在我的世界中，B站UP主搭建世界首个纯红石神经网络，图灵奖得主Yann LeCun转赞人工智能与算法学习共 1923字，需浏览 4分钟 ·2022-07-15 19:56 机器之心报道编辑：杜伟神奇的红石，神奇的我的世界，不可思议的 UP 主。在我的世界（Minecraft）中，红石是一种非常重要的物品。它是游戏中的一种独特材料，开关、红石火把和红石块等能对导线或物体提供类似电流的能量。红石电路可以为你建造用于控制或激活其他机械的结构，其本身既可以被设计为用于响应玩家的手动激活，也可以反复输出信号或者响应非玩家引发的变化，如生物移动、物品掉落、植物生长、日夜更替等等。因此，在我的世界中，红石能够控制的机械类别极其多，小到简单机械如自动门、光开关和频闪电源，大到占地巨大的电梯、自动农场、小游戏平台甚至游戏内建的计算机。近日，B 站 UP 主 @辰占鳌头等人在我的世界中实现了真正的「红石人工智能」，他们耗时六个月，构建了世界上首个纯红石神经网络，任务是识别 15×15 手写数字。作者表示，他们使用非传统的计算方式——随机计算来实现神经网络，在设计和布局上比传统全精度计算简单许多，并且单次理论识别时间仅为 5 分钟。这个纯红石神经网络完成了机器学习领域常见的图像识别任务——手写数字识别，并且准确率达到了 80%（在 MNIST 数据集上模拟）。在实现的过程中，作者使用到的各种元素包括如下：单个神经元接受多个输入并产生一个输出。加入「乘法器」，仅使用随机数和单个逻辑门运算小数乘法。神经元阵列输出识别结果或传递到下一层。各数字的置信度。卷积层用来提取笔画特征。全连接第一层：压缩信息并分类。激活函数阵列：将数据非线性地映射到高维特征空间。全连接第二、三层：进一步分类并输出识别结果。作者表示，该网络使用的架构是压缩的 LeNet-5，准确率达到 80%。不过，受限于 Minecraft 的运算能力，实际识别时间超过 20 分钟。尽管如此，这仍是红石数电领域的重大突破，也可能启发现实中的硬件神经网络。目前，视频的播放量已经超过 80 万，全 B 站排行榜最高第 39 名，让各路网友叹为观止。就连图灵奖得主 Yann LeCun 也在 Facebook 上转发了该视频，表示「一位非常有耐心且坚持不懈的人使用红石在我的世界中实现了 LeNet-5。」LeCun 是 LeNet 架构提出者。【Minecraft】世界首个纯红石神经网络！真正的红石人工智能(中文/English)【Minecraft】红石卷积神经网络——原理背后的原理在另外一个视频《【Minecraft】红石卷积神经网络——原理》中，作者详细解释了红石卷积神经网络的原理。总的来说，他们使用的是压缩的 LeNet-5 卷积神经网络，卷积是网络的第一步计算，使用一个带权重的窗口（卷积核）逐次扫描图像并提取笔画特征。然后将这些笔画特征馈入到深度神经网络（全连接层）进行分类识别。在我的世界中实现红石神经网络作者首先列出了输入设备，包括一个单脉冲式压力板手写板和 15×15 坐标屏。其中手写板每次产生 2tick 的坐标信号，接着由屏幕绘制。随后输入的手写数字进入卷积层，计算方法是累加卷积核被遮盖的部分，并将结果输出到下一层。并且，为了保证非线性，输出还经过了 ReLU 函数。由于卷积核只有 3×3，因而作者直接使用了电模运算，并在输出端自动进行 ReLU。另外，又由于卷积无法像动画里那样移动，所以采用了直接堆叠的方式，再通过硬连线连接到手写板输入上。到了全连接层，它的每层由若干神经网络构成。每个神经元都连接多个输入，并产生一个输出。神经元将每个输入加权累加，然后带入一个激活函数输出。需要注意的是，加权求和是「线性分割」，而激活函数一定是非线性的，用于提升维度。作者使用了 tanh（双曲正切）作为了激活函数。反映到实际的神经元电路中，如下图所示。同时，权重被储存在投掷器（用来调整物品配比生成不同频率的随机串）中，输入乘以权重后通过模电累加。最终电路实现关于电路实现，首先通过模电计算加法，然后转为数电信号。累加器则是改装了另一位 Up 主提供的 2tick 流水线加法器，使之不会溢出。接着堆叠神经元，构成一个全连接层。最后一层的输出以及层间缓存使用如下模电计数器，它可以统计 5Hz 串中「1」的数量，容量则为 1024。最后在输出层，计数器的高 4 位被连接到计数板上，然后电路选取最大的值并在输出面板上显示。视频最后，作者展示了最终的网络结构，如下图所示。其中，权重范围为 [-1, 1]，随机串长度为 1024，MNIST 数据集上的准确率约为 80%。不过当串长为 256 时，准确率仅为 62%。——The End——分享收藏点赞在看 浏览 17点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 首个红石AI引爆B站！UP主在我的世界搭建成功SQL数据库开发0图灵奖得主Yann LeCun的六十年极市平台0图灵奖得主Yann LeCun最新访谈！Datawhale0图灵奖得主Yann LeCun：我的论文也被NeurIPS拒了数据派THU0图灵奖得主Yann LeCun：我的论文也被NeurIPS拒了极市平台0图灵奖得主Yann LeCun：我的论文也被NeurIPS拒了Python高校0【行业资讯】图灵奖得主Yann LeCun：人工智能面临的三大挑战水木人工智能学堂0B站UP主的吃饭问题亿欧网0我也做了B站UP主！机器学习初学者0图灵奖得主Yann LeCun万字访谈：DNN“史前文明”、炼金术及新的寒冬机器学习初学者0点赞 评论 收藏 分享 手机扫一扫分享分享 举报
