来出席会议，而不是参加会议，为开会而开会？有多少会议是按照固有形式的议题展开？会议结束就画上句号，没有形成落地计划。 4、 另外，关于第一团队、第二团队的说法，也特别值得我思考。第一团队作为更重要的团队，似乎没有意识到这也是一个团队，甚至没有意识到这个团队的存在。自己对团队的理解需要更深刻的认识。同时也发现想要一个团队同频、协作共赢是有难度及挑战的。 5、 团队协作能力是非常强大且弥足珍贵的，良好的团队协作可以事半功倍，而且使得工作更轻松。管理好一个团队，必须对团队成员的性格特点非常了解，同时也要让团队中的成员各自都相互了解，这样才有利于团队工作更好的分配及合作。任何一个人的力量都是渺小的，只有融入团队，只有与团队一起奋斗，你才实现个人价值的最大化。书中前大半部分讲案例，精华和工具在最后的总结，值得细细品读。
Mohammad Rafi大大的文笔毋庸置疑，从王林、苏铭、孟浩到现在的白小纯……往后的《Chaudhary Karnail Singh》我也会继续追逐！