暮星的夢境飛行

　　是的，老天爺及鋒面滯留賞給台灣那麼多的雨，特別是南部，但從今天起轉戰到中部，北部的鄉民們要注意啦！而且這已經是第五天的狂風暴雨了，讓南部住在較低漥地區的鄉民們，家園淹的淹，房子泡水的泡水，連各大校園都在這幾天全都轉型成水上樂園，還真的有人在學校裡飆起了水上摩托車！氣象播報員說這波鋒面至少會停留到星期六（6/18）。為了打發時間，放個圖讓大家來動動腦筋，輕鬆一下。

　　圖片中有個被繩子綁起，倒吊在樹上的人，而那個人就是你。樹下有隻獅子，虎視耽耽的看著你這個美味可口的食物，最令人緊張的是，正有一根蠟燭燒著綁住你的這條繩子，要是繩子就這樣被燒斷了，你絕對是必死無疑，獅子可是餓了好久了咧！

　　怎麼辦？這時候的你該如何脫困呢？ ...繼續閱讀

真佩服這齣戲的演員...這種台詞，我演起來一定會常笑場。而且最重要的是：這稿費未免也騙得太兇了吧！

男：妳無情、妳殘酷、妳無理取鬧！
女：那你就不無情？不殘酷？不無理取鬧？
男：我哪裡無情？哪裡殘酷？哪裡無理取鬧？
女：你哪裡不無情？哪裡不殘酷？哪裡不無理取鬧？
男：我就算再怎麼無情、再怎麼殘酷、再怎麼無理取鬧，也不會比你更無情、更殘酷、更無理取鬧！
女：我會比你無情？比你殘酷？比你無理取鬧？你才是我見過最無情、最殘酷、最無理取鬧的人！
男：哼！我絕對沒你無情、沒你殘酷、沒你無理取鬧！
女：好！既然你說我無情、我殘酷、我無理取鬧，我就無情給你看、殘酷給你看、無理取鬧給你看！
男：看吧！還說你不無情、不殘酷、不無理取鬧，現在完全展現你無情、殘酷、無理取鬧的一面了吧！
女：你說我無情、我殘酷、我無理取鬧，我可是因為你無情、殘酷、無理取鬧，所以我才無情、才殘酷、才無理取鬧！
男：好！就算我無情、我殘酷、我無理取鬧，那妳為何要和無情、殘酷、無理取鬧的人在一起！
女：我承認因為我也無情、殘酷、無理取鬧，所以才會跟你這個無情、殘酷、無理取鬧的人在一起！
男：妳總算承認妳無情、殘酷、無理取鬧了吧！
女：你不是也承認你自己是無情、殘酷、無理取鬧了嗎？

（接下來的台詞請各位看倌自行發揮...）

我想說：都別吵了，竟然能讓這麼芭樂的戲演出來，就是最無情、最殘酷、最無理取鬧的最高境界！（我看我去寫芭樂戲的劇本好了，這稿費太好賺了。）

遇見的時候，或許下著雨，或許放著晴，我們有同樣的慌亂，同樣的驚喜。
城市很大，世界也不小，我們卻從來沒有想過相遇的問題，好像相遇這件事情，理直氣壯得毫無道理。

你想過嗎？為什麼億億萬萬人擁擠的藍色小星球裡，能夠遇見？

我們小時候喜歡聽媽媽說童話，小小美人魚浮上海面，王子的船就在同一時同一刻經過，白馬王子在森林裡閒晃，不小心就遇上了美麗的白雪公主，遇見好像總是那麼巧，妳在、我也在，在同一時、同一刻、同個地方，我們看見彼此，我們遇見。

日劇「那些日子以來」，最後主角們一起放著結著長長的白線流，為了紀念，這個時候有這個人、有那個人。

可是很多時候我們的遇見卻都是缺少告別和紀念，相遇過後，像十字路口擦身而過的路人，連再見也沒有說出口，只留下錯身時耳邊的風。長大以後，才發現遇見是不容易的事情。一點也不容易呀！

有時候好想好想跟誰相遇，好想好想再度遇見某個人，卻天涯海角不再相見。所以相遇的時候，可不可以好好珍惜呢？可不可以有一點感激和溫柔，然後，記得，要說再見喔！

微笑的遇見，微笑地說再見。

孩子！當你還很小的時候，我花了很多時間，教你慢慢用湯匙、用筷子吃東西。
教你繫鞋帶、扣扣子、溜滑梯、教你穿衣服、梳頭髮、擤鼻涕。
這些和你在一起的點點滴滴,是多麼的令我懷念不已。

所以，當我想不起來，接不上話時，請給我一點時間，等我一下，讓我再想一想…

極可能最後連要說什麼，我也一併忘記。
孩子！你忘記我們練習了好幾百回，才學會的第一首娃娃歌嗎？
是否還記得每天總要我絞盡腦汁，去回答不知道你從哪裡冒出來的嗎？
所以，當我重覆又重覆說著老掉牙的故事，哼著我孩提時代的兒歌時，體諒我，讓我繼續沉醉在這些回憶中吧！

切望你，也能陪著我閒話家常吧！

孩子，現在我常忘了扣扣子、繫鞋帶。
吃飯時，會弄髒衣服，梳頭髮時手還會不停的抖，不要催促我，要對我多一點耐心和溫柔，
只要有你在一起，就會有很多的溫暖湧上心頭。

孩子！如今，我的腳站也站不穩，走也走不動。
所以，請你緊緊的握著我的手，陪著我，慢慢的。就像當年一樣，我帶著你一步一步地走…

如果你在一個平凡的家庭長大，如果你的父母還健在，不管你有沒有和他們同住…
如果有一天，你發現媽媽的廚房不再像以前那麼乾淨；
如果有一天，你發現家中的碗筷好像沒洗乾淨；
如果有一天，你發現母親的鍋子不再雪亮；
如果有一天，你發現父親的花草樹木已漸荒廢；
如果有一天，你發現家中的地板櫥櫃經常沾滿灰塵；
如果有一天，你發現母親煮的菜太鹹、太難吃；
如果有一天，你發現父母經常忘記關瓦斯；
如果有一天，你發現老父老母的一些習慣不再是習慣時，就像他們不再想要天天洗澡時；
如果有一天，你發現父母不再愛吃青脆的蔬果；
如果有一天，你發現父母愛吃煮得軟爛的菜；
如果有一天，你發現父母喜歡吃稀飯；
如果有一天，你發現他們過馬路行動反應都慢了；
如果有一天，你發現在吃飯時間他們老是咳個不停，千萬別誤以為他們感冒或著涼，(那是吞嚥神經老化的現象)；

如果有一天，你發覺他們不再愛出門… ...繼續閱讀

我希望能夠愛你        卻不會緊抓著你
　　　　欣賞你        但能不帶批判
　　　　參與你        而沒有任何侵犯
　　　　邀請你        卻無絲毫勉強
　　　　離開你        心中不會有愧疚
　　　　指正你        而不含責備
　　　　幫助你        卻不帶冒犯

　　　　如果            你也能如此待我
　　　　那麼            我們便能真實相待並豐潤彼此的生命

...繼續閱讀

日本的諷刺名星兼導演北原武， 不久前又獲得一個電影的國際獎。

幾年前他的母親去世，他回故鄉去奔喪。

他一直不喜歡母親，因為她一直不斷向這一個兒子要錢，只要他一個月沒有寄錢回家，母親就打電話給他破口大罵，
真是所謂的死要錢，而且北原武越出名，她索取的錢越多。回到家之後，他還是忍不住大哭一場，
想到他一直在外，沒有好好供養媽媽，雖然是死要錢的媽媽，他還是覺得虧待母親。
等辦完喪事，北原武正要離開家的時候，他的大哥把一個小包袱給了他，說：這是媽媽叫我一定要交給你的。
北原武小心翼翼地打開小包袱看到一本存摺與一封信，存款是用他的名義開戶，存款金額高達數千萬日幣。

信中母親寫道：
武兒，在這幾個兒女當中，最擔憂的就是你，你從小就不喜歡唸書，又亂花錢，
對朋友太慷慨，當你說要去東京打拼時，我就很擔心你會變成一個落魄的窮光蛋，
因此我每月從不間斷地要你寄錢回家，一方面可以刺激你去賺更多的錢，另一方面也為了替你儲蓄；
你給我的錢，我一毛都沒有花，你大哥一家把我養得好好的，你的錢就是你的錢，現在就拿去好好利用吧！

看完了信，北原武哭倒在地上，久久站不起來...

王永慶曾經說過一句話：你賺的一塊錢不是你的一塊錢，你存的一塊錢才是你的一塊錢。

現在的經濟景氣越來越差，全世界都進三低的時代，低成長、低利率、低通膨；
不要小看你隨手花掉的小錢：一杯咖啡、一包香煙、一件衣服...，省下它，就有可能改變你的一生，
如果你身邊也有存不了錢的朋友，告訴他北原武的故事，你就有可能成為他這輩子的貴人！

有間店名叫"El Farol"的Bar，都會放些好聽又舒服的音樂，於是大家都很喜歡到這家店裡去。
可是要享受輕鬆的時光，Bar裡就不能有太多客人，如果今天來的人很多，就覺得很吵，沒法好好享受音樂；
如果今天來的人不多，那真是太好了，可以擁有一段放鬆的夜晚。

我猜去的人會很多 ，別人也猜會有很多人，所以人很少，因為大家都猜會有很多人；
我猜去的人會很多，但別人猜說去的人不多，說不定人很少，可惜了，我沒有去；
我猜去的人不多，別人猜說會有很多人，所以我去的時候人不多，太好了！可以好好享受；
我猜去的人不多，別人也猜說去的人不多，結果大家都跑去，整個Bar裡鬧哄哄的，人多到爆了…

不知道今天去Bar的人有多少，我到底要不要去呢？

以下是節錄的文章，有興趣的人可以看看哦！很有趣的一個問題。
如果我節錄的部份有不詳盡的部份，請多見諒。相關的細節就要麻煩您們自己去找資料了。

In 1994, Brian Arthur introduced the 'El Farol Bar' problem as a paradigm of complex economic systems. In this model a population of agents have to decide whether to go to the bar each thursday night. All agents like to go to the bar unless it is too crowded (i.e. when more that 60% of the agents go). So in order to epitomise its own utility each agent has to try and predict what everybody else will do. The problem is set up so that any model of the problem that is shared by most of the agents is self-defeating. For if most agents predict that the bar will not be too crowded then they will all go and it will be too crowded, and vice versa.

Brian Arthur modelled this by randomly giving each agent a fixed menu of potentially suitable models to predict the number who will go given past data (e.g. the same as two weeks ago, the average of the last 3 week, or 90 minus the number who went last time). Each week each agent evaluates these models against the past data and chooses the one that was the best predictor on this data and then uses this to predict the number who will go this time. It will go if this prediction is less than 60 and not if it is more than 60.