Forecasting with Artificial Intelligence:

Theory and Applications Mohsen

Hamoudia
Visit to download the full and correct content document:
https://ebookmass.com/product/forecasting-with-artificial-intelligence-theory-and-appli
cations-mohsen-hamoudia/
PALGRAVE ADVANCES IN THE
ECONOMICS OF INNOVATION AND
TECHNOLOGY

Forecasting with
Artificial Intelligence
Theory and Applications
Edited by
moh se n h a mou di a
sp y ros m a k r i da k i s
e va nge l os spi l io t i s
Palgrave Advances in the Economics of Innovation
and Technology

Series Editor
Albert N. Link, Department of Economics, University of North
Carolina at Greensboro, Greensboro, NC, USA
The focus of this series is on scholarly inquiry into the economic foun-
dations of technologies and the market and social consequences of
subsequent innovations. While much has been written about technology
and innovation policy, as well as about the macroeconomic impacts of
technology on economic growth and development, there remains a gap
in our understanding of the processes through which R&D funding leads
to successful (and unsuccessful) technologies, how technologies enter the
market place, and factors associated with the market success (or lack of
success) of new technologies.
This series considers original research into these issues. The scope of
such research includes in-depth case studies; cross-sectional and longitu-
dinal empirical investigations using project, firm, industry, public agency,
and national data; comparative studies across related technologies; diffu-
sion studies of successful and unsuccessful innovations; and evaluation
studies of the economic returns associated with public investments in the
development of new technologies.
Mohsen Hamoudia · Spyros Makridakis ·
Evangelos Spiliotis
Editors

Forecasting
with Artificial
Intelligence
Theory and Applications
Editors
Mohsen Hamoudia Spyros Makridakis
France Telecom Group Institute For the Future (IFF)
Orange Business Services University of Nicosia
Eragny, France Engomi, Cyprus

Evangelos Spiliotis
School of Electrical and Computer
Engineering
National Technical University
of Athens
Zografou, Greece

ISSN 2662-3862 ISSN 2662-3870 (electronic)

Palgrave Advances in the Economics of Innovation and Technology
ISBN 978-3-031-35878-4 ISBN 978-3-031-35879-1 (eBook)
https://doi.org/10.1007/978-3-031-35879-1

© The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer
Nature Switzerland AG 2023

This work is subject to copyright. All rights are solely and exclusively licensed by the
Publisher, whether the whole or part of the material is concerned, specifically the rights
of translation, reprinting, reuse of illustrations, recitation, broadcasting, reproduction on
microfilms or in any other physical way, and transmission or information storage and
retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology
now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc.
in this publication does not imply, even in the absence of a specific statement, that such
names are exempt from the relevant protective laws and regulations and therefore free for
general use.
The publisher, the authors, and the editors are safe to assume that the advice and informa-
tion in this book are believed to be true and accurate at the date of publication. Neither
the publisher nor the authors or the editors give a warranty, expressed or implied, with
respect to the material contained herein or for any errors or omissions that may have been
made. The publisher remains neutral with regard to jurisdictional claims in published maps
and institutional affiliations.

This Palgrave Macmillan imprint is published by the registered company Springer Nature
Switzerland AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
 To Our Families
To the International Institute of Forecasters community
 Foreword

As I walk along the beach and watch the incoming tide, the variety of
waves is seemingly endless. Some are small and quickly overtaken by other
stronger waves following on behind. Others are large enough to herald
their arrival with cresting white tops before crashing onto the shore and
splashing or even soaking the unwary.
The evolution of forecasting methodology exhibits similar surges inter-
spersed with periods of calm or occasional retreats. However, unlike the
ocean, the field of forecasting is able to continue its progress as earlier
causal and extrapolative procedures are enhanced by machine learning
techniques, which is the focus of this volume.
There has been some recent concern that Artificial Intelligence (AI) is
rogue science. Although most of the book focuses on the subset of AI that
is machine learning (ML), the authors clearly embrace AI in its broadest
context, to the extent of a preface written by ChatGPT. (Hey, Chat, for
your information you can’t rhyme harness with harness, try farness.)
After a broad overview of AI related to forecasting, most chapters
provide state-of-the-art discussions of the impact of ML upon forecasting
activity relating to time series analysis, global forecasting models, large
data analysis, combining forecasts, and model selection. Even newer topics
such as concept drift and meta-learning sent me a-googling for defi-
nitions. The remaining chapters include case studies in economics and
operations research; the finale is a chapter on Forecast Value Added
(FVA), a down-to-earth method for determining whether your attempts

vii
viii FOREWORD

to add value by modifying your forecasting process are making things

better (or worse!).
As should be evident from this brief summary, this ensemble of
papers will prove invaluable to anyone seeking to understand recent
developments in this rapidly growing area of research.
Of course, some of the old questions remain far from settled. Are
we seeking explanation and understanding or is the focus purely on
prediction? Can we interpret the results to the satisfaction of a skeptical
consumer (or manager)? Last but not least, who decides what data to
input to the forecasting process? GIGO (garbage in, garbage out) never
goes away. These questions will continue to provide interesting challenges
for researchers at the AI/Forecasting interface.
AI may lack a moral compass and a sense of humor, but this volume
demonstrates its undoubted value in improving the forecasting process
and should be on every forecaster’s bookshelf.

May 2023 Keith Ord

McDonough School of Business
Georgetown University
Washington, DC, USA
 Preface

This book explores the intersection of Artificial Intelligence (AI) and fore-
casting, providing an overview of the current capabilities and potential
implications of the former for the theory and practice of forecasting. It
contains 14 chapters that touch on various topics, such as the concept
of AI, its impact on economic decision-making, traditional and machine
learning-based forecasting methods, challenges in demand forecasting,
global forecasting models, including key illustrations, state-of-the-art
implementations, best practices and notable advances, meta-learning
and feature-based forecasting, ensembling, deep learning, scalability in
industrial and optimization applications, and forecasting performance
evaluation.
The book delves into the challenges and opportunities of using AI in
time series forecasting, discussing ways to improve forecasting accuracy,
handle non-stationary data, and address data scalability and computational
efficiency issues. It also explores the interpretability and explainability of
AI models in forecasting, as well as the use of ensemble learning tech-
niques for improved performance. It focuses on both theoretical concepts
and practical applications and offers valuable insights for researchers,
practitioners, and professionals mainly in the field of time series fore-
casting with AI. To prove the applicability of AI, the editors asked the
ChatGPT to prepare this Preface, which is reproduced here with insignif-
icant editorial changes, including the description of each one of its 14
chapters.

ix
x PREFACE

Chapter 1: In this chapter, the authors debate whether AI is

approaching human intelligence or is fundamentally different. They
explore the achievements of AI in comparison with human intelligence
and highlight the complementary nature of these two forms of intelli-
gence. Furthermore, the chapter discusses the current capabilities and
future challenges of AI, including the feasibility of Artificial General
Intelligence (AGI) and the potential for augmenting human intelligence
through Intelligence Augmentation (IA).
Chapter 2: This chapter delves into the economic implications of AI
and how expectations about the future of AI may shape decision-making.
The author explores the possibility that individuals may alter their savings
and investment behaviors based on their beliefs about extreme wealth or
catastrophic outcomes resulting from future AI developments. The author
also discusses the potential for conflict arising from expectations about
the military value of AI and the importance of economies of scale in AI
development. Additionally, the chapter examines the potential impact of
AI-related economic booms on borrowing and public policy decisions.
Chapter 3: This chapter focuses on time series forecasting, a critical
application of AI in various domains. The author provides an overview of
the key advances in time series forecasting methods, ranging from tradi-
tional statistical techniques to sophisticated machine learning and deep
learning methods. He discusses the advantages and drawbacks of different
methods and highlights the conditions under which these methods are
expected to perform better. The author also proposes directions for future
research to further improve the accuracy and applicability of time series
forecasting methods.
Chapter 4: In this chapter, the authors cover the challenges of fore-
casting demand for new products, a crucial task for businesses given the
high stakes involved in product launches. They discuss the complex and
dynamic nature of demand forecasting in the context of economic compe-
tition, changing customer expectations, and emerging technologies. They
highlight the high failure rate of new launches and the importance of
accurate demand forecasts for decision-making. The chapter emphasizes
the need for robust and accurate demand forecasting methods to mitigate
risks and optimize business outcomes. It also reviews several case studies
that show how machine learning can improve the accuracy of new product
forecasts.
 PREFACE xi

Chapter 5: This chapter provides insights into the emerging field of

global forecasting models, which have shown promising results in fore-
casting competitions and real-world applications. The author discusses the
value of global models in the context of Big Data and how they outper-
form traditional univariate models when dealing with large collections
of related time series. He also highlights the data preparation steps for
fitting global models and provides a brief history of their evolution. The
chapter concludes with an overview of open-source frameworks available
for implementing global models.
Chapter 6: This chapter explores how large quantities of data can
be leveraged to improve the forecasting accuracy of AI models. The
author discusses the challenges and advantages of using AI models for
time series forecasting, highlighting the universal applicability of global
models and the statistical aspects of cross-learning. The chapter concludes
with recommendations for practitioners to enhance the performance of AI
forecasting models by tuning both the models and the data sets at hand.
Chapter 7: In this chapter, the authors examine what is known as
concept drift, which refers to the changes in the underlying data distri-
bution over time, and its negative effect on AI models. They highlight
the challenges of concept drift in various domains and review existing
methods for handling it, such as adaptive weighting, to provide insights
into their strengths and limitations. The authors suggest new ways for
handling concept drift in global machine learning models and make
suggestions for future research in the field.
Chapter 8: This chapter focuses on the combination of forecasts
produced by ensembles of feed-forward neural networks for time series
forecasting. It discusses the benefits of using forecast combinations, such
as improved accuracy and robustness, and the challenges associated with
using neural networks, such as their stochastic nature and large number
of hyperparameters. The chapter empirically evaluates the performance of
individual models and ensembles of models using data sets from the M4
competition, and finds that ensembling neural networks with different
initializations and hyperparameters can significantly improve forecasting
performance, but at the cost of increased computational time.
Chapter 9: This chapter explores the growing interest in time series
forecasting with meta-learning, which is a promising method for auto-
matic model selection and combination when dealing with large numbers
xii PREFACE

of time series. The chapter reviews the current development of meta-

learning methods in time series forecasting, summarizes a general meta-
learning framework, and discusses the key elements of establishing an
effective meta-learning system. It also introduces a python library that
aims to make meta-learning available to researchers and practitioners in
a unified, easy-to-use framework. The chapter concludes with experi-
mental evaluations of the library on two open-source data sets, showing
promising performance of meta-learning in time series forecasting across
various disciplines, and offers suggestions for further academic research in
this area.
Chapter 10: This chapter describes state-of-the-art feature-based
methods for forecasting in complex domains, such as economics, where
the forecasting performance of different methods varies depending on
the nature of the time series. It covers feature-based model selection
and combination approaches, with references to open-source software
implementations.
Chapter 11: This chapter focuses on demand forecasting in the online
fashion industry, which presents unique challenges related to large data
volumes, irregularity, high turnover in the catalog, and the fixed inventory
assumption. The authors elaborate on the data and modeling approach
they used to forecast demand using deep learning, highlighting the
effectiveness of the proposed method.
Chapter 12: This chapter advocates for the integration of forecasting
and optimization methods in operations research, as they are widely used
in academia and practice in order to deal with uncertainties and make
informed decisions. It explores problems that require both forecasting and
optimization and discusses the nature of their relationship and potential
for integration.
Chapter 13: This chapter presents a novel method for monetary
policy analysis and inflation forecasting, called LSTVAR-ANN, which
imposes different economic dynamics during different periods of the
business cycle. It provides insights into the impact of monetary policy
on different economic periods, components of the business cycle, and
inflation forecasts.
Chapter 14: This chapter introduces the forecast value added (FVA)
framework as an alternative method for assessing forecasting performance
and properly evaluating the advances of AI forecasting models.
 PREFACE xiii

This book will inspire researchers, practitioners, and professionals

to broaden and deepen their knowledge of the field, discover unique
techniques, and share ideas.
Finally, to show the diversity of AI’s applications, we would like to
end this Preface with the following poem written by ChatGPT about this
book.

AI Shaping Tomorrow’s World

A book that unveils AI’s might,
Forecasts a future, bold and bright.
From history’s lessons, we reflect,
Ethical AI, we must perfect.
Machine learning, a power to harness,
Forecasting trends, a valuable harness.
Solving challenges, with data and insight,
AI’s potential, a guiding light.

Eragny, France Mohsen Hamoudia

Engomi, Cyprus Spyros Makridakis
Zografou, Greece Evangelos Spiliotis
 Acknowledgments

We extend our sincere gratitude to all the authors of this book

for their outstanding contributions, dedication, patience, and flexibility
throughout the editing process. We are also grateful to the reviewers for
their invaluable feedback and comments that helped us ensure the high
quality of each chapter. Additionally, we would like to express our appre-
ciation to our forecasting colleagues and friends from various universities
and organizations around the world for their insightful comments and
suggestions.
We are deeply grateful to our families for their unwavering support and
understanding throughout the project’s duration. Their cooperation and
encouragement were instrumental in bringing this book to fruition.
We warmly thank Keith Ord, Professor Emeritus at McDonough
School of Business, Georgetown University who kindly wrote the Fore-
word of this book.
Finally, we would like to acknowledge the support of Palgrave and
Springer for accepting and publishing the manuscript into Palgrave
Advances in the Economics of Innovation and Technology. We extend
our sincere thanks to Ellie Duncan, Ashwini Elango, Susan Westendorf,
Matthew Savin, Albert N. Link, Bronwyn Geyer, and Meera Seth for their
assistance in the realization of this book.

xv
 Contents

Part I Artificial Intelligence: Present and Future

1 Human Intelligence (HI) Versus Artificial Intelligence
(AI) and Intelligence Augmentation (IA) 3
Spyros Makridakis and Antonis Polemitis
2 Expecting the Future: How AI’s Potential
Performance Will Shape Current Behavior 31
James D. Miller

Part II The Status of Machine Learning Methods for

Time Series and New Product Forecasting
3 Time Series Forecasting with Statistical, Machine
Learning, and Deep Learning Methods: Past, Present,
and Future 49
Evangelos Spiliotis
4 Machine Learning for New Product Forecasting 77
Mohsen Hamoudia and Lawrence Vanston

Part III Global Forecasting Models

5 Forecasting with Big Data Using Global Forecasting
Models 107
Kasun Bandara

xvii
xviii CONTENTS

6 How to Leverage Data for Time Series Forecasting

with Artificial Intelligence Models: Illustrations
and Guidelines for Cross-Learning 123
Pablo Montero-Manso
7 Handling Concept Drift in Global Time Series
Forecasting 163
Ziyi Liu, Rakshitha Godahewa, Kasun Bandara,
and Christoph Bergmeir
8 Neural Network Ensembles for Univariate Time
Series Forecasting 191
Artemios-Anargyros Semenoglou, Evangelos Spiliotis,
and Vassilios Assimakopoulos

Part IV Meta-Learning and Feature-Based Forecasting

9 Large-Scale Time Series Forecasting with Meta-Learning 221
Shaohui Ma and Robert Fildes
10 Forecasting Large Collections of Time Series:
Feature-Based Methods 251
Li Li, Feng Li, and Yanfei Kang

Part V Special Applications

11 Deep Learning Based Forecasting: A Case Study
from the Online Fashion Industry 279
Manuel Kunz, Stefan Birr, Mones Raslan, Lei Ma,
and Tim Januschowski
12 The Intersection of Machine Learning
with Forecasting and Optimisation: Theory
and Applications 313
Mahdi Abolghasemi
13 Enhanced Forecasting with LSTVAR-ANN Hybrid
Model: Application in Monetary Policy and Inflation
Forecasting 341
Michał Chojnowski
 CONTENTS xix

14 The FVA Framework for Evaluating Forecasting

Performance 373
Michael Gilliland

Author Index 385

Subject Index 397
 Editors and Contributors

About the Editors

Mohsen Hamoudia is CEO since 2020 of PREDICONSULT (Data

and Predictive Analytics), Paris. He has held positions in Orange and
France Telecom, inter alia, as Head of New Products and Planning Divi-
sion (1993–1997), Head of Planning and Forecasting Division in France
Telecom Long Distance (1997–2001), Head of Strategic Marketing of
Large Projects Division (2001–2013), and VP Head of Strategy and
Market Intelligence of Large Accounts Division within Orange Business
Services, Paris (2013–2019). Mohsen teaches Forecasting and Quan-
titative Techniques since 1989 at Toulouse Business School, ESDES
Business School-Lyon, ISM (Institut Superieur du Marketing) Paris, and
College Polytechnique, Paris. He was a Board member of the Interna-
tional Institute of Forecasters (IIF) from 2009 to 2020 and its past
President (2012-2016). He is also a Board member of OrangeFab, the
startups acceleration program of Orange. Mohsen’s research interests are
broad. His research is primarily focused on empirical aspects of fore-
casting in air transportation, telecommunications, ICT (Information and
Communication Technologies), electronic payment, social networking,
and innovation and new technologies. He has authored several book
chapters and co-edited with James Alleman and Paul N. Rappoport
“Applied Economics in the Digital Era”, Palgrave Macmillan, 2020.

xxi
xxii EDITORS AND CONTRIBUTORS

He has written several articles in the International Journal of Fore-

casting, Technology Forecasting and Social Change, and Eurasian Business
Review and was an Editorial Board Member of Telecommunications Policy,
Elsevier.

Spyros Makridakis is a Professor at the University of Nicosia, Cyprus,

where is a Director of its Institute For the Future (IFF), and the founder
of the Makridakis Open Forecasting Center (MOFC). He is also an Emer-
itus Professor at INSEAD, France he joined in 1970. He has authored,
or co-authored, twenty-seven books and special issues and more than
360 articles. His book “Forecasting Methods for Management”, 5th
ed. (Wiley) has been translated in twelve languages and sold more than
120,000 copies while his book “Forecasting: Methods and Applications”,
3rd ed. (Wiley) has received more than 6,800 citations. Spyros was the
founding Editor-in-Chief of the Journal of Forecasting and the Inter-
national Journal of Forecasting and the co-founder of the International
Institute of Forecasters (IIF). He is also the organizer of the renowned M
(Makridakis) competitions that for the last 40 years have fundamentally
influenced the theory and practice of forecasting.

Evangelos Spiliotis is a Research Fellow at the Forecasting & Strategy

Unit, National Technical University of Athens (NTUA), Greece, where
he also serves as Coordinator. He holds a Diploma (MEng) in Electrical
and Computer Engineering and a DEng in Forecasting Support Systems,
both granted by NTUA. His research interests include time series fore-
casting, decision support systems, machine learning, optimization, and
energy efficiency and conservation. He has conducted research and devel-
opment on tools for management support in many projects, funded by
the European Commission and enterprises of the banking, energy, retail,
and transportation industries. Evangelos is currently an Associate Editor
for the International Journal of Forecasting and a Machine Learning
and AI Column Editor of the Foresight: The International Journal of
Applied Forecasting. He has co-organized the M4, M5, and M6 fore-
casting competitions and published his work in prestigious conferences
and academic journals, such as International Journal of Forecasting,
European Journal of Operational Research, Machine Learning, Neural
Networks, Pattern Recognition, and Applied Soft Computing.
 EDITORS AND CONTRIBUTORS xxiii

Contributors

Mahdi Abolghasemi is a lecturer in Data Science at The University of

Queensland, Australia. He has a multi-disciplinary background in engi-
neering, business, statistics, and machine learning. His research interests/
expertise are in time series forecasting, predictive analytics, data science,
and machine learning with applications in supply chain management and
renewable energies optimization. He has published over 40 articles and
technical reports and presented at numerous national and international
conferences. Mahdi’s research is closely tied to evidence-based analytics
for real-world problems. Through his research he has consulted dozens
of companies in Australia, Europe, and the Middle East and developed
several analytical models to improve their supply chain networks and
analytical capabilities.
Vassilios Assimakopoulos is a professor of Forecasting Systems at the
School of Electrical and Computer Engineering of the National Tech-
nical University of Athens (NTUA), Greece. He has worked extensively
and conducted research on innovative tools for management support
in numerous projects, funded by the European Commission, the Greek
Government, and enterprises of various industries. Vassilios specializes in
forecasting, strategic management, design and development of informa-
tion systems, as well as business resource management. He is the author
of more than 100 original publications, the creator of many popular
time series forecasting methods, such as Theta and ADIDA, and has
co-organized the M4, M5, and M6 forecasting competitions.
Kasun Bandara is a Forecasting and Analytics Analyst at EnergyAus-
tralia and an Honorary Research Fellow in the School of Computing and
Information Systems at University of Melbourne. Kasun holds a PhD in
Computer Science from the Monash University, Australia, and a B.Sc.
honors degree in Computer Science from University of Colombo School
of Computing, Sri Lanka. Kasun has developed machine learning based
forecasting architectures in collaboration with research scientists from
Uber, Walmart, and Facebook and has published his research work in
journals, such as IEEE Transactions on Neural Networks and Learning
Systems, Pattern Recognition, and International Journal of Forecasting, as
well as in conferences, such as PAKDD, IJCNN , and ICONIP. Kasun
is a reviewer for leading machine learning conferences, such as ICML,
xxiv EDITORS AND CONTRIBUTORS

NeurIPS, and ICLR. In addition to research work, Kasun regularly partic-

ipates in forecasting related competitions. Few of his notable recognitions
are IEEE CIS Energy Forecasting Competition (4th Position), Fuzz-
IEEE Competition on Explainable Energy Prediction (2nd Position),
M5 Forecasting Competition (Kaggle Gold Medalist), Air-Liquide Future
Ready Data Challenge (4th position), and M6 Forecasting Competition
(11th Position).
Christoph Bergmeir is a Senior Lecturer in Data Science and Artificial
Intelligence in the Department of Data Science and Artificial Intelligence
at Monash University, Australia. He works as a Data Scientist in a variety
of projects with external partners in diverse sectors, such as sustainable
energy and supply chain. He has led teams that have delivered systems
for short-term power production forecasting of wind and solar farms, and
energy price forecasting. Christoph holds a PhD in Computer Science
from the University of Granada, Spain and an M.Sc. degree in Computer
Science from the University of Ulm, Germany. He has over 5,000 cita-
tions and an h-index of 28. He has received more than $2.7 million in
external research funding. Four of his publications on time series fore-
casting over the last years have been Clarivate Web of Science Highly
Cited Papers (top 1% of their research field).
Stefan Birr is a Senior Applied Scientist working on time series fore-
casting at Zalando SE. Before joining Zalando he obtained his doctoral
degree researching “Dynamic Dependencies in Time Series”, and had the
Lead Expert Role in time series analysis at E.ON Digital Technology.
Michał Chojnowski is an Economic Analysis Manager in the chemical
industry. He has vast experience in demand forecasting and economic
analysis, working on markets such as apparel, winery, automotive, and
pharmacy. His expertise lies in non-linear forecasting including Busi-
ness Cycle dynamics. Michael holds a BA in Economics from Warsaw
School of Economics, Poland and an MSc in Econometrics and Math-
ematical Economics from Tilburg University, Netherlands. Currently, he
is a PhD candidate in Warsaw School of Economics. His research interests
includes non-linear macroeconomic forecasting, artificial neural networks
application in inflation forecasting, and market sentiment analysis. His
works were presented at International Symposium on Forecasting and
CIRET Institute and published in journals such as Econometric Research
in Finance.
 EDITORS AND CONTRIBUTORS xxv

Robert Fildes is a Distinguished Professor in the Management School,

Lancaster University, Founding Director of the Centre for Marketing
Analytics and Forecasting, and he recently co-authored “Principles of
Business Forecasting”, Wessex. In 1980 with Spyros Makridakis and J.
Scott Armstrong was a founding director of the International Institute of
Forecasters (IIF): the Institute has led the way in establishing a rigorous
approach to the evaluation of new forecasting approaches through its
journal, academic conferences, and workshops. In 1982 he contributed
to one of the first major forecasting competitions, led by Makridakis, the
M competition, and he has continued to research the comparative evalu-
ation of different forecasting methods, particularly applied to retailing.
Most recently he has worked with Shaohui Ma on major retail bases
using machine learning methods. In addition to novel methodological
ideas, such as those explained in his present chapter on meta-learning,
he has focused on overcoming the barriers to effective implementation
of improved forecasting procedures and systems: in a nutshell, getting
improvements into practice.
Michael Gilliland is Editor-in-Chief of Foresight: The International
Journal of Applied Forecasting, taking this position in 2022 after ten
years on Foresight’s editorial staff. He retired from SAS in 2021, where
he held positions in marketing and product management for SAS fore-
casting software, and prior to this spent 19 years in forecasting, supply
chain, and consulting positions in the food, consumer electronics, and
apparel industries. Michael is author of “The Business Forecasting Deal”
(2010), and principal editor of “Business Forecasting: Practical Problems
and Solutions” (2015) and “Business Forecasting: The Emerging Role
of Artificial Intelligence and Machine Learning” (2021). He also edited
“Forecasting with SAS® : Special Collection” (2020) and for twelve years
wrote The Business Forecasting Deal blog. In 2017 Michael received the
Lifetime Achievement Award from the Institute of Business Forecasting,
and in 2021 his paper “Forecast Value Added: A Reality Check on Fore-
casting Practices” was inducted into the Foresight Hall of Fame. Michael
holds a BA in Philosophy from Michigan State University, and master’s
degrees in Philosophy and Mathematical Sciences from Johns Hopkins
University. He is interested in issues relating to forecasting process and
performance, such as worst practices and Forecast Value Added (FVA)
analysis, and in applying research findings to real-life improvement in
business forecasting.
xxvi EDITORS AND CONTRIBUTORS

Rakshitha Godahewa is a Postdoctoral Research Fellow at Monash

University, Australia. She also completed her PhD at Monash University.
Her research focuses on time series forecasting using global modeling
and ensembling where the findings are published in top-quality outlets
including Neural Information Processing Systems and Machine Learning.
In 2022, Rakshitha participated in the 9th Heidelberg Laureate Forum
and was recognized as one of the top 200 young researchers in the
world. She is also among the top performers in prestigious forecasting
competitions including the M5 and M6 competitions. Rakshitha holds a
Degree of Bachelor of the Science (Honors) in Engineering specialized
in Computer Science and Engineering from University of Moratuwa, Sri
Lanka, where she scored a First Class and was recognized as one of the
top four students in the department. She also holds the British Computer
Society (BCS) degree from BCS, UK. Prior to commencing her post-
graduate studies at Monash University, she worked in the IT industry as
a Senior Software Engineer for nearly three years.
Tim Januschowski is the director of pricing platform at Zalando SE with
prior roles at Amazon and SAP. He regularly publishes scientifically on
forecasting and teaches professionals and students at universities, most
recently TU Munich, Germany. His community service includes being a
director at the International Institute of Forecasters (IIF).
Yanfei Kang is an Associate Professor of Statistics in the School of
Economics and Management at Beihang University, China. Prior to that,
she was a Senior R&D Engineer in the Big Data Group of Baidu Inc.
Yanfei obtained her Ph.D. in Applied and Computational Mathematics
at Monash University in 2014, and served at Monash as a postdoctoral
research fellow through 2015. Her research interests include time series
forecasting, time series visualization, statistical computing, and machine
learning.
Manuel Kunz is an Applied Science Manager and former Applied Scien-
tist in the Zalando Pricing Department. He has a background in computer
science and machine learning. Before joining Zalando in 2015, he worked
as a Software Engineer for a technology consultancy company.
Feng Li is an Associate Professor of Statistics in the School of Statistics
and Mathematics at the Central University of Finance and Economics in
Beijing, China. He earned his Ph.D. in Statistics from Stockholm Univer-
sity, Sweden in 2013. Feng’s research interests include Bayesian statistics,
 EDITORS AND CONTRIBUTORS xxvii

econometrics and forecasting, as well as distributed learning. He develops

highly scalable algorithms and software for solving real business problems.
Li Li is a Ph.D. student in statistics from the School of Economics
and Management, Beihang University, China. She has published many
academic papers in journals, such as International Journal of Forecasting
and International Journal of Production Research. Her research interests
include time series forecasting and statistical calculation.
Ziyi Liu is a first-year PhD student at Monash University, Australia. He
holds a Certificate in Quantitative Finance (CQF). His PhD research
focuses on black-box optimization via the Bayesian framework for statis-
tical learning and utilizing information-theoretic techniques such as
minimum message length and minimum description length. Models of
interest include generalized additive models, sets of rules, and deep neural
networks. Ziyi holds a Master’s Degree in Data Science from Monash
University. His master program research area is time series forecasting,
especially for time series with concept drift. He received high distinctions
in his master’s program.
Lei Ma is an Applied Scientist at Zalando SE. He received a Ph.D.
in Physics in 2018 from the University of New Mexico. He has been
working on neutrino physics and deep learning applications in pricing.
Shaohui Ma is a Professor of Management Science at Nanjing Audit
University, China. He also serves as the Director of the Big Data
Management Department and the Management Science Research Center.
He earned his M.Sc. and Ph.D. degrees in Management Science from
Tianjin University, China. His research focuses on big data-driven busi-
ness analytics and decision optimization, with particular emphasis on
business forecasting, customer relationship management, and decision
support systems. He has successfully completed four research projects
supported by the National Natural Science Foundation of China and has
published over 40 academic papers in top-tier journals such as European
Journal of Operational Research, International Journal of Forecasting,
Information Sciences, and Marketing Letters. In addition, he has authored
several books and received awards and honors for his contributions to the
field of management science.
Pablo Montero-Manso is a Lecturer at the Discipline of Business
Analytics, University of Sydney, Australia. He holds a PhD in Statistics
xxviii EDITORS AND CONTRIBUTORS

from the University of A Coruña, Galicia, Spain. He researches machine

learning, artificial intelligence, and statistical tools for time series anal-
ysis, focusing on forecasting, classification, clustering, and visualization.
Pablo has developed predictive models that resulted in award-winning
performance in major forecasting competitions (M4 and M6) and have
been adopted by the industry. During the COVID-19 pandemic, he
contributed with highly accurate models and predictions of the evolu-
tion of the pandemic that were part of the decision-making process in
Australia, Spain, and the European Union. Pablo is a member of the
advisory board of the WHY project, analyzing energy consumption of
European households for policy making. He is an author and contributor
to several open-source tools and open datasets in Python and R, including
the popular TSclust package for time series clustering.
James D. Miller is a Professor of Economics at Smith College,
Massachusetts. He has a J.D. from Stanford, California and a Ph.D. in
economics from the University of Chicago, Illinois. His academic interests
include game theory and the technological singularity.
Antonis Polemitis currently serves as the Chief Executive Officer of
the University of Nicosia and EDEX, as a Board member of EDEX and
UNICAF, and as a member of the Council of the University of Nicosia.
The University of Nicosia (UNIC) serves over 14,000 students, along
with over 18,000 additional students in its affiliated academic institu-
tions. UNIC is the largest university in Cyprus and is the largest English
language university in southern Europe. Antonis helped found the world-
leading Digital Currency / Blockchain Initiative at the University of
Nicosia, co-taught the first university cryptocurrency course in the world,
and is regularly quoted as an expert on cryptocurrency issues. He was a
member of the national committee that designed the blockchain strategy
for Cyprus. Antonis is the managing partner of Ledra Capital where he
led early-stage investments in, or software development of, Software-as-a-
Service platforms in the areas of higher education, cryptocurrency, online
video publishing, and legal research. He was previously a principal at ACG
Capital, a privately held multi-billion dollar investment firm and a partner
based in New York and London in the private equity practice of Mercer
Management Consulting (now Oliver Wyman), one of the world’s leading
strategy consultancies.
 EDITORS AND CONTRIBUTORS xxix

Mones Raslan is a deep learning researcher with a background in math-

ematics. After his studies and PhD at TU Berlin with focus on the theory
of neural networks, he joined Zalando’s Pricing Platform in 2022 as an
Applied Scientist.
Artemios-Anargyros Semenoglou is a PhD student and research asso-
ciate at the Forecasting & Strategy Unit of the National Technical Univer-
sity of Athens (NTUA), Greece. He completed his Bachelor’s degree
in Electrical and Computer Engineering at the NTUA in 2017. His
primary research interests include time series forecasting, data analytics,
and the application of machine learning in operational research. As a data
scientist, he has worked on numerous projects across various business
domains developing predictive machine learning solutions. His academic
and research work is mainly focused on the development and applica-
tion of global neural networks in general-purpose, univariate time series
forecasting.
Lawrence Vanston is an internationally-recognized authority on techno-
logical forecasting. His focus is on the future adoption of new products,
services, and technologies, the nature of technological advance, and the
impacts of technology on business and society. As president of Technology
Futures, Inc. (TFI), he has conducted and managed future-looking
studies for the communications and other high-tech industries for over
forty years. His current research interests include broadband, wireless,
video, AI, extended reality, and emerging technologies. He is also founder
and executive director of the non-profit, TFI Projects. As an expert on the
impact of technology change on asset valuation, Lawrence has served as
an expert witness in regulatory, tax, and other proceedings. He has been
the principal author of numerous reports commissioned by government
agencies, industry organizations, and individual companies, including
all of the major U.S. broadband and wireless providers. The Commu-
nications Technology Forecasting Group (CTFG), currently consisting
of AT&T, Charter/Spectrum, Comcast, and Cox, has been actively
supporting TFI research since 1985. Lawrence is a frequent speaker at
the International Symposium on Forecasting, the Wichita Program for
Appraisal for Ad Valorem Taxation, and the TFI Technology Conference,
which he launched in 2006. He is a frequent contributor to Foresight:
the International Journal of Applied Forecasting and serves on its advi-
sory board. Before joining Technology Futures in 1984, Lawrence was
with Bell Labs and Bellcore in network planning. He holds a B.A. in
xxx EDITORS AND CONTRIBUTORS

Government (1975) and an M.S. (1977) and Ph.D. (1979) in Operations

Research and Industrial Engineering, all from the University of Texas,
Austin.
 Abbreviations

AdaBoost Adaptive Boosting

ADL Autoregressive Distributed Lag
ADLP ADL with data Pooling
ADP Adaptive Dynamic Programming
AFNNC Adaptive Fuzzy-Neural-Network Controller
AGI Artificial General Intelligence
AI Artificial Intelligence
aML automatic Machine Learning
ANC Adaptive Neural Control
ANNs Artificial Neural Networks
APE Average Prediction Error
API Application Programming Interface
AR Augmented Reality
AR Auto Regressive
ARIMA Autoregressive Integrated Moving Average
ARIMAX AutoRegressive Integrated Moving Average with external vari-
ables
ASI Artificial Super Intelligence
AveRelMAE Average Relative MAE
AVs Autonomous Vehicles
BBIs Brain to Brain Interfaces
BBN Bayesian Belief Network
BCA Bounded Component Analysis
BCI Direct Brain to Computer Interface
BCNs Boolean Control Networks
BIC Schwarz Information Criteria

xxxi
xxxii ABBREVIATIONS

BMAL Batch Mode Active Learning

BMs Bayesian Models
BN Bayesian Network
BNN Bayesian Neural Network
BRNN Bidirectional Recurrent Neural Network
CALA Continuous Action-set Learning Automata
CARTs Classification And Regression Trees
CB CatBoost
CD Coordinate Descent
CDNs Complex Dynamical Networks
CNN Convolutional Neural Network
DBN Deep Belief Network
DC3 Deep Constraint Completion and Correction
DCGAN Deep Convolutional Generative Adversarial Network
DL Deep Learning
DMNNs Delayed Memristive Neural Networks
DNNs Discrete-time Neural Networks
DRNNs Delayed Recurrent Neural Networks
DSS Decision Support System
EANNs Evolutionary Artificial Neural Networks
ECW Error Contribution Weighting
EEC Estimation Error Covariance
EIA Error Interaction Approach
ELMs Extreme Learning Machines
ES-RNN Exponential Smoothing-Recurrent Neural Network
ETS Error Trend and Seasonality
FFORMA Feature-based FORecast Model Averaging
FFORMS Feature-based FORecast Model Selection
FVA Forecast Value Added
GBRTs Gradient Boosting Regression Trees
GBTs Gradient Boosted Trees
GDW Gradient Descent Weighting
GFMs Global Forecasting Models
GRNN Generalized Regression Neural Network
HCA Hierarchical Clustering Analysis
HI Human Intelligence
HRL Hierarchical Reinforcement Learning
IA Intelligence Augmentation
IRF Impulse Response Function
ITL Information Theoretic Learning
KNNR K-Nearest Neighbors Regression
KPI Key Performance Indicator
KRLS Kernel Recursive Least-Squares
Another random document with
no related content on Scribd:
The Project Gutenberg eBook of Kardinaalin
asialla
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Kardinaalin asialla

Author: Stanley John Weyman

Translator: Mary Hämeen-Anttila

Release date: September 9, 2023 [eBook #71603]

Language: Finnish

Original publication: Hämeenlinna: Arvi A. Karisto Oy, 1912

Credits: Sirkku-Liisa Häyhä-Karmakainen and Tapio Riikonen

*** START OF THE PROJECT GUTENBERG EBOOK

KARDINAALIN ASIALLA ***
KARDINAALIN ASIALLA

Kirj.

Stanley J. Weyman

Englannista (»Under the Red Robe») suomentanut

Mary Hämeen-Anttila

Hämeenlinnassa, Arvi A. Karisto Osakeyhtiö, 1912.

SISÄLLYS:

I. Zatonin majatalo
II. »Vihreässä pilarissa»
III. Linna metsässä
IV. Madame ja mademoiselle
V. Hyvitys
 VI. Pic du Midin kupeella
VII. Kunnon kepponen
VIII. Eräs kysymys
IX. Clon
X. Vangitseminen
XI. Matkalla Pariisiin
XII. Tienristeyksessä
XIII. Martinpäivän aatto
XIV. Jälkikesä

I luku

Zatonin majatalo

»Merkityt kortit!»

Ympärillämme seisoi hyvinkin parikymmentä henkilöä, kun tuo

hupsu, joka ei tiennyt, kenen kanssa hän oli tekemisissä, yhtä vähän
kuin hän osasi kestää häviötänsä säädyllisen miehen tavoin,
sinkautti nämä sanat minulle päin silmiä. Voin vannoa hänen luulleen
saavansa minut pauhaamaan ja raivoamaan, käymään käsirysyyn
kuten tavallinen tappelupukari. Mutta se ei ollut milloinkaan Gil de
Beraultin tapaista. En edes toviin katsonut häneen sen jälkeen kun
hän oli syytöksensä lausunut. Sen sijaan silmäilin ympärilleni —
hymyillen, bien entendu — katsojien joukossa huomasin ainoastaan
de Pombalin sellaiseksi, jota minun kannatti pelätä, ja sitten nousin
viimein ja tarkastelin virmapäätä yrmeällä katsannolla, joka oli
peloittanut vanhempia ja ymmärtäväisempiäkin miehiä kuin hän oli.
 »Merkitytkö kortit, herra englantilainen?» sanoin jäätävän
kylmäkiskoisesti. »Sellaisia käytetään pelurien puijaamiseen — eikä
koulupoikien, jotka ovat saaneet liian vähän kuritusta.»

»Mutta sanon vieläkin, että ne ovat merkityt!» vastasi hän kiivaasti

kummallisella ulkomaalaisella murteellaan. »Viime jaossa en saanut
ainoatakaan valttia, ja te korotitte panoksen kaksinkertaiseksi. Olette
pettänyt minua, herraseni, se on selvä totuus!»

»Monsieuria on helppo pettää — kun hän pelaa kuvastin

takanaan», huomautin minä kuivasti.

Yleisö remahti nauruun, joka olisi voinut kuulua kadulle asti; se

houkutteli pöytämme luo kaikki ne majatalon vieraat, joita hänen
äänekäs huudahduksensa ei ollut jo saanut siirtymään sijoiltaan.
Mutta minä pysyin äkäisen näköisenä. Odotin kunnes oltiin taas
hiljaa, viittasin sitten paria kolmea meidän ja oven väliin asettunutta
vetäytymään syrjään ja osoitin tuimasti oveen.

»St. Jacquesin kirkon takana on pikku aukio, herra

ulkomaalainen», sanoin pannessani hatun päähäni ja heittäessäni
viitan käsivarrelleni. »Kai seuraatte minua sinne?»

Hän sieppasi hattunsa, kasvot tulipunaisina häpeästä ja

suuttumuksesta.

»Mielihyvin!» huudahti hän. »Hornan kitaan, jos mielenne tekee!»

Katsoin asian päätetyksi, mutta silloin laski markiisi kätensä

nuoren miekkosen käsivarrelle ja pidätti hänet.

»Se ei saa tapahtua», sanoi hän kääntyen nuorukaisesta minuun

ylpeänä ja ylhäisenä sävyltään. »Te tunnette minut, herra de Berault.
Tämä on jo mennyt kyllin pitkälle.»

»Liian pitkälle, herra de Pombal», vastasin terävästi. »Mutta jos

haluatte asettua ystävänne sijalle, ei minulla ole mitään sitä
vastaan.»

»Ei, kiitos!» epäsi hän huolettomasti kohauttaen olkapäitään.

»Tunnen teidät enkä taistele teidänlaistenne kanssa. Eikä sitä
tarvitse tämänkään herran tehdä.»

»Ei tietystikään», vastasin kumartuen syvään, »jos häntä

miellyttää paremmin kelpo selkäsauna kadulla.»

Se pisti markiisia.

»Varokaa itseänne! Varokaa itseänne!» huusi hän

kiivastuksissaan.
»Menette liian pitkälle, herra Berault.»

»De Berault, sallikaa minun pyytää», muistutin ankarin katsein.

»Minun suvullani on de ollut aateluuden merkkinä yhtä kauan kuin
teidänkin, herra de Pombal.»

Sitä hän ei voinut kieltää, ja hän vastasikin: »Kuten suvaitsette»,

samalla koettaen tyynnyttää ystäväänsä kädenliikkeellä. »Mutta
silti», jatkoi hän, »on teidän paras noudattaa varoitustani. Kardinaali
on kieltänyt kaksintaistelut, ja tällä kertaa hän tarkoittaa täyttä totta!
Olette kerran joutunut kiinni sellaisesta ja päässyt vapaaksi. Toinen
kerta voi käydä teille arveluttavammaksi. Antakaa tämän herran olla
siis rauhassa, herra de Berault. Sitäpaitsi — ettekö häpeä, mies!»
huudahti hän kuohahtaen; »hänhän on pelkkä poika!»
 Takanani jotkut yhtyivät hänen sanoihinsa. Mutta minä käännähdin
katsomaan heihin, ja silloin he olivat hiljaa kuin hiiret.

»Hänen ikänsä ei kuulu minuun», huomautin vihaisesti. »Olihan

hän kyllin vanha loukatakseen minua vastikään.»

»Ja minä näytän toteen mitä sanoin!» huudahti nuorukainen, jonka

suuttumus nyt viimein kuohahti valloilleen. Hän oli uljasluontoinen, ja
markiisin oli ollut hyvin vaikea pysyttää häntä niin kauan vaiti. »Ette
tee minulle mitään palvelusta, herra de Pombal», jatkoi hän ja työnsi
ystävänsä käden ärtyneesti sivulle. »Teidän luvallanne suoriudumme
tämä herra ja minä kahden kesken asiasta.»

»Parasta on», sanoin minä kylmäkiskoisesti nyökäten, ja markiisi

vetäytyi syrjään tyytymättömänä ja neuvottomana, »Sallikaa minun
näyttää tietä.»

Zatonin majatalo on tuskin sadan jalan päässä St. Jacques la

Boucheriesta, ja puolet seuruetta saattoi meitä sinne. Ilta oli kostea,
ulkona hämärsi, ja kadut olivat lokaisia ja liukkaita. St. Antoine-
kadulla näkyi vain harvoja jalankulkijoita, joten joukkueemme, joka
päivän aikaan olisi herättänyt huomiota ja saanut väkeä
keräytymään koolle, pääsi nyt etenemään huomaamattomana ja
esteettömästi päätyi kivetylle, kolmisivuiselle torille ihan kirkon
taakse. Loitompana näin kardinaalin vartiosotureista erään
töllistelemässä uuden Richelieu-hotellin rakennustelineiden
edustalla, ja hänen univormunsa pysähdytti minut
silmänräpäykseksi. Mutta nyt oli katuminen myöhäistä.

Englantilainen alkoi heti riisua takkia yltään. Minä panin omani

kaulaa myöten nappiin, sillä ilma oli kolea. Tällä hetkellä, kun
seisoimme siinä valmistautuen ja useimmat seurueessa näyttivät
olevan taipuisia asettumaan vastustajani puolelle, tunsin käden
laskeutuvan hihalleni ja katsomaan kääntyessäni näin edessäni sen
pienen kääpiömäisen räätälin, jonka talossa Savonnerie-kadun
varrella sillä kertaa asuin. Sen pahuksen läsnäolo ei lievimmin
sanoen ollut tervetullut, ja vaikka paremman seuran puutteessa olin
toisinaan sallinut hänen puhella kanssani vapaasti kotioloissa, en
kuitenkaan katsonut hänelle soveliaaksi kiusata minua seurassa.
Sentähden ravistin hänet irti itsestäni ja toivoin voivani vaientaa
hänet uhkaavalla sävyllä.

Mutta hänestä ei ollut niinkään helppo päästä eroon, ja minun oli

pakko puhua hänelle.

»Myöhemmin, myöhemmin», sanoin hänelle nopeasti. »Nyt

minulla ei ole aikaa.»

»Jumalan tähden, älkää tehkö sitä, hyvä herra!» huudahti tuo

hupelo tarraten kiinni käsivarteeni. »Älkää tehkö sitä! Tuotatte
kirousta talolleni. Hän on vain poika, ja…»

»Tekin!» tiuskasin menettäen kärsivällisyyteni. »Vaiti, rehju! Mitä te

ymmärrätte herrasmiesten kiistoista? Menkää tiehenne!»

»Mutta kardinaali!» huusi hän surkealla äänellä. »Kardinaali, herra

de Berault! Viimeksi surmaamanne mies ei ole vielä unohtunut. Tällä
kertaa hän varmasti…»

»Menkää tiehenne, kuuletteko!» sähisin minä. Vätyksen julkeus

meni yli kaikkien rajojen. Se oli yhtä ärsyttävää kuin hänen
pahanennustuksensakin. »Menkää tiehenne!» kertasin yhä.
»Pelkäätte kai, että hän surmaa minut, jolloin ette saa rahojanne
minulta!»
 Ne sanat kuullessaan Frison hätkähti taaksepäin melkein kuin
olisin lyönyt häntä, ja minä käännyin vastustajaani päin, joka oli
kärsimättömästi odottanut valmistautumistani. Niin, Herra nähköön,
nuorelta hän näytti seistessään siinä avopäin ja vaaleat kiharat
valahtaneina sileälle tyttömäiselle otsalle — pelkkä poikanen hän oli,
vasta päässyt lyseosta, jos sellaista oppilaitosta on Englannissa.
Minua värisytti äkkiä häntä katsellessani: tunsin omantunnon
vihlausta, levottomuutta, aavistusta. Mitä olikaan pikku räätäli
sanonut? Että minä… mutta ei, eihän hän ymmärtänyt mitään. Mitä
hän käsitti sellaisista asioista? Jos jätin tämän asian sikseen, täytyi
minun päivittäin surmata mies tai sitten jättää Pariisi ja majatalo sekä
nähdä nälkää.

»Pyydän tuhannesti anteeksi», sanoin vakavasti, vetäessäni esille

miekkani ja asettuessani paikalleni. »Saarnamies. Olen pahoillani,
että se poloinen sai minut käsiinsä näin sopimattomana hetkenä.
Mutta nyt olen käytettävänänne.»

Hän tervehti miekalla, me laskimme aseemme ristiin ja aloitimme.

Mutta ensi hetkestä saakka oli minulla selvillä, mikä olisi loppuna.
Liukkaat kivet ja haipuva valo soivat hänelle tosin hiukan
mahdollisuutta, jonkun verran etua, enemmän kuin hän ansaitsi:
mutta tuskin oli miekkani koskettanut hänen kalpaansa, kun jo tiesin,
ettei hän ollut mikään taituri. Hän oli ehkä saanut muutaman tunnin
miekkailuopetusta ja sitten harjoitellut sen perusteella jonkun yhtä
kömpelön englantilaisen kanssa kuin hän itsekin oli. Mutta siinä
kaikki. Hän teki muutamia hurjia hyökkäyksiä ja väisteli suurin
heilautuksin. Torjuttuani ne tiesin, että vaara oli ohi, ja nyt hän oli
minun vallassani.
 Leikittelin hänen kanssaan tovin, näin hikihelmiä kihoilevan hänen
otsalleen ja kirkontornin varjon lankeavan yhä synkempänä ja
tummempana hänen kasvoilleen kuin kuolemantuomion enteenä.
Mutta se ei ollut julmuutta — sillä Jumala tietää, etten milloinkaan ole
harhaantunut siihen suuntaan! Minä vain ensi kertaa elämässäni
tunsin kummallista vastahakoisuutta ratkaisevaan pistoon. Suortuvat
olivat kuin liimattuja hänen otsaansa, hän hengitti läähättäen; kuulin
miesten jupisevan takanani ja muutamien kiroavan ja sitten
liukastuin — liukastuin ja makasin seuraavassa silmänräpäyksessä
oikealla kyljelläni, ja kyynäspääni olin lyönyt niin tuimasti kiveen, että
käsivarteni turtui ranteeseen asti.

Hän pysähtyi. Kuulin kymmenkunnan äänen hälisevän ympärilläni:

»Nyt! Nyt saitte hänet!» Mutta hän pidättyi. Vetäytyen askeleen
taaksepäin hän odotti sitten huohottaen ja miekan kärki maahan
käännettynä, kunnes olin noussut ja taas seisoin varoasennossa.

»Riittää! Riittää!» huusi karski ääni takanani. »Älkää satuttako

miestä tuon jälkeen.»

»Puolustusasentoon, herraseni!» vastasin kylmästi, sillä hän näytti

empivän. »Se oli sattuma. Sitä ei tapahdu uudestaan.»

Useat äänet huusivat: »Ettekö häpeä?» ja yksi: »Kunnoton

heittiö!» Mutta englantilainen astui esiin, tiukka ilme sinisissä
silmissään. Hän ojentausi asentoon sanaakaan hiiskumatta. Luin
hänen jäykistä, kalpeista kasvoistaan, että hän oli valmistautunut
pahimpaan, ja hänen urheutensa herätti minussa sellaista ihailua,
että olisin ilomielin ja kiitollisesti asettanut katselijoista kenet hyvänsä
hänen tilalleen; mutta sehän ei käynyt päinsä. Sentähden
mietiskelin, että Zatonin majatalo nyt oli suljettu minulta, ajattelin
Pombalin loukkausta, niitä halveksivia katseita ja olkapäiden
kohautuksia, joita olin kauan pidätellyt miekkani kärjellä, ja äkkiä tein
kiivaan hyökkäyksen, teeskennellen katkeroitumista, — hän torjui
veltommin kuin ennen ja sai rintansa lävistetyksi.

Nähdessäni hänen makaavan pitkällään kiveyksellä, silmät

puoliummessa ja kasvot hohtavan valkeina hämärässä — en häntä
kuitenkaan kauan saanut katsella, sillä silmänräpäyksessä oli
puolikymmentä miestä polvistunut hänen ympärilleen — tunsin
omituisen piston sydämessäni. Mutta se taukosi heti, sillä nyt
huomasin olevani vihasta säkenöivien kasvojen saartamana —
miehet pysyivät kyllä hiukan loitolla minusta, mutta sähisivät,
noituivat ja uhkailivat minua, kirosivat minua »mustaksi surmaksi» ja
sen sellaiseksi.

Useimmat olivat roskaväkeä, jota oli kerääntynyt taistelun aikana;

he olivat aidan takaa pitäneet kaikkea silmällä. Toiset menosivat ja
raivosivat minua vastaan kuin sudet, nimitellen minua »pyöveliksi» ja
»murhaajaksi» tai kirkuen, että Berault oli jälleen ammatissaan;
toiset taasen uhkasivat minua kardinaalin kostolla, muistuttelivat
minulle kaksintaistelukieltoa ja huutelivat vahingoniloisesti, että
vartioväki oli tulossa ja että minut pian saataisiin nähdä hirsipuussa.

»Teillä on hänen henkensä omallatunnollanne!» kiljui joku

raivoissaan.
»Tunnin kuluttua hän on ruumiina. Ja siitä teidät hirtetään. Hih!»

»Tiehesi siitä!» sanoin minä.

»Kyllä, Montfauconiin», vastasi hän ilkkuen.

»Ei, koirankoppiisi!» vastasin minä ja iskin häneen katseen, joka

sai hänet kavahtamaan askeleen taaksepäin, vaikka aita oli
välillämme. Pyyhin huolellisesti säiläni ja vetäysin hiukan syrjään.
Sillä — niin, sen käsitin kyllä — nyt oli sellainen hetki, jolloin ihminen
ei ole kansan suosiossa. Majatalosta mukana tulleet katselivat minua
syrjäsilmäyksin ja lähestyessäni käänsivät minulle selkänsä; ja tuskin
olivat kohteliaampia nekään, jotka olivat liittyneet joukkoon
jälkeenpäin ja päässeet sen jatkona aukiolle.

Mutta mikään ei voinut järkyttää kylmäverisyyttäni. Painoin otsalle

hattuni, vedin viitan hartioilleni ja tein ryntäyksen, joka karkoitti liudan
portilta ennen kuin olin ehtinyt montakaan askelta sinne päin.
Ulkopuolella seisoskelleet lurjukset peräytyivät yhtä joutuisasti, ja
tuossa tuokiossa olin kadulla. Seuraavassa hetkessä olisin jättänyt
torin taakseni ja päässyt ensi aluksi syrjäisyyteen, mutta silloin kuulin
ihan odottamattani kiireisiä askelia ympärilläni. Väkijoukko pakeni
joka suunnalle pimeässä, ja kädenkäänteessä minut piiritti
kymmenkunta kardinaalin vartiosoturia.

Olin hiukan tuttu upseerin kanssa, joka johti osastoa, ja hän

tervehti minua kohteliaasti.

»Tämä on ikävä juttu, herra de Berault», sanoi hän. »Mies on

kuulemma kuollut.»

»Ei kuollut eikä kuolemaisillaan», vastasin huolettomasti. »Jos ei

ole muusta puhetta niin voitte mennä takaisin kotiin.»

»Kyllä, teidän seurassanne», vastasi hän irvistäen. »Ja mitä

pikemmin, sen parempi, koska satelee. Minun pitänee pyytää teiltä
miekkanne.»

»Ottakaa», sanoin ainaista tyyneyttäni menettämättä. »Mutta mies

ei kuole.»
 »Toivon sen auttavan asiaanne», vastasi hän, mutta hänen
äänensävystään en pitänyt. »Käännös vasempaan, ystävät!
Chateletiin! Mars!»

»On pahempiakin paikkoja», huomautin minä ja alistuin

kohtalooni. Olin ennenkin ollut tyrmässä ja tiesin, että oli ainoastaan
yksi vankila, josta kukaan ei voi karata.

Mutta kun huomasin, että ystäväni oli saanut käskyn luovuttaa

minut vartijain käsiin ja että minut teljettäisiin koppiin kuten tavallinen
pahan tekijä, joka on tavattu taskuvarkaudesta tai
kurkunleikkaamisesta, myönnän miehuuteni talttuneen. Jos pääsisin
kardinaalin puheille, kävisi kaikki luultavasti hyvin, mutta ellen siinä
onnistuisi tai jos tapaus ilmoitettaisiin hänelle nurjassa muodossa tai
jos hän itse sattuisi olemaan huonolla tuulella, silloin voisi minut
paha periä. Kieltojulistuksessa puhuttiin kuolemanrangaistuksesta.

Eikä Chateletin vankilanpäällikkö suinkaan vaivautunut

rohkaisemaan minua.

»Mitä nyt, taasko herra de Berault!» sanoi hän rypistäen kulmiaan,

kun otti minut vastaan portilla ja tunsi kasvoni maljalampun valossa,
jota hänen väkensä juuri sytytti ulkona. »Olette kovin rohkeamielinen
tai ajattelematon, tullessanne tänne uudestaan. Vanha juttu jälleen,
arvattavasti?»

»Niin, mutta hän ei ole kuollut», vastasin tyynesti. »Vain pikku

nirhama, pelkkä naarmu. Se tapahtui St. Jacqueskirkon takana.»

»Hän näytti kyllin kuolleelta, ystäväiseni», huomautti vartioupseeri,

joka ei ollut vielä mennyt tiehensä.
 »Joutavia!» vastasin halveksivasti. »Oletteko milloinkaan kuullut
minun erehtyvän? Kun surmaan miehen, niin surmaan hänet.
Tahdoin nimenomaan säästää sen englantilaisen. Sentähden hän
jää eloon.»

»Toivon sitä», sanoi upseeri nuivasti hymyillen. »Ja parasta on

itsellennekin, herra de Berault, jos voitte sitä toivoa. Sillä muutoin…»

»No?» kysyin hiukan levottomana. »Mitä muutoin?»

»Pelkään hänen jäävän viimeiseksi miekkailukumppaniksenne»,

vastasi hän. »Ja jos hän elääkin, en kuitenkaan olisi liian varma,
ystäväiseni. Tällä kertaa on kardinaalin aikomuksena tehdä loppu
kaikesta tuollaisesta.»

»Hän ja minä olemme vanhoja ystävyksiä», sanoin luottavasti.

»Olen kuullut sen», virkkoi hän naurahtaen. »Samaa sanottiin kyllä

Chalaisistakin. Mutta muistaakseni se ei pelastanut hänen
henkeään.»

Tämä ei kuulostanut rauhoittavalta. Mutta pahempaa oli tulossa.

Aikaisin aamulla tuli käsky, että minua oli kohdeltava mitä
ankarimmin, ja minä sain valita joko kahleet tai maanalaisen kopin.
Valitsin jälkimäisen, ja minut jätettiin yksikseni mietiskelemään sitä ja
tätä, muun muassa kardinaalin merkillistä oikullisuutta. Tiesin hänen
mielellään leikittelevän ihmisten kanssa kuin kissa hiiren, ja pohdin
mitä hankalia seurauksia miekan pisto voi joskus tuottaa, olipa se
kuinkakin taitavasti suoritettu. Vapautuakseni näistä ja muista
rasittavista mietteistäni pyysin viimein lainaksi pari arpanoppaa, ja
kun alhaalla holvissa oli päivän hämyä juuri sen verran, että voin
laskea noppien silmät, kulutin aikaani tuntikausia heitellen niitä
järjestelmän mukaan, jonka olin itse keksinyt. Mutta alituisesti
uudistunut pitkä sarja teki laskelmani tyhjiksi ja pakotti minut lopulta
siihen päätelmään, että huono onni voi itsepintaisuudellaan voittaa
teräväjärkisimmänkin pelaajan. Se ei suinkaan ollut mikään mieluisa
tulos sellaisella hetkellä.

Muuta seuraa ei minulla kuitenkaan ollut kolmen päivän mittaan.

Vanginvartija-heittiö, joka minua vartioitsi, ei koskaan väsynyt
tuollaisten ihmisten tavalliseen tapaan huomauttelemasta minulle,
että minut hirtetään, mutta sitten hän tuli vähemmän varman
näköisenä luokseni.

»Tahtoisitte kenties hiukan vettä?» sanoi hän kohteliaasti.

»Miksi, hirtehinen?» kysyin minä.

»Peseytyäksenne», vastasi hän.

»Vettä pyysin teiltä eilen, mutta sitä ette suonut minulle», murisin
minä. »No niin, parempi myöhään kuin ei milloinkaan. Menkää
hakemaan. Jos minut hirtetään, niin tahdon tulla hirtetyksi kuten
ritari. Mutta siitä saatte olla varma, että kardinaali ei tee sellaista
kurjaa kepposta vanhalle ystävälle.»

»Teidät viedään hänen luokseen», ilmoitti vartija, kun tuli takaisin

vettä noutamasta.

»Mitä? Kardinaalin luokse?»

»Niin.»

»Hyvä!» huudahdin minä ja hyppäsin jalkeille huojentuneena ja

iloisena, käyden heti siistimään itseäni. »Olen siis koko ajan tehnyt
hänelle vääryyttä», jatkoin. »Vive monseigneur! Kauan eläköön
Luchonin pikkarainen piispa! Olisihan minun pitänyt se tietääkin.»

»Älkää tekeytykö liian varmaksi!» vastasi mies häijysti. Sitten hän

pitkitti: »Minulla on muutakin teille. Eräs ystävänne jätti tämän
portilla.»

Hän ojensi minulle pienen käärön.

»Ahaa!» sanoin minä tarkastellen hänen konnamaisia kasvojaan.

»Ja te piditte sitä niin kauan kuin uskalsitte — niin kauan kuin
luulitte, että minut hirtetään, roisto! Eikö niin? Kas niin, älkää
valehdelko minulle. Sanokaa sen sijaan, kuka ystäväni tämän antoi.»
Sillä totta puhuen ei minulla siihen aikaan ollut montakaan ystävää,
ja ne kymmenen kultarahaa, jotka käärö sisälsi — ei enempää eikä
vähempää — todistivat, että sen täytyi olla vankka ystävä, ystävä,
josta saattoi täydellä syyllä ylpeillä.

Vintiö tyrskähti ilkeästi.

»Sen antoi pieni köyryselkäinen kääpiö», sanoi hän. »Voisin

arvata hänet räätäliksi, paljoakaan erehtymättä.»

»Kah!» vastasin minä, mutta olin kuitenkin hiukan hämilläni. »Nyt

käsitän. Varsin kelpo mies, ja hän oli minulle hiukan velkaa. Minua
ilahduttaa, että hän muisti saamiseni. Mutta milloin lähden,
ystäväiseni?»

»Tunnin päästä», vastasi hän nyreästi. Hän oli tietenkin odottanut

saavansa yhden kultarahoista, mutta siihen haaskaukseen olin liian
vanha ja kokenut. Jos minut tuotaisiin takaisin, voisin ostaa hänen
palveluksiaan, mutta muussa tapauksessa olisin heittänyt rahani
hukkaan.

Mutta tovin kuluttua, kun olin matkalla Richelieu-hotelliin niin lujan

vartioston saattamana, etten voinut nähdä kadulla muuta kuin
sotamiehiä lähimpänä ympäristönäni, olisin suonut antaneeni hänelle
lahjapalkkion. Sellaisissa tilanteissa, kun kaikki on pelissä ja taivas
on pilvessä, tulee ajatelleeksi kaikkea mahdollista vanhaa
taikauskoa ja kuvittelee mielellään, että kultaraha, jonka antaa täällä,
voi hyödyttää siellä — vaikka siellä olisikin sadan penikulman
päässä.

Palais Richelieu oli siihen aikaan rakenteella, ja meidän käskettiin

odottaa pitkässä, paljaassa käytävässä, jossa muurarit tekivät
työtään. Siinä sain seistä runsaan tunnin ja synkästi aprikoida sen
suuren miehen kummallisia päähänpistoja, joka silloin hallitsi
Ranskaa kuninkaan sijaisena, kuninkaan mahdin ja käskyvallan
saaneena, ja jonka hengen kerran olin tullut pelastaneeksi pienellä
oikeaan aikaan tehdyllä ilmoituksella. Hän oli tilaisuuden tullen
melkoisesti maksanut tätä velkaa takaisin, ja toisin ajoin hän oli
sallinut minun esiintyä jokseenkin tuttavallisesti hänen parissaan;
emme siis olleet tuntemattomia toisillemme.

Kuitenkin itseluottamukseni sai iskun, kun ovet vihdoin avattiin ja

minut vietiin hänen luokseen. Hänen kylmäkiskoinen katseensa
tarkasteli minua kuin kuollutta esinettä, ja hänen etelämaalaisten
silmiensä teräksinen kiilto nostatti kylmiä väreitä selkäpiissäni.

Miehuus, josta muulloin ylpeilin, lannistui hänet nähdessäni. Tuo

mies näytti olevan ilman sydäntä. Hetkisen, hänen seistessään
minua katsellen ja ennen kuin hän puhutteli minua, pidin itseäni
menneenä miehenä. Hänen silmissään välkähti julma tyytyväisyys,
joka varoitti minua ennen kuin hän avasi suutansakaan.

»En olisi nyt voinut saada parempaa saalista, herra de Berault»,

sanoi hän ilkeästi hymyillen, hiljaa silitellessään kissaa, joka oli
hypännyt pöydälle hänen viereensä. »Vanha syntipukki ja
erinomainen esimerkki muille varoitukseksi. Ette tosin kaiketikaan
jää viimeiseksi. Mutta hyvänä alkuna olette korkeammankin riistan
kaappaamiseen.»

»Monseigneur on itse kantanut miekkaa», puhkesin minä

sanomaan. Huone tuntui pimenevän ja ilma kylmenevän. En ole
milloinkaan elämässäni ollut niin lähellä pelkoa.

»Kyllä», sanoi hän hienosti hymyillen, »entä sitten?»

»Ette voi olla liian ankara köyhää aatelismiestä kohtaan hänen

virheistään.»

»Hän ei saa kovempaa rangaistusta kuin rikaskaan», vastasi hän

rauhallisesti ja silitti kissan turkkia. »Siitä voitte olla hyvillänne, herra
de Berault. Onko teillä muuta sanottavaa?»

»Olen kerran tehnyt teidän ylhäisyydellenne palveluksen», sanoin

epätoivoissani.

»Sen olen maksanut», sanoi hän, »useammin kuin kerran. Mutta

sen takia vain otinkin teidät nyt puheilleni.»

»Kuninkaallinen armollisuus…!» huudahdin tarttuen oljenkorteen,

jonka hän näytti ojentaneen minulle.