1940 年，日本侵華如火如荼，香港亦岌岌可危。時任英國總參謀長的伊士美男爵，認為香港易攻難守，建議撤防。香港總督羅富國爵士認同伊士美的想法，於是去信國會，敦請英國完全棄守，以免將來戰事發生，牽連平民傷亡、城市損毀。
英國的政、軍各方對於應否棄守香港，想法分歧。有些人認為日本根本不會對英、美宣戰；有人認為香港可守；亦有人（例如邱吉爾首相）認為香港難守，但出於政治考慮，不可撤防。最後，如我們所知，英國決定增兵香港，而從加拿大調來的兩營官兵，抵港未夠一個月，就成為大英帝國可憐的棄卒。然而，當時防衛香港的主力，無可否認仍是帝國本土將兵，香港政府官僚亦克盡己任。輔政司詹遜，更是不幸地於戰前一日才來港履新。香港重光後，當受盡監獄折磨的他離港時，仍不忘於電台廣播表示香港應實行政治改革。
今日舊主去，新主來，行新式殖民統治。政府不再紀念香港重光日 (Liberation Day)，大概是新的殖民統治者認為，他們才是「解放」香港吧。維基百科上比較中性的「香港主權移交」條目，也給改名成「香港回歸」了。有一個半世紀歷史的香港「回歸」到當時五十歲還未夠的「新中國」，真是奇聞。早幾天中共《國際先驅導報》甚至說「新中國重返聯合國40年」，大概在新的國家，人民也要說「新語」 (Newspeak) 吧。
回說第一次香港淪陷。這段歷史，今日書本紀錄甚詳，但多是參考或整理官方文獻而成，官兵的親身經歷，反而少有記載。戰時由駐港皇家空軍的七校尉之一的 Donald Hill 所寫的密碼日記，就彌足珍貴（喜歡密碼學或數學的讀者，更會喜歡英國 Surrey 大學數學系高級講師 P.J. Aston 所述，如何破解 Hill 密碼日記的故事）。這部日記用密碼紀錄了 Hill 從 1941 年 12 月 7 日到該月尾的經歷，九六年獲破解，重見天日時，本地報章亦有報道，現在重讀，仍覺得值得推薦，例如我們知道日軍來襲時，皇家空軍連一架飛機也起飛不了，但原來就算它們能起飛也沒大用途，原因是它們五架都是輕型轟炸機，沒有戰鬥機，而且它們還要是落後的雙翼機種！
破解後的日記全文，仍載於 Dr Aston 的網址，以下摘譯頭兩日所記。
7/12/41，星期日。人人都談論對日戰爭，但似乎無人認為會有事發生。我們在港的皇家空軍只是很小的一羣人，有七名軍官、六十位士官與五架飛機，包括兩架海象與三架角馬[1]。何利上校乘運兵船尤里西斯號往星加坡，留下蘇利雲中校做司令。我勉強有幸指揮我們唯一一個小隊，和獲得三名軍官加入：格雷中尉，暱稱多利，也是信號員；波格中尉，或稱溫比，是設備員；克羅斯利少尉，暱稱 Junior，紐西蘭人，剛從星加坡來，沒多少飛行經驗。我們的副官是「上校」湯臣中尉，他是義勇軍，六月才從星加坡來到啓德。最後還有軒尼詩中尉，澳洲人，剛從星加坡過來成立作戰指揮室。笑話是，為迎接新戰機，經已萬事俱備，但未來一個月也難望有新機的影子。就憑五架舊飛機與一個機場，前景並不似錦，看來，若戰爭殺到香港，我們最終會被編入陸軍。今天收到的消息愈來愈差，人人留守軍營，做足預防措施。我駕駛一架滿載炸彈的角馬做爬升測試，其間想像那裏才是最佳投彈地點，遇到敵方戰機又有甚麼法子。然而到處都那麼平靜，遠在下方的香港又這麼美麗。我們將海象泊在水上，又分散角馬，但你看，它們變成多麼吸引的目標。皇家蘇格蘭第二營與煞帝利、旁遮普兩營已於新界就位，港島正由加拿大兩營新兵防守，而才不過剛剛抵達的中撒克斯營就防守海岸線。最後還有歐洲人、華人、葡人等等的義勇軍四千人。我們的海軍只有一艘驅逐艦，十艘魚雷艇和一些炮艇。兵力毫不強大，尤其是我們完全切斷了外間援助，彈藥只夠用一百日。可是每人看來依然心情開朗。我是值班人員，躊躇是否該睡一下。
8 日，星期一。我大清早就被人叫醒，原因是輔政司來電，說和日本的戰事一觸即發。該死，不能睡了，於是我叫醒其他軍官。吃早餐時，我們獲悉我方正和日本開戰。我們衝下樓到機隊處，剛好聽到不祥的飛機轟鳴，超過三十架戰機護送着九架轟炸機，正朝我們飛來。除了派人到防守崗位之外，已無暇做其他事情了。轟炸機從頭上經過，但戰鬥機就撲向我們，朝我們的飛機洒下濃密的彈幕。我們用盡我們微薄的力量來對付他們。有些印度兵發慌衝進掩體，由於太過亢奮，不停開機關槍。一陣瘋狂求生，神奇地無人中槍。廿分鐘戰機密集攻擊過後，已上彈那架角馬湧出黑煙，兩架海象亦浴火下沉。最後他們匆匆離去 ── 希望並非完璧吧 ── 而我們亦檢查損失。兩架海象都沒了，一架角馬在燃燒，另一架嚴重損壞，只剩一架無事。我們試着滅火，祈願炸彈不要爆炸。火勢太猛了，角馬燒乾燒淨，遺骸中只有兩顆燒得通紅的大炸彈。只餘一架飛機，但沒有人員傷亡。有八架民航機完全燒毀，包括美國的「飛剪號」(Clipper)。到下午，轟炸機又回來轟炸船塢與九龍，有一根棒落在機場上。據報前線有激烈戰鬥，說日本仔用一個師攻擊，另一師作預留兵力。
譯註：
[1] 兩種都是雙翼輕型轟炸機。
2011年10月28日星期五
2011年10月19日星期三
SEE
前文提到史丹福大學設立了三個免費、公開但無學分的網上課程，其實它還有其他課程，雖不公開報讀，但課程的材料是公開的，例如有一科 iPhone Application Development，有志開發 iPhone Apps 的朋友不妨一看。校方稱它的公開課程計劃為 Stanford Engineering Everywhere (SEE)，目的是為了與 MIT OpenCourseware 競爭。
AI and ML
無心寫文章，吹吹其他水。
月前於《小城科學》blog 及電鋸處看到史丹福大學開了 database, artificial intelligence 與 machine learning 三科免費、公開但無學分的網上課程，儘管我全部都有興趣，但是 database 方面，總覺得若無實際問題在手，齋聽書還是讀不通；況且現今資料庫的應用，十居八九都與網絡有關，可是自己對網絡一竅不通，所以還是作罷。其餘兩科，本來只報其一，時間上比較鬆動，但心癢之下，還是兩科都報讀了。
根據校方數字，最後每科都有幾萬人報讀。面向如此大的群體，又除了聲譽之外沒有實利，課程自然較本科生所念的淺，許多材料會被 heavily dumbed down。例如看 AI 課的學生論壇，AI 的本科課程 CS221 於頭兩週過後，就要學生用課堂中所教的 A* search 做一個 project，寫一個類似用於 Pac-Man 遊戲的算則。參加 AI 網上網程的學生，不但毋須做 project，功課也大多只是網上選擇題，難度低很多。（後記：出乎意料，原來 AI 課的功課與考試與給予正規學生的相同，但 ML 的網上功課就和正規生的有別。）
AI 第一週所教的，大多與其他大學課程有重疊，例如用 BFS, DFS 搜索樹形圖等等，這些也是運籌學 (Operational Research) 的標準內容，不過學習一下 CS 佬的觀點也不是壞事。然而，不知是教授本身還是 CS 佬的慣例，課堂中好些語彙的用法，似乎都大大偏離學界常規。例如科學上，當我們說 discrete problem 與 continuous problem 的時候，discrete 的可以是 finite，也可以是 countably infinite，總之就是 countable。只有有 uncountably infinitely many states 的問題，才稱為 continuous problem。可是根據教授的說法，discrete problem 就是有 finitely many states 的問題，其餘的一律稱為 continuous problems。路徑的長度是另一個例子。教授稱 BFS 為 shortest first search，他又說 BFS 與 uniform cost search 都能夠找出 optimal path。然而 uniform cost search 尋求的，是最低代價 (cost) 的路徑，而 BFS 所得到的，只是一條最少節點的路徑，而完全不理會路徑的代價。要說 BFS 保證找到 optimal path 也可以，只不過這個 "optimal"，指的是節點或層級的數目，而非路徑的代價。在其他學科中，例如圖論或運籌學，arc cost 歸 arc cost，no. of arcs 歸 no. of arcs，兩者決不輕易混為一談。
教授於 lectures, quizzes 跟 homework 的遣詞用字，亦常常過於含糊。這並非我獨有的印象，也是學生論壇裏的主流意見。甚至有些 quizzes，連教授到底想問甚麼，我也搞不清楚。感覺上，AI 兩位教授不是很 well prepared，有點急就章，不過他們的 lectures 很有啟發性，例如有一處談到 A* search，教授問，A* search 行得通，當中的 intelligence 究竟從何而來？要留意，並非人人也將 search method 當是 AI 的，例如早年深藍擊敗國際棋王卡斯巴洛夫，後來負責設計算則的許峰雄來港，就提及他的算則不過是 brute-force search，算不上是 AI。然而教授的問題，為何 A* search 行得通，就真的令我不禁要停下來，想一想，而他的答案，也令我有恍然大悟之感。
相比之下，ML 的教授較注重包裝，無論是 presentation 抑或 website 的設計都很講究。ML 的教授 Andrew Ng 風格有點「執手教」，即是連很顯淺的東西也唯恐你不明白，所以解釋得很仔細。要解釋詳盡但不冗贅，並非人人都做得到，華人尤其傾向太注重技術細節，令人失去 big picture，沒有 motivation，而 Andrew Ng 是罕見的例外。不過和 AI 課相比，我還是覺得 AI 課較能刺激思考，不知是否西人與華人的治學方式始終有別。只是現在始終開課不久，日後也許會有所不同。
儘管 Andrew Ng 的 presentation 很好，但也有些我不喜歡的地方，尤其是他有時舉一些很不設實際的例，很容易「教壞人」。譬如他解說 linear regression，以樓價與樓面面積的關係作例子。樓價的研究確實有用得上 linear regression 的地方，但是實際做法是有成例的，例如樓價幾乎一定要 take logarithm，而且，由於樓面面積幾乎一定不是決定樓價的唯一主要因素，若不考慮其他因素（例如地區、座向、層數、交通等等），regression 得出來的結果差不多肯定沒用，但是引入其他因素的話，又幾乎必定牽涉 hedonic regression 的概念。實例可以淺化，但不能偏離正軌，「老作」一個例子，然後硬套入現實場景，很容易誤導學生，令他們以為隨隨便便放幾個變數，就可以做 linear regression。其實隨便抽一本計量經濟學 (Econometrics) 的書，也可以找到許多實例，若無實例在手，還是只講抽象例子為妙。
此外，ML 課的內容也不時有錯。ML 要用到其他學科的技巧，而教授不是那些科目的專家，所以犯錯也情有可原，但是向學生胡亂解釋，就會造成真正問題。例如課堂中有處（大意）指，若要 minimize $\|X\theta-y\|^2$，其中 $X$ 是 $m\times n$，而 $n$ 遠大於 $m$（亦即 $X$ 是闊闊的矩陣），就應該用 gradient descent 而非 normal equation 來解決，原因是在 normal equation 之中，要計算 $(X^\top X)^{-1}X^\top$ 的話，由於 $n$ 很大，會很花時間云云。問題是，由於 $n>m$，$X^\top X$ 並不滿秩 (rank-deficient)，所以它根本就不能反逆！最奇怪的，是 Andrew Ng 於 lecture 中有提及 pseudoinverse，可見他應該知道，當 $n>m$ 的時候，我們要計算的，應該是 $X^+$ 而不是 $(X^\top X)^{-1}X^\top$。為何仍有上述錯誤，真是木宰羊。（又後記：先前我跳過了許多我本身懂得的內容，現在打開來看，才發現教授並不真正熟悉 multiple regression ── 在 "normal equation" 的 video 約 10:23，他說用 Octave 解 normal equation 的時候，應該用 $\theta=\textrm{pinv}(X'\ast X)\ast X'\ast y$。技術上這沒有錯，但一般通用、等價而且較簡單的答案，其實是 $\theta=\textrm{pinv}(X)\ast y$，實際計算上，我們更罕會先算 $\textrm{pinv}(X)$，再算 $\theta=\textrm{pinv}(X)\ast y$，而是用諸如 QR factorisation 等等的數值方法尋求方程式 $X\theta=y$ 的解。Andrew Ng 取 $(X^\top X)^+X^\top$ 而捨 $X^+$，令人愕然。）
課堂中有關 feature normalization 的討論，更是完全錯誤。教授說 feature normalization 的目的，是為了令 gradient descent 加快收斂，但這兩件事，其實風馬牛不相及。試想像，若 features variables 未 normalized 之前，objective function 的 contour plot 本身已是同心圓狀，那麼，經過 feature normalization，contour plot 變成橢圓形，gradient descent method 豈非收斂得更慢，而不是更快？真正要改良 gradient descent，化橢圓為正圓，應該用 conjugate gradient method。Feature normalization 其實只是單純地從按每個 feature 的數值範圍 ── 而非 objective function landscape ── 去改變該 feature 的 learning rate，與加快/減慢 gradient descent method 的收斂，關係不大。
ML 的功課也設計得很奇怪。第一週的功課有兩部份，首部份是 ordinary linear regression，必答；第二部份是 multiple regression，是 bonus part。教授大概想弄得愈淺愈好，結果所謂功課，不過是在每個教授預先寫好的 script file 中加入一行指令。然而 multiple regression 部份要求加入的程式指令，其實與 ordinary linear regression 部份的完全相同，因此只要 OLS 部份答對，就等於懂得 bonus part，根本沒有額外挑戰。
另外，教授聲稱可以用 Matlab 或 Octave 來做功課，但是 submit 功課的 script file 其實呼叫了 Octave 的 urlread() function，所以 Octave 其實是不裝不行。然而我電腦 (Windows XP) 上的 Octave 又好像很 buggy，只要呼喚任何 plotting functions 就會 crash（後記，問題已解決；詳見此），令我不得不先用 Matlab 做好功課，再用 Octave 提交，但校方提供的 Octave script file，又時不時與 Matlab 不相容。例如 Matlab 的 function 應該用 "return" 來結束，但 ML 的 Octave script file 就用 "end"；向量的長度，在 Matlab 是 length()，但是 ML 課的 script 就用 Octave 的 numel()。結果我要先修改那些聲稱與 Matlab 相容的 Octave script files，才可以做功課，十分麻煩。
月前於《小城科學》blog 及電鋸處看到史丹福大學開了 database, artificial intelligence 與 machine learning 三科免費、公開但無學分的網上課程，儘管我全部都有興趣，但是 database 方面，總覺得若無實際問題在手，齋聽書還是讀不通；況且現今資料庫的應用，十居八九都與網絡有關，可是自己對網絡一竅不通，所以還是作罷。其餘兩科，本來只報其一，時間上比較鬆動，但心癢之下，還是兩科都報讀了。
根據校方數字，最後每科都有幾萬人報讀。面向如此大的群體，又除了聲譽之外沒有實利，課程自然較本科生所念的淺，許多材料會被 heavily dumbed down。例如看 AI 課的學生論壇，AI 的本科課程 CS221 於頭兩週過後，就要學生用課堂中所教的 A* search 做一個 project，寫一個類似用於 Pac-Man 遊戲的算則。參加 AI 網上網程的學生，不但毋須做 project，功課也大多只是網上選擇題，難度低很多。（後記：出乎意料，原來 AI 課的功課與考試與給予正規學生的相同，但 ML 的網上功課就和正規生的有別。）
AI 第一週所教的，大多與其他大學課程有重疊，例如用 BFS, DFS 搜索樹形圖等等，這些也是運籌學 (Operational Research) 的標準內容，不過學習一下 CS 佬的觀點也不是壞事。然而，不知是教授本身還是 CS 佬的慣例，課堂中好些語彙的用法，似乎都大大偏離學界常規。例如科學上，當我們說 discrete problem 與 continuous problem 的時候，discrete 的可以是 finite，也可以是 countably infinite，總之就是 countable。只有有 uncountably infinitely many states 的問題，才稱為 continuous problem。可是根據教授的說法，discrete problem 就是有 finitely many states 的問題，其餘的一律稱為 continuous problems。路徑的長度是另一個例子。教授稱 BFS 為 shortest first search，他又說 BFS 與 uniform cost search 都能夠找出 optimal path。然而 uniform cost search 尋求的，是最低代價 (cost) 的路徑，而 BFS 所得到的，只是一條最少節點的路徑，而完全不理會路徑的代價。要說 BFS 保證找到 optimal path 也可以，只不過這個 "optimal"，指的是節點或層級的數目，而非路徑的代價。在其他學科中，例如圖論或運籌學，arc cost 歸 arc cost，no. of arcs 歸 no. of arcs，兩者決不輕易混為一談。
教授於 lectures, quizzes 跟 homework 的遣詞用字，亦常常過於含糊。這並非我獨有的印象，也是學生論壇裏的主流意見。甚至有些 quizzes，連教授到底想問甚麼，我也搞不清楚。感覺上，AI 兩位教授不是很 well prepared，有點急就章，不過他們的 lectures 很有啟發性，例如有一處談到 A* search，教授問，A* search 行得通，當中的 intelligence 究竟從何而來？要留意，並非人人也將 search method 當是 AI 的，例如早年深藍擊敗國際棋王卡斯巴洛夫，後來負責設計算則的許峰雄來港，就提及他的算則不過是 brute-force search，算不上是 AI。然而教授的問題，為何 A* search 行得通，就真的令我不禁要停下來，想一想，而他的答案，也令我有恍然大悟之感。
相比之下，ML 的教授較注重包裝，無論是 presentation 抑或 website 的設計都很講究。ML 的教授 Andrew Ng 風格有點「執手教」，即是連很顯淺的東西也唯恐你不明白，所以解釋得很仔細。要解釋詳盡但不冗贅，並非人人都做得到，華人尤其傾向太注重技術細節，令人失去 big picture，沒有 motivation，而 Andrew Ng 是罕見的例外。不過和 AI 課相比，我還是覺得 AI 課較能刺激思考，不知是否西人與華人的治學方式始終有別。只是現在始終開課不久，日後也許會有所不同。
儘管 Andrew Ng 的 presentation 很好，但也有些我不喜歡的地方，尤其是他有時舉一些很不設實際的例，很容易「教壞人」。譬如他解說 linear regression，以樓價與樓面面積的關係作例子。樓價的研究確實有用得上 linear regression 的地方，但是實際做法是有成例的，例如樓價幾乎一定要 take logarithm，而且，由於樓面面積幾乎一定不是決定樓價的唯一主要因素，若不考慮其他因素（例如地區、座向、層數、交通等等），regression 得出來的結果差不多肯定沒用，但是引入其他因素的話，又幾乎必定牽涉 hedonic regression 的概念。實例可以淺化，但不能偏離正軌，「老作」一個例子，然後硬套入現實場景，很容易誤導學生，令他們以為隨隨便便放幾個變數，就可以做 linear regression。其實隨便抽一本計量經濟學 (Econometrics) 的書，也可以找到許多實例，若無實例在手，還是只講抽象例子為妙。
此外，ML 課的內容也不時有錯。ML 要用到其他學科的技巧，而教授不是那些科目的專家，所以犯錯也情有可原，但是向學生胡亂解釋，就會造成真正問題。例如課堂中有處（大意）指，若要 minimize $\|X\theta-y\|^2$，其中 $X$ 是 $m\times n$，而 $n$ 遠大於 $m$（亦即 $X$ 是闊闊的矩陣），就應該用 gradient descent 而非 normal equation 來解決，原因是在 normal equation 之中，要計算 $(X^\top X)^{-1}X^\top$ 的話，由於 $n$ 很大，會很花時間云云。問題是，由於 $n>m$，$X^\top X$ 並不滿秩 (rank-deficient)，所以它根本就不能反逆！最奇怪的，是 Andrew Ng 於 lecture 中有提及 pseudoinverse，可見他應該知道，當 $n>m$ 的時候，我們要計算的，應該是 $X^+$ 而不是 $(X^\top X)^{-1}X^\top$。為何仍有上述錯誤，真是木宰羊。（又後記：先前我跳過了許多我本身懂得的內容，現在打開來看，才發現教授並不真正熟悉 multiple regression ── 在 "normal equation" 的 video 約 10:23，他說用 Octave 解 normal equation 的時候，應該用 $\theta=\textrm{pinv}(X'\ast X)\ast X'\ast y$。技術上這沒有錯，但一般通用、等價而且較簡單的答案，其實是 $\theta=\textrm{pinv}(X)\ast y$，實際計算上，我們更罕會先算 $\textrm{pinv}(X)$，再算 $\theta=\textrm{pinv}(X)\ast y$，而是用諸如 QR factorisation 等等的數值方法尋求方程式 $X\theta=y$ 的解。Andrew Ng 取 $(X^\top X)^+X^\top$ 而捨 $X^+$，令人愕然。）
課堂中有關 feature normalization 的討論，更是完全錯誤。教授說 feature normalization 的目的，是為了令 gradient descent 加快收斂，但這兩件事，其實風馬牛不相及。試想像，若 features variables 未 normalized 之前，objective function 的 contour plot 本身已是同心圓狀，那麼，經過 feature normalization，contour plot 變成橢圓形，gradient descent method 豈非收斂得更慢，而不是更快？真正要改良 gradient descent，化橢圓為正圓，應該用 conjugate gradient method。Feature normalization 其實只是單純地從按每個 feature 的數值範圍 ── 而非 objective function landscape ── 去改變該 feature 的 learning rate，與加快/減慢 gradient descent method 的收斂，關係不大。
ML 的功課也設計得很奇怪。第一週的功課有兩部份，首部份是 ordinary linear regression，必答；第二部份是 multiple regression，是 bonus part。教授大概想弄得愈淺愈好，結果所謂功課，不過是在每個教授預先寫好的 script file 中加入一行指令。然而 multiple regression 部份要求加入的程式指令，其實與 ordinary linear regression 部份的完全相同，因此只要 OLS 部份答對，就等於懂得 bonus part，根本沒有額外挑戰。
另外，教授聲稱可以用 Matlab 或 Octave 來做功課，但是 submit 功課的 script file 其實呼叫了 Octave 的 urlread() function，所以 Octave 其實是不裝不行。然而我電腦 (Windows XP) 上的 Octave 又好像很 buggy，只要呼喚任何 plotting functions 就會 crash（後記，問題已解決；詳見此），令我不得不先用 Matlab 做好功課，再用 Octave 提交，但校方提供的 Octave script file，又時不時與 Matlab 不相容。例如 Matlab 的 function 應該用 "return" 來結束，但 ML 的 Octave script file 就用 "end"；向量的長度，在 Matlab 是 length()，但是 ML 課的 script 就用 Octave 的 numel()。結果我要先修改那些聲稱與 Matlab 相容的 Octave script files，才可以做功課，十分麻煩。
2011年10月14日星期五
亞里士多德的師公
【明報】特首斥黃毓民爛仔答問全文
曾蔭權：無論是孔子或是亞里士多德，或是現在的政治家，現在的政治體制，都不會認為講粗口、粗暴語言、粗暴動作是市民合適的政治倫理，就是這麼簡單。亞里士多德嘛，他的師公蘇格拉底，是因為批評雅典權貴，批評社會不公而遭逮捕處死的。當然，蘇格拉底的罪狀上所寫的，絕非「批評權貴」或「批評社會不公」，而是「腐蝕雅典青年思想」啦，令人不信神之類。羅織道德罪名，從來都是當權者的好戲，否則又如何將公眾焦點從官方的失誤之中錯開呢？
書釘偶拾之英國文官制度 (I)
John Greenway, Celebrating Northcote/Trevelyan: Dispelling the Myths, Public Policy and Administration, 19(1):1-14, 2004.
昨日行政長官曾蔭權發表任內最後一份施政報告，回想他上任之初，不少市民都寄望甚殷，誰知七年下來，政治敗壞，威人威威，官商勾結，貧富懸殊，本應遠比腳痛公熟諳民情與政治的曾蔭權，竟落得比前任更灰頭土臉的下場。繼「商人治港」，「公務員治港」似乎亦告失敗，中共港澳辦主任王光亞甚至指香港「成也英國，敗也英國」，不過坊間一直對於「公務員治港」是否失敗，或政府管治失效的原因，看法十分分歧，例如陶傑 (2005, 2008a, 2008b)、林行止 (2011) 與王岸然 (2011)，就各有獨到見解。
英國統治了香港一百五十多年，香港的基本法制與文官制度皆師承英國，但英國現代文官制度之設，實在比香港還晚，歷史未如一般人所想悠久。昔日英國並無統一文官制度，各部門皆採取酬庸 (patronage) 方式，由大臣或部長延攬及任命下級官員，令裙帶關係與貪污充斥。一八五三年，財相葛雷斯東 (William Ewart Gladstone，日後成為英國首相) 制訂預算案時，發現他那班往日由其他政客安插的手下，根本無力提出任何有用的建言，於是決心改革，委任前私人秘書羅富國爵士 (Sir Stafford Northcote，第二十任香港總督羅富國的祖父) 與財政部長杜維廉爵士 (Sir Charles Trevelyan，是1954年擔任首任英國駐中華人民共和國代辦的杜維廉男爵的伯祖父) 研究改革方案。兩人於十一月底提交建議初稿，次年一月定稿，這份後世稱為 Northcote-Trevelyan Report 的報告書，掀起了英國文官體制改革的序幕。
根據一般教科書的說法，羅/杜報告書是現代英國文官體制的基石，許多我們現在習以為常的文官制度特色，皆源於羅/杜報告書。例如：
羅/杜報告發表後，獲英國統治階層廣泛傳閱。剛好克里米亞戰爭 (1854-1856) 爆發（以前香港小學生熟知的「提燈女郎」南丁格爾，就是因此戰成名），英軍指揮官與後勤部門顢頇無能，造成己方大量傷亡，暴露了軍人買賣官職之禍害，激起民間大肆批評，紛紛要求改革。可是，由於既得利益者的重重阻力，報告書的建議，要到一八七○年葛雷斯東擔任首相之後，才開始認真施行。因此英國本土的行政改革，起步得比她兩個屬地 ── 印度與香港 ── 還遲。實際上，初期香港設立的公務員制度，才是大英帝國各地效法的對象。
首位意識到港府需要作行政改革的，是第四任港督寶靈 (John Bowring)。寶靈是史上少見的語言通，懂得約二百種語言，並會說其中一百種，但他在任期間，港府通曉中文的官員，除他以外，就只得時任總登記官 (Registrar General，日後改稱華民政務司) 兼撫華道 (Protector of Chinese Inhabitants) 的高和爾 (Daniel Caldwell) 一個，而高和爾本身又涉嫌勾結海盜黃墨洲。有見及此，寶靈主張從英國招聘受過良好教育的青年官學生 (Cadets) 來港，學習中文然後成為公僕，令政府有可靠的官民溝通渠道。
寶靈是最後一位兼任全權公使暨駐華商務總監 (Her Majesty′s Plenipotentiary and Chief Superintendent of British Trade in China) 的港督。除了於港府之中，他還打算於駐華使團內實踐他的主張，只是後者的官學生所學的，是中國官話而非廣州話。寶靈成功說服外相卡靈頓伯爵 (Earl of Clarendon)，取得外交部撥款推行計劃 (Eitel 1895, p.300)，相比之下，港府的開支要先經英國財政部批准，結果就沒那麼幸運。寶靈上任之前，歷屆港府皆入不敷支，要由英國財政部年年資助（鄧樹雄 2003）。儘管寶靈履新之後一年（即一八五五年），港府即首次錄得財政盈餘，但不知英國財政部是否見慣港府「大花銅」而充滿戒心，寶靈始終不能於任內「成功爭取」撥款，在香港推行官學生計劃。
寶靈的構思，由他的繼任人羅便臣 (Sir Hercules Robinson，任期為 1859-65 年，勿與第十一任總督羅便臣 Sir William Robinson 混淆) 實踐。羅便臣乃海軍出身，一八五九年就任香港總督時，年方三十五。他上任後，九龍因第二次鴉片戰爭而併入香港版圖。霎時間，香港華人數目暴增，但高和爾又因為瀆職而遭解僱，令解決香港官民之間的溝通問題更形迫切 (Tsang 2007, ch.2)。銳氣十足的羅便臣向殖民地部提交了官學生計劃，建議從至少三間英國學院安排公開考試，選取三名官學生。羅便臣表示，此舉既可為港府羅致傳譯，亦可讓港府揀選通曉中文的人出任高官。也許有見於港府自寶靈開始，一直審慎理財，庫房不斷累積盈餘吧，羅便臣的計劃最終獲得批准推行。時任殖民地大臣的紐卡素公爵 (Duke of Newcastle) 更對羅便臣的計劃大加讚賞，令此計劃日後成為錫蘭、海峽殖民地、馬來亞，以至許多英國在非洲的殖民地的公務員招聘制度的範本 (Tsang 2007, ch.2)。第二次世界大戰之後，「官學生」(Cadet) 易名而成「政務官」(Administrative Officers)，也就是現在我們所稱的 AO。
羅便臣只革新了公務員的招聘制度，令年輕人也有機會迅速晉身高官行列。羅/杜報告或現代香港文官制度的其他部份，他並未觸及。日後香港的文官制度發展，實在受英國影響殊深（例如公務員政治中立），但就當時而言，除了印度例外，香港實在領先整個大英帝國，包括英國本土。
眨下眼又「狗噏」了這麼多。下篇，水繼續吹（但多數爛尾）。
昨日行政長官曾蔭權發表任內最後一份施政報告，回想他上任之初，不少市民都寄望甚殷，誰知七年下來，政治敗壞，威人威威，官商勾結，貧富懸殊，本應遠比腳痛公熟諳民情與政治的曾蔭權，竟落得比前任更灰頭土臉的下場。繼「商人治港」，「公務員治港」似乎亦告失敗，中共港澳辦主任王光亞甚至指香港「成也英國，敗也英國」，不過坊間一直對於「公務員治港」是否失敗，或政府管治失效的原因，看法十分分歧，例如陶傑 (2005, 2008a, 2008b)、林行止 (2011) 與王岸然 (2011)，就各有獨到見解。
英國統治了香港一百五十多年，香港的基本法制與文官制度皆師承英國，但英國現代文官制度之設，實在比香港還晚，歷史未如一般人所想悠久。昔日英國並無統一文官制度，各部門皆採取酬庸 (patronage) 方式，由大臣或部長延攬及任命下級官員，令裙帶關係與貪污充斥。一八五三年，財相葛雷斯東 (William Ewart Gladstone，日後成為英國首相) 制訂預算案時，發現他那班往日由其他政客安插的手下，根本無力提出任何有用的建言，於是決心改革，委任前私人秘書羅富國爵士 (Sir Stafford Northcote，第二十任香港總督羅富國的祖父) 與財政部長杜維廉爵士 (Sir Charles Trevelyan，是1954年擔任首任英國駐中華人民共和國代辦的杜維廉男爵的伯祖父) 研究改革方案。兩人於十一月底提交建議初稿，次年一月定稿，這份後世稱為 Northcote-Trevelyan Report 的報告書，掀起了英國文官體制改革的序幕。
根據一般教科書的說法，羅/杜報告書是現代英國文官體制的基石，許多我們現在習以為常的文官制度特色，皆源於羅/杜報告書。例如：
- 公開考選 (open competition) ── 公務員乃公開招聘，以考試選出。
- 分層 ── 將公務員分為兩層，前者由具有寬闊視野的通才擔任，負責制訂各部門政策，亦可隨時掌管其他部門，而後者負責日常的流水作業。香港政府的政務官 (AO) 即屬前者，而行政主任 (EO)、技術官僚與其他文員或低級公務員，即屬後者。
- 論績升遷 (promotion by merits) ── 公務員的升遷，應以工作表現而非年資作準。
- 常任 (permanence) ── 公務員乃長期供職，並不因政權更替而解任。
- 政治中立 (political neutrality) ── 公務員不應因自己或服務對象的政見而有所偏私。
- 匿名 (anonymity/facelessness) ── 公務員就像無名公僕，只須忠實地為政府首長或大臣制訂或執行政策，毋須負上政治責任。
羅/杜報告發表後，獲英國統治階層廣泛傳閱。剛好克里米亞戰爭 (1854-1856) 爆發（以前香港小學生熟知的「提燈女郎」南丁格爾，就是因此戰成名），英軍指揮官與後勤部門顢頇無能，造成己方大量傷亡，暴露了軍人買賣官職之禍害，激起民間大肆批評，紛紛要求改革。可是，由於既得利益者的重重阻力，報告書的建議，要到一八七○年葛雷斯東擔任首相之後，才開始認真施行。因此英國本土的行政改革，起步得比她兩個屬地 ── 印度與香港 ── 還遲。實際上，初期香港設立的公務員制度，才是大英帝國各地效法的對象。
首位意識到港府需要作行政改革的，是第四任港督寶靈 (John Bowring)。寶靈是史上少見的語言通，懂得約二百種語言，並會說其中一百種，但他在任期間，港府通曉中文的官員，除他以外，就只得時任總登記官 (Registrar General，日後改稱華民政務司) 兼撫華道 (Protector of Chinese Inhabitants) 的高和爾 (Daniel Caldwell) 一個，而高和爾本身又涉嫌勾結海盜黃墨洲。有見及此，寶靈主張從英國招聘受過良好教育的青年官學生 (Cadets) 來港，學習中文然後成為公僕，令政府有可靠的官民溝通渠道。
寶靈是最後一位兼任全權公使暨駐華商務總監 (Her Majesty′s Plenipotentiary and Chief Superintendent of British Trade in China) 的港督。除了於港府之中，他還打算於駐華使團內實踐他的主張，只是後者的官學生所學的，是中國官話而非廣州話。寶靈成功說服外相卡靈頓伯爵 (Earl of Clarendon)，取得外交部撥款推行計劃 (Eitel 1895, p.300)，相比之下，港府的開支要先經英國財政部批准，結果就沒那麼幸運。寶靈上任之前，歷屆港府皆入不敷支，要由英國財政部年年資助（鄧樹雄 2003）。儘管寶靈履新之後一年（即一八五五年），港府即首次錄得財政盈餘，但不知英國財政部是否見慣港府「大花銅」而充滿戒心，寶靈始終不能於任內「成功爭取」撥款，在香港推行官學生計劃。
寶靈的構思，由他的繼任人羅便臣 (Sir Hercules Robinson，任期為 1859-65 年，勿與第十一任總督羅便臣 Sir William Robinson 混淆) 實踐。羅便臣乃海軍出身，一八五九年就任香港總督時，年方三十五。他上任後，九龍因第二次鴉片戰爭而併入香港版圖。霎時間，香港華人數目暴增，但高和爾又因為瀆職而遭解僱，令解決香港官民之間的溝通問題更形迫切 (Tsang 2007, ch.2)。銳氣十足的羅便臣向殖民地部提交了官學生計劃，建議從至少三間英國學院安排公開考試，選取三名官學生。羅便臣表示，此舉既可為港府羅致傳譯，亦可讓港府揀選通曉中文的人出任高官。也許有見於港府自寶靈開始，一直審慎理財，庫房不斷累積盈餘吧，羅便臣的計劃最終獲得批准推行。時任殖民地大臣的紐卡素公爵 (Duke of Newcastle) 更對羅便臣的計劃大加讚賞，令此計劃日後成為錫蘭、海峽殖民地、馬來亞，以至許多英國在非洲的殖民地的公務員招聘制度的範本 (Tsang 2007, ch.2)。第二次世界大戰之後，「官學生」(Cadet) 易名而成「政務官」(Administrative Officers)，也就是現在我們所稱的 AO。
羅便臣只革新了公務員的招聘制度，令年輕人也有機會迅速晉身高官行列。羅/杜報告或現代香港文官制度的其他部份，他並未觸及。日後香港的文官制度發展，實在受英國影響殊深（例如公務員政治中立），但就當時而言，除了印度例外，香港實在領先整個大英帝國，包括英國本土。
眨下眼又「狗噏」了這麼多。下篇，水繼續吹（但多數爛尾）。
伸延閱讀
- Ernest John Eitel (1895), Europe in China; the history of Hongkong from the beginning to the year 1882, Kelly & Walsh Limited, Hong Kong. Eitel 漢名歐德里，是第八任香港總督軒尼詩的中文秘書。
- 鄧樹雄 (2003)，香港公共財政史 (1949/50 - 1979/80), Issue 200302 of BRC working papers series, Business Research Centre, Hong Kong Baptist University.
- Steve Yui-Sang Tsang (2007), Governing Hong Kong: Administrative Officers from the Nineteenth Century to the Handover to China, 1862-1997, Hong Kong University Press, Hong Kong. 中文版：曾銳生 (2007)，管治香港: 政務官與良好管治的建立，香港大學出版社，香港。
- 陶傑 (2005)，星期天休息：中國宮廷政治鳥籠裏的一對畫眉，蘋果日報（香港），2005年07月03日。
- 陶傑 (2008a)，星期天休息：「公務員治港」的深層結構問題，蘋果日報（香港），2008年08月10日
- 陶傑 (2008b)，黃金冒險號：香港癌，蘋果日報（香港），2008年11月21日。
- 林行止 (2011)，北京默許高官無恙 顢頇低能港人倒霉，信報（香港），2011年4月6日。
- 王岸然 (2011)，王光亞須為言論作補充，信報（香港），2011年8月3日。
- 小津 (2010)，民政歲月之二 --- 承傳， 信報（香港），2010年8月13日。