16. 告一段落

外行看热闹，内行看门道。

　　对于大部分无超能力的路人而言，所看见的就是圆形的蓝色电光乱闪，浮空凝滞的无数铁片零件，被整个定在半空的汽车，被强制扭曲的金色弹道——帅气，华丽，霸道强悍，令人心折。

　　而在如苏逸杨的其他超能力者眼中，却往往会注意更细节的方面。

　　将疾驰中的汽车在瞬间精准的定住，不继续前进碾压群众也不弹飞出去伤及无辜，是件比大多数人想象得更加困难的事。因为超能力的使用在感觉上更接近于本能，使用能力就如同正常人指挥自己的手脚。然而，也就像像普通人投篮丢三分球时很难百投百中一样，超能力者也需要长久的训练，才能细致而精准地掌控自己的能力。

　　因为超能力研究中借用了不少计算机科学中的概念，很多人将自身对于传统计算机算法的理解强加于超能力运用之上，并且认为超能力者不需要对超能力进行训练，这无疑是一个理解上的常见误区。

　　人类学习和掌握技能的过程，与其类比为计算机科学中传统的机械决定性算法，类比为机器学习中的神经网络更为恰当，毕竟后者的灵感便来源于对人脑和神经科学的研究。而对于一个深度神经网络而言，即便有着最合适的模型和足够数量最顶尖的GPU，如果缺乏足够的训练，数据量不够，无法满足神经网络的复杂程度，那么最后的结果也只会是过拟合（overfitting）。换言之，越是复杂的超能力，越是需要长久的练习才能精准掌握，这一点与普通运动技能的训练完全一致。（注①）

　　在刚刚的短暂战斗中，骤然生成的磁场如果弱了，只会将车辆柔和减速，也许还会继续前进碾过几个无辜的路人，而如果磁场过强或者持续时间稍长，则会用力过猛把车辆反向弹飞。这种一瞬间即停，然后直接禁锢的精准，与其理解成初学者投篮蒙中的三分球一样的撞大运，苏逸杨更愿意相信是level 5 的少女对于自身能力的精准把握。

　　这是很难得的。力气大的人往往更难精准地掌控力道，高阶能力者也是类似。虽然从输出功率来讲，这次显然算不上是level 5 能力者的全力输出，但是细节的掌控反而会透露出更多关于其实力的信息。

　　见证了全过程的苏逸杨对于这个素不相识的小女孩暗暗多了一分好感和佩服。

　　好感来自于对方面对灾难事件出手的果断以及不直接击杀肇事者的理性与善良，而佩服则来自于她临场发挥中表现的战斗素养和能力掌控的细致。

　　“是谁告诉我说东瀛的顶尖高阶能力者不少性格扭曲，能力运用粗糙，问题儿童多的……这个level 5妹子明明很强也很正常，很有社会责任感……”

　　有level 5 大佬出手并坐镇，就不再需要苏逸杨这个level 3 弱鸡再做什么了。于是他降落下来，转身重新去找同伴会和。

　　—————————————

　　御坂美琴之前察觉到了有人飞过来帮忙，但是等危机解决，她去查看时对方却已经混入人流，找不到了。能力者当中，可以高速飞行并如同鸟儿般灵活变向的相当少见。她对这个人的超能力有些好奇，不过既然找不到也就作罢。

　　周围遥遥对着她小声叽叽喳喳指指点点，以及各种暗含敬畏、佩服和推崇的讨论声，她已经习惯了。把装着衣服的纸袋甩在背上，随意而自然地朝着远处走去。

　　“咻”的一声，御坂美琴身边的空气被高速排开，紧接着一个微卷双马尾女孩突兀出现，闪着星星眼就朝御坂美琴扑过去，“姐姐大人——”

　　在赶来的途中，白井黑子通过实时录像全程见证了姐姐大人战斗的英姿——那泰然自若霸道内蕴的气场，那精准致命的战斗风格，释放雷霆的帅气姿态，还有暗藏的温柔和善良，她此刻对姐姐大人的景仰和倾慕再度迎来高峰，汹涌的爱意如决堤之水浩浩荡荡连绵不绝！

　　在众人的注视下，御坂美琴一脸嫌弃，额角的少许电光噼噼啪啪闪烁，却又强自忍耐，无可奈何地努力把牛皮糖一样腆着脸黏在身上的白井黑子往外推……

　　“黑…子…！”御坂美琴喝令。

　　白井黑子充耳不闻，并且黏得更紧，用脸蹭啊蹭的。

　　噼啪！少许亮蓝色电弧闪烁，紧接着是白井黑子四肢的抽搐和‘奇怪’的呻.吟。

　　无忧无虑的女孩子们打闹着渐行渐远。

　　—————————————

　　落日大道。

　　苏逸杨回家的时候，特意选择了这条路。

　　两侧高楼大厦的玻璃幕墙反射着斜阳，而夹在中间的一线天空被落日晕染成橘色，显得温暖而壮丽。

　　就连人来人往被打磨粗糙的人行道，也因为暖色光的漫反射而带着柔和的美感。

　　走过人行天桥，身边有穿着制服西装的男生与制服裙的女生，情侣般黏在一起，扒在栏杆上欣赏着夕阳，甜蜜地窃窃私语。

　　更远处，有衣着邋遢吹着口琴的卖艺者，有疲惫的上班族，还有更多形形色.色的人们，明明咫尺之遥却像是被无形的屏障分隔，行走在不同的世界。

　　苏逸杨呼出一口气，晚风带着浸入躯体的清凉舒爽，仿佛整个身体都被吹透而变得轻盈，却又沾染了凝胶般的重量而变得沉稳，形成有些矛盾的独特感觉。

　　回家睡觉。

　　—————————————

　　注①：过拟合（overfitting）：机器学习中的常见现象。当数据量无法满足神经网络的复杂度时，神经网络仅仅部分完成了底层特征的学习，并没有“学习”到训练者需要的共同整体特征。过拟合的常见结果是在训练数据集中表现极佳，而在测试数据集中表现极差。