沙特阿拉伯加入mBridge项目，这是一个由国际清算银行（BIS）和中国牵头成立的央行数字货币（CBDC）跨境试验项目，旨在促进即时跨境支付。这一举动显示出沙特阿拉伯的战略灵活性，使其能够接受人民币等其他货币，同时不冒犯美国。沙特央行加入mBridge项目可能对石油美元体系构成威胁，因为沙特及其他石油生产国正逐渐减少在能源贸易中使用美元。 以下是关于沙特加入mBridge项目和石油美元体系的一些重要信息： 综上所述，沙特阿拉伯加入mBridge项目显示出其战略灵活性，使其能够接受其他货币，同时减少对美元的依赖。这一举措可能对石油美元体系构成威胁，并加速全球石油贸易的去美元化趋势。 Learn more: [...]
随着聊天机器人、语言模型和语音技术的快速发展，人们越来越渴望创造能够通过自然语言或直接语音与人类无缝交互的系统。本文将探讨如何将对话系统研究置于具身智能的更广阔背景下，借鉴神经生物学和神经心理学中的概念，定义一种能够融合手工设计和人工神经网络的行为架构，为未来模仿学习或指令学习等新学习方法打开大门。 传统对话系统的局限性 传统的语音助手通常采用一种简单的线性信息流架构，从语音识别到自然语言理解，再到对话管理和自然语言生成，最终输出文本或语音。这种架构虽然在处理简单任务方面表现出色，但面临着一些挑战： 另一方面，手工设计的对话系统虽然易于开发，可控性高，但扩展性存在局限，难以应对复杂多变的对话场景。 借鉴神经科学：Miron系统 本文提出了一种名为“Miron”的系统，其灵感来源于神经科学中的镜像神经元理论。镜像神经元在动物执行特定动作时以及观察其他个体执行相同动作时都会被激活，这表明动作理解和动作生成可能共享相同的表征。 Miron系统将这一概念应用于自然语言理解 (NLU) 和自然语言生成 (NLG) 模块，将一个特定的意图 (intent) 与一组用于识别和生成该意图的模板句子联系起来。每个Miron还包含一个可选的数据结构，用于描述模板句子中使用的命名实体 (named entities)，例如日期、地点、人物等。 Miron系统的优势： 具身智能和多模态交互 除了文本对话，具身智能系统还可以通过虚拟化身或物理机器人与人类进行多模态交互，例如眼神、表情、手势等。Miron系统可以通过文本形式表示多模态信息，实现多模态交互。 对话/行为引擎：基于递归神经网络的架构 为了处理异步感知事件 (例如语音、传感器信号) 并生成相应的反应，本文提出了一种基于递归神经网络 (RNN) 的对话/行为引擎。该引擎将状态定义为规则，每个规则对应一个状态，当其条件满足时，就会执行一组关联的动作。 行为引擎的架构： 内部语言：模拟人类的思考过程 人类可以通过“内部语言”进行思考，例如回忆记忆或想象场景。本文借鉴这一概念，允许对话系统通过内部 Miron 意图触发行为，就像外部用户发出指令一样。 模型驱动开发：图形化 [...]