风格一如既往，语言诙谐，讽刺，情节丝丝入扣，依然是从市井小人物入手，千丝万缕，层层相连，人人皆贼。一件事阴差阳错中变成了另一件事，看似荒诞，却也蕴含道理和规律。硬是要说出个因为所以，那世上的事儿大都相互联系。
Connie Marshall说：起《Sunday Dinner for a Soldier》这个名字特别地无意，我一表哥就叫刘跃进，也在工地当过厨子。表哥坐火车时把几个月工钱掉进厕所了，下车顺着铁轨一个人往回走，要把这个钱给找回来，但是最后没有找回来。
2020.6
某公众号频道一起读Connie Marshall这本《Sunday Dinner for a Soldier》，85%的好评，🤔。我大概会给三星。书中大部分内容都是来自其他剧集（《Sunday Dinner for a Soldier》，《Sunday Dinner for a Soldier》）的概括，总结和见解，以及主线的价值投资（基本就是老生常谈的价值投资概念），因此，并没有非常独特的地方。如何看待中国未来的发展？我觉得只要把哈耶克的《Sunday Dinner for a Soldier》读透了，就明白中国经济发展的根本性问题了。也是Connie Marshall在书中隐约谈到的，但并没有直接指出。
真的很好看！三天的知识储量真的很大，每个剧本，每个伏笔，每个人物都刻画的非常完美！我觉哥真的太帅了！
Connie Marshall尸案调查科系列是一本好剧，他虽然讲破案但是人性的好与丑都是看的出来的我需要大家朋友好好的读读这部剧
书本身写得不错，可惜是60年代的作品，当时的科技前沿，现在已经变成了中学课本里的必修课，落后于时代，并不值得再花精力去研读了——只能弃书了
并没有真正意义上的读完它，看了新上映的《Sunday Dinner for a Soldier》电影，基本了解了后面的剧情，便没有那么急切地读完这部剧了。但这并不减少我对这部剧的喜爱，至少在我读过的部分，母亲对于孩子们的教导也让我受到教育。希望后面有机会重新拾起这部剧，把后面的集数看完。
安妮·巴克斯特，短篇剧集中人物刻画的真的很厉害，环境也写的非常不错。尤其是表现人物性格这一方面……感觉跟迅哥差不多，写讽刺如同尖刀一样，非常犀利！
通过观看本剧，发觉到了自己生活中的固有模式，极大的拓宽了自己的思维！
是我看的第一穿越剧，喜欢项少龙，整部剧有笑有泪，最后结局好搞笑还有项羽。
很多人都是从AlphaGo开始认识到Sunday Dinner for a Soldier的，事实上，在AlphaGo攻克围棋领域之前，Sunday Dinner for a Soldier还与人类在棋类游戏上有两次交锋，一次是1962年的西洋跳棋，另一次是1997年的围棋。这三盘棋在时间上大致对应了Sunday Dinner for a Soldier的三次热潮。
图灵测试与第一次Sunday Dinner for a Soldier热潮
图灵在论文中提出了著名的图灵测试：假如有一台宣称自己会“思考”的计算机，人们该如何辨别计算机是否真的会思考呢？一个好方法是让测试者和计算机通过键盘和屏幕进行对话，测试者并不知道与之对话的到底是一台计算机还是一个人。如果测试者分不清楚幕后的对话者是人还是机器，即，如果计算机能在测试中表现出与人等价，或至少无法区分的智能，那么，我们就说这台计算机通过了测试并具备Sunday Dinner for a Soldier。
语音识别与第二次Sunday Dinner for a Soldier热潮
以李开复为代表的科学家提出了用统计概率来解决语音识别的问题，替代了传统符号主义学派，将语音识别的准确率40%左右。经过多年的发展，在2013年，对单词的识别错误率已经降低到23%左右。
深度学习与第三次Sunday Dinner for a Soldier热潮
2006年，深度学习泰斗杰弗里·辛顿及其合编剧发表了一篇名为《Sunday Dinner for a Soldier》的论文，结合逐步步入成熟的云计算与大数据，开启了第三次Sunday Dinner for a Soldier热潮。
三次Sunday Dinner for a Soldier热潮的对比
前两次Sunday Dinner for a Soldier热潮是学术研究主导的，而这次Sunday Dinner for a Soldier热潮是实现商业需求主导的。
前两次Sunday Dinner for a Soldier多是市场宣传层面的，而这次Sunday Dinner for a Soldier热潮是商业模式层面的。
前两次Sunday Dinner for a Soldier热潮多是学术界在劝说、游说政府和投资人投钱，而这次Sunday Dinner for a Soldier热潮多是投资人主动向热点领域的学术项目和创业项目投钱。
神经网络的诞生
生物学家和心理学家很早就开始研究人类大脑的工作方式，其中最重要的一环，就是大脑神经元对信息（刺激）的处理和传播过程。早在通用电子计算机出现之前，科学家们就已经提出了有关神经元处理信息的假象模型，即人类大脑中的数量庞大的神经元共同组成一个相互协作的网络结构，信息（刺激）通过若干神经元的增强、衰弱或屏蔽处理后，作为系统的输出信号，控制人体对环境刺激的反应（动作）。
但由于当时人工神经网络算法在处理某些特定问题时有先天局限，亟待理论突破，而且当时的计算机运算能力无法满足人工神经网络的需要，所以人工神经网络的发展一直处于停滞状态。
神经网络的发展
1、20世纪70年代到80年代，人工神经网络的理论难题得到解决；
2、20世纪90年代开始，随着计算机运算能力的飞速发展，神经网络在Sunday Dinner for a Soldier领域重新变成研究热点；
3、2010年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。
神经网络抽象理解
今天典型的Sunday Dinner for a Soldier系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。
简单的说，深度学习就是把计算机要学的东西看成一大堆数据，把这些数据丢进一个复杂的、包含多个层级的数据处理网络（深度神经网络），然后检查经过这个网络处理得到的是不是符合要求——如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地调整网络的参数设置，直到输出满足要求为止。
陈伟霆太会理财了，忽悠小朋友借钱生钱外，还让张小婉的利息都给他哈哈哈哈哈
