但大量財富與高度經濟發展的背後，究竟新加坡是否真如表面般光鮮亮麗，也是值得探討的。

美國與阿富汗極端民兵組織塔利班（Taliban，又稱神學士）目前正進行和平談判，川普原定8日與塔利班領導人會晤，不料在美國時間7日晚間川普卻透過推特宣布：塔利班近日犯下的爆炸案造成一名美軍死亡，決定取消隔日與塔利班領導人的會談。」從美國與塔利班和談至今，塔利班一再表示，在美軍退出之前不會停火。

川普推文說：「幾乎沒人知道，塔利班主要領導人和阿富汗總統星期日原將分別和我在大衛營（Camp David，位於美國馬里蘭州，是總統度假地點）秘密會晤，他們將於今晚抵達美國。」喀布爾的政治分析家哈迪姆（Intizar Khadim）也認為，川普的舉動是「一種談判策略」，「我不會稱它為『取消談判』，只是延遲或暫停。《半島電視台》報導，前美國國務院前官員史泰西（Jeff Stacey）表示，川普突然宣布終止和談，「是積極的跡象，表示川普認真看待與塔利班的談判。但不少美國民眾認為，反恐戰爭耗費鉅資，卻無法有效遏止伊斯蘭國（Islamic State，IS）等的穆斯林極端組織崛起，證明反恐戰爭失敗，因此，美國社會一直存在撤軍阿富汗、停止反恐戰爭的呼聲。蓬佩奧8日接受《福斯週日新聞》（Fox News Sunday）訪問時表示，美國已將阿富汗特使哈里札德（Zalmay Khalilzad）召回華府，以規劃未來步驟。

」川普原計劃8日會晤塔利班領導人，討論有關美國撤軍阿富汗的協議。」專長國際關係、軍事的王臻明曾於《方格子》專欄指出，911攻擊事件後，美國就展開了近20年的反恐戰爭，包括長達18年的阿富汗戰爭。那時的人工智慧電腦已經成功建立3個層級，但在增加層級時屢屢遭遇困難，加上當時電腦的運算能力不足，使得人工智慧的發展要等到50年後出現了深度學習技術才突破瓶頸。

這意味著，監督學習的AI單純屬於人類的工具。這意思是，單一層會在從影像擷取出特徵值以後，再將該特徵值復原回到原本的影像中。AI的自動學習不等於人類的自動學習 深度學習的自動辨識並不是自發性執行辨識但有一點必須注意，深度學習等電腦技法所建立的人工神經元活動，和真實生物體的大腦相比，其實有相當程度的簡略，頂多只是辨別對象的結果和人類的認知相同而已。

這革新對工程師來說是莫大恩惠，而且最重要的是，誕生了能自動執行人腦機能的機器，因而令人震驚不已。人類會自發性地萌生想要辨認對象是什麼的念頭，但深度學習不會。

當然，這個需要教導才能學習的AI，是接受人類給予目標──讀取郵遞區號數字──以後才會開始動作。簡而言之，現在的情況是：人類預先給予AI「正確辨識對象」這項目標，然後深度學習才會自動執行正確辨識對象的任務。這意思是：所謂能深度學習的AI，同樣只是聽人類命令行事的工具罷了。相對的，深度學習不需要老師教導，它能自動學習特徵值，屬於「無監督學習」（unsupervised learning）。

這與人們見到不認識的新對象時「不用誰教，自己就會去捕捉該對象的特徵，以與其他對象作區分，同時認識新對象」的機制有相同效果。為什麼深度學習可以不需要老師，也就是在「無監督」的情況下自動且正確辨識對象呢？問得具體一點，以谷歌辨認貓的例子來說，為什麼從YouTube輸入的影像，也就是攝影對象的貓與AI輸出的辨識結果──貓的影像能夠一致？ 這是一種稱為「自動編碼器」（autoencoder）的機器技法，在2006年時由AI研究者傑弗里．埃弗里斯特．辛頓（Geoffrey Everest Hinton）開發問世。例如第一層叫做A層，它在辨識出對象貓的鬍鬚線條以後，會把鬍鬚的線條再重組回去貓的影像中。儘管現階段還沒辦法單憑深度學習技術打造出能夠超越人類的AI，但是我們已經能夠想像沙納漢點出的問題──即使以機器學習為出發點的AI開發參考了人類的大腦，人們無法理解的AI舉動還是會愈來愈多──而且也已經能夠理解，那是因為機器執行辨識的過程和人類不同。

藉由這項壓縮作業，AI就能「獲得代表輸入資訊的恰當『特徵』」（岡本貴之的官網「人工智慧講堂」）。AI的自動學習不等於人類的自動學習 深度學習的自動辨識並不是自發性執行辨識。

「自動編碼器」誕生以後才終於突破瓶頸，促使神經網路有了飛躍性的進展。當然，現在也還在沿用這種方法。

所以，深度學習的無監督式學習核心技術就是「自動編碼器」。那麼，「自動編碼器」又是什麼？簡單來說，這種機器技法是AI裝置為了讓輸出與輸入的資訊一致，而在內部進行資訊比對。這一點正是深度學習與人類的不同之處。這意味著，監督學習的AI單純屬於人類的工具。深度學習技術出現以前，人們設計的程式必須將對象的特徵一一傳授給AI，單憑想像就能知道，那工程有多麼浩大。深度學習從神經網路發展而來，後來發展得更精緻之處，就是提升了自動辨識對象與辨識精確度兩方面。

在那以前，人們必須逐一傳授特徵值給AI，亦即AI也需要老師的意思。在那以前，AI開發一直遭遇瓶頸，只要增加神經網路的層級數就無法順暢運作。

AI在這個階段還無法超越人類，或像其他生命體一樣行動的原因就在這裡。而且，每一層都會重複這項作業，以確保每一層擷取到的特徵值都能與原影像一致，以確保對於對象的認識直到最後階段的輸出層都是正確的。

這話怎麼說呢？ 我們不妨再次回到人類必須教導AI的「監督學習」，從那裡思考。所以，即使現在的深度學習已經是能夠自動學習的機器，依然不算是能自發性自主學習的機器，因為它還沒有變成像人類這樣會基於好奇等因素而去學習的裝置，它不會督促自己去設定目的或目標。

至於辨識過程，儘管也和人類大腦類似，實際上卻相差甚遠。藉由以上作業，深度學習能克服增加中間層所衍生的困難，一步步正確辨識出對象就是貓。但是請回想一下，既然深度學習的核心是自動編碼器，那麼搭載自動編碼器這件事不就等同於「人類預先對深度學習下指令，要求AI必須正確辨識」嗎？ 因此，AI研究者、東京大學的副教授松尾豐點出，「告訴AI『運算的目的』」才是關鍵。深度學習的關鍵：自動編碼 其實，早在50年前AI草創時期就已有人工神經網路的構想。

這意思是，單一層會在從影像擷取出特徵值以後，再將該特徵值復原回到原本的影像中。這稱為「監督式學習」（supervised learning）。

那時的人工智慧電腦已經成功建立3個層級，但在增加層級時屢屢遭遇困難，加上當時電腦的運算能力不足，使得人工智慧的發展要等到50年後出現了深度學習技術才突破瓶頸。的確，從這一點來看，AI很像在模仿人類大腦。

以專業術語說明就是：AI會先壓縮輸入資訊，輸出時再將資訊恢復成原本大小。那麼深度學習，也就是無監督學習的AI又是怎麼回事？它能從YouTube的影像獲得提示，自己從影像去認識貓。

文：高橋透 AI與人腦的差異在於自主辨識能力 深度學習技術的劃時代意義在於：AI並非受到教導才去挑選特徵值，而是AI自主行動。一旦人類給予指令或目標，深度學習就得忠實地聽命行事。假設人類想要AI讀取的影像是郵遞區號，那麼人類必須先把0到9的各個數字特徵值──教給AI然而其他模式也曾經被提出，用以辨識、處理及解決道德案例——其中原則主義（principisme）是案例推理的對立潮流。

有些義務是沒有任何形勢能夠壓倒它們的。行動的道德價值並非永恆不變。

古代悲劇充滿這一類的題材：埃斯庫羅斯（Eschyle）、《阿伽曼農（Agamemnon）》、索福克里斯（Sophocle）、《安提岡妮（Antigone）》、歐里庇得斯（Euripide）、《米蒂亞（Médée）》。在這些彼此處於競爭的義務中，義務的計算將使我們能接受損害最少的義務（例如，假若總是必須信守承諾， I, X, 32）。

因此，如果一個人的朋友是暴君，他可以殺了這個朋友（這個行為是公正的，因為它是有益的，III, IV, 19）。年長者需承擔較少的身體勞動（I, XXXIV, 122-123）。