XiaoMi-AI文件搜索系统
World File Search System原则性
关于“翻译策略”的概念...
土耳其 zkhudaybergenova@bartin.edu.tr 摘要 在现代翻译研究中，“翻译策略”一词被广泛用于描述翻译过程。本文分析了“翻译策略”的概念、该术语的各种定义以及该概念出现的原因。在许多情况下，给定概念的具体内容通常不清楚。同一研究者对该短语赋予不同的内容。“翻译策略”可以表示在一般任务框架内解决特定问题的原则性方法。使用“翻译策略”一词来指代在选择“翻译策略”时制定的目标所使用的方法。此外，在许多情况下，该短语表示特定的翻译技巧。另一方面，“翻译策略”一词用于表示翻译中的一般翻译方法。本文还讨论了翻译策略的原则和内容。对翻译策略的生存力因素进行了解释。 关键词：翻译研究，翻译策略，SL（源语言），TL（目标语言），概率预测，预翻译”分析
阿富汗问题解决战略支持平台...
国际志愿机构理事会 (ICVA) 是一个全球性的非政府组织 (NGO) 网络，其使命是通过集体和独立工作来影响政策和实践，使人道主义行动更有原则性和更有效。ICVA 成立于 1962 年，现已发展成为一个由 160 个非政府组织成员组成的多元化网络，在全球、区域、国家和地方各级的 160 个国家开展业务。自 2016 年以来，根据 ICVA 在 2019 年全球难民论坛上的承诺和 ICVA 的 2022-2024 年战略重点，ICVA 在支持非政府组织参与实施全球难民契约和跟进全球难民论坛方面发挥的作用侧重于信息传播、集体动员，并作为一些具体承诺和全球难民契约安排（如阿富汗难民解决方案战略支持平台）的纽带。 ICVA 在 SSAR 支持平台运营的所有国家都有成员。
大脑转文本
脑机接口可以让失去说话能力的人通过从神经活动中解码预期语音来有效地交流。目前最先进的模型利用循环神经网络将神经活动映射到音素序列，利用维特比算法将音素序列映射到文本，先验概率由大型语言模型给出。我假设这些系统可以通过以下方式得到改进：(a) 识别能够很好地描述日常语音中使用的文本分布的预训练语言模型，(b) 使用转换器而不是 RNN 将神经活动映射到音素。令人惊讶的是，我发现在总机语料库上训练的简单三元语言模型在捕捉口语的统计特性方面优于预训练的大型语言模型。不幸的是，用各种转换器架构替换 RNN 并没有提高神经活动到音素系统的性能。总之，这些结果表明，先验语言模型的原则性选择有可能改善通信神经假体。
采用数字线程进行工程设计
数字线程是一种数据驱动的架构，它将整个产品生命周期中生成的信息链接在一起。尽管数字线程作为一种数字通信框架越来越受到关注，它简化了设计、制造和运营流程，从而更有效地设计、构建和维护工程产品，但描述数字线程如何用于关键设计决策的原则性数学公式仍然缺失。本文的贡献是从不确定条件下数据驱动的设计和决策问题的背景下提出这样的公式。这种公式解释了设计过程是高度迭代的，并不是所有信息都可以同时获得的事实。输出设计决策不仅取决于要收集哪些数据，还取决于收集这些数据的实验和传感器仪器所涉及的成本和收益。通过结构纤维转向复合材料组件的示例设计说明了数学公式。在此示例中，该方法强调了小规模实验在制造和部署方面的不同顺序如何导致不同的设计和不同的相关成本。
一种受大脑启发的低维计算分类器，用于微型设备推理
通过模仿类似大脑的认知并利用并行性，超维计算 (HDC) 分类器已成为实现高效设备推理的轻量级框架。尽管如此，它们有两个根本缺点——启发式训练过程和超高维度——导致推理精度不理想且模型尺寸过大，超出了资源受限严格的微型设备的能力。在本文中，我们解决了这些根本缺点并提出了一种低维计算 (LDC) 替代方案。具体而言，通过将我们的 LDC 分类器映射到等效神经网络，我们使用原则性训练方法优化我们的模型。最重要的是，我们可以提高推理精度，同时成功地将现有 HDC 模型的超高维度降低几个数量级（例如 8000 对 4/64）。我们通过考虑不同的数据集在微型设备上进行推理来进行实验以评估我们的 LDC 分类器，并且在 FPGA 平台上实现不同的模型以进行加速。结果表明，我们的 LDC 分类器比现有的受大脑启发的 HDC 模型具有压倒性优势，特别适合在微型设备上进行推理。
通过二元优化镜头
要控制机器人如何移动，运动计划必须在高维状态空间中计算路径，同时考虑与电动机和关节相关的物理约束，产生平稳稳定的运动，避免障碍物，并防止碰撞。因此，运动计划算法必须平衡竞争需求，并且应非常融合不确定性，以处理噪声，模型错误并促进在复杂环境中的部署。为了解决这些问题，我们基于变异的gaus-sian流程为机器人运动计划介绍了一个框架，该过程统一并概括了基于概率的各种基于概率的运动计划算法，并将它们与基于优化的计划者联系起来。我们的框架提供了一种原则性和灵活的方式，用于基于不平等的基于不平等的不平等和软运动规划的约束，在末端训练期间是直接的，并提供基于间隔和基于蒙特卡洛的不确定性估计值。我们使用不同的环境和机器人进行实验，并根据计划的路径的可行性和障碍避免质量进行比较。结果表明，我们提出的方法在成功率和路径质量之间取得了良好的平衡。
人工智能的优点
摘要 — 几项开创性的伦理倡议为人工智能领域的良好技术发展制定了一系列原则和标准。然而，广泛的批评指出这些原则缺乏实际实现。此后，人工智能伦理经历了一次实践转向，但并没有偏离原则性方法及其相关的许多缺点。本文提出了一种不同的方法。它定义了四种基本的人工智能美德，即正义、诚实、责任和关怀，所有这些都代表了特定的动机设置，构成了人工智能领域道德决策的先决条件。此外，它还定义了两种二级人工智能美德，即审慎和坚韧，它们通过帮助克服有限的道德或许多隐藏的心理力量来支持实现基本美德，这些力量损害了道德决策，而这些力量迄今为止在人工智能伦理中被忽视。最后，本文描述了在从事人工智能研究和开发的组织中成功培养上述美德的措施。
利益相关者参与人工智能
尽管越来越多的人一致认为最终用户和利益相关者应该参与，但当前参与式人工智能的方法之间存在巨大的差异和隐性分歧。例如，研究人员经常将他们的方法描述为“参与式设计研讨会”，但围绕这些研讨会中部署的策略，明显缺乏讨论[29, 53]。例如，研讨会/访谈如何解释利益相关者的不同（有时是相互冲突的）价值观？在传统的以用户为中心的设计或敏捷开发过程中，它们是否或如何比焦点小组和访谈更有效？对于有兴趣采用参与式方法进行人工智能设计/开发的人工智能从业者来说，评估参与式策略或流程在多大程度上能够真正实现包容性或公平性目标仍然具有挑战性。对于有兴趣推动人工智能参与式转变的研究人员来说，就现有方法的优缺点以及我们在未来如何最好地选择这样做进行原则性讨论仍然具有挑战性 [5]。
有意识的人工智能
人工智能 (AI) 的最新进展已使分类任务的速度和准确性达到人类水平。反过来，这些能力使人工智能成为许多人类活动的可行替代品，这些活动的核心是分类，例如低级服务工作中的基本机械和分析任务。当前的系统不需要有意识就可以识别模式并对其进行分类。1 然而，要使人工智能发展到需要直觉和同理心的更复杂的任务，它必须发展出类似于人类自我意识或意识的元思维、创造力和同理心等能力。我们认为，这种范式转变只有通过人工智能向意识的根本转变才有可能实现，这种转变类似于人类通过自然选择和进化过程所发生的转变。因此，本文旨在从理论上探索人工智能出现意识的要求。它还提供了对如何检测有意识的人工智能的原则性理解，以及它如何与寻求最终创造与人类在语言上无法区分的机器的主导范式形成鲜明对比。
对微刺激频率的感知反应在人类体感皮层中空间组织
体感皮层中的微刺激可以唤起人工触觉感知，并且可以整合到双向脑机接口 (BCI) 中，以在受伤或患病后恢复功能。然而，人们对刺激参数本身如何影响感知知之甚少。在这里，我们通过植入患有颈脊髓损伤的人类参与者的体感皮层中的微电极阵列进行刺激，并改变刺激幅度、持续时间和频率。增加幅度和持续时间会增加所有测试电极上的感知强度。令人惊讶的是，我们发现增加频率会在某些电极上引起更强烈的感知，但在大多数电极上引起的感知强度会降低。电极分为三组，它们会唤起不同的感知品质，这些品质取决于刺激频率并在皮层中进行空间组织。这些结果有助于我们不断加深对体感皮层结构和功能的理解，并将促进双向 BCI 刺激策略的原则性发展。