在我的世界（Minecraft）中，紅石是一種非常重要的物品。它是游戲中的一種獨(dú)特材料，開關(guān)、紅石火把和紅石塊等能對(duì)導(dǎo)線或物體提供類似電流的能量。

紅石電路可以為你建造用于控制或激活其他機(jī)械的結(jié)構(gòu)，其本身既可以被設(shè)計(jì)為用于響應(yīng)玩家的手動(dòng)激活，也可以反復(fù)輸出信號(hào)或者響應(yīng)非玩家引發(fā)的變化，如生物移動(dòng)、物品掉落、植物生長(zhǎng)、日夜更替等等。

因此，在我的世界中，紅石能夠控制的機(jī)械類別極其多，小到簡(jiǎn)單機(jī)械如自動(dòng)門、光開關(guān)和頻閃電源，大到占地巨大的電梯、自動(dòng)農(nóng)場(chǎng)、小游戲平臺(tái)甚至游戲內(nèi)建的計(jì)算機(jī)。

近日，B 站 UP 主 @辰占鰲頭等人在我的世界中實(shí)現(xiàn)了真正的「紅石人工智能」，他們耗時(shí)六個(gè)月，構(gòu)建了世界上首個(gè)純紅石神經(jīng)網(wǎng)絡(luò)，任務(wù)是識(shí)別 15×15 手寫數(shù)字。

作者表示，他們使用非傳統(tǒng)的計(jì)算方式——隨機(jī)計(jì)算來(lái)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)，在設(shè)計(jì)和布局上比傳統(tǒng)全精度計(jì)算簡(jiǎn)單許多，并且單次理論識(shí)別時(shí)間僅為 5 分鐘。

這個(gè)純紅石神經(jīng)網(wǎng)絡(luò)完成了機(jī)器學(xué)習(xí)領(lǐng)域常見的圖像識(shí)別任務(wù)——手寫數(shù)字識(shí)別，并且準(zhǔn)確率達(dá)到了 80%（在 MNIST 數(shù)據(jù)集上模擬）。

在實(shí)現(xiàn)的過(guò)程中，作者使用到的各種元素包括如下：

單個(gè)神經(jīng)元接受多個(gè)輸入并產(chǎn)生一個(gè)輸出。

加入「乘法器」，僅使用隨機(jī)數(shù)和單個(gè)邏輯門運(yùn)算小數(shù)乘法。

神經(jīng)元陣列輸出識(shí)別結(jié)果或傳遞到下一層。

各數(shù)字的置信度。

卷積層用來(lái)提取筆畫特征。

全連接第一層：壓縮信息并分類。

激活函數(shù)陣列：將數(shù)據(jù)非線性地映射到高維特征空間。

全連接第二、三層：進(jìn)一步分類并輸出識(shí)別結(jié)果。

作者表示，該網(wǎng)絡(luò)使用的架構(gòu)是壓縮的 LeNet-5，準(zhǔn)確率達(dá)到 80%。

不過(guò)，受限于 Minecraft 的運(yùn)算能力，實(shí)際識(shí)別時(shí)間超過(guò) 20 分鐘。盡管如此，這仍是紅石數(shù)電領(lǐng)域的重大突破，也可能啟發(fā)現(xiàn)實(shí)中的硬件神經(jīng)網(wǎng)絡(luò)。

目前，視頻的播放量已經(jīng)超過(guò) 80 萬(wàn)，全 B 站排行榜最高第 39 名，讓各路網(wǎng)友嘆為觀止。就連圖靈獎(jiǎng)得主 Yann LeCun 也在 Facebook 上轉(zhuǎn)發(fā)了該視頻，表示「一位非常有耐心且堅(jiān)持不懈的人使用紅石在我的世界中實(shí)現(xiàn)了 LeNet-5。」LeCun 是 LeNet 架構(gòu)提出者。

【Minecraft】世界首個(gè)純紅石神經(jīng)網(wǎng)絡(luò)！真正的紅石人工智能(中文/English)【Minecraft】紅石卷積神經(jīng)網(wǎng)絡(luò)——原理

背后的原理

在另外一個(gè)視頻《【Minecraft】紅石卷積神經(jīng)網(wǎng)絡(luò)——原理》中，作者詳細(xì)解釋了紅石卷積神經(jīng)網(wǎng)絡(luò)的原理。

總的來(lái)說(shuō)，他們使用的是壓縮的 LeNet-5 卷積神經(jīng)網(wǎng)絡(luò)，卷積是網(wǎng)絡(luò)的第一步計(jì)算，使用一個(gè)帶權(quán)重的窗口（卷積核）逐次掃描圖像并提取筆畫特征。

?

然后將這些筆畫特征饋入到深度神經(jīng)網(wǎng)絡(luò)（全連接層）進(jìn)行分類識(shí)別。

在我的世界中實(shí)現(xiàn)紅石神經(jīng)網(wǎng)絡(luò)?

作者首先列出了輸入設(shè)備，包括一個(gè)單脈沖式壓力板手寫板和 15×15 坐標(biāo)屏。其中手寫板每次產(chǎn)生 2tick 的坐標(biāo)信號(hào)，接著由屏幕繪制。

隨后輸入的手寫數(shù)字進(jìn)入卷積層，計(jì)算方法是累加卷積核被遮蓋的部分，并將結(jié)果輸出到下一層。并且，為了保證非線性，輸出還經(jīng)過(guò)了 ReLU 函數(shù)。

由于卷積核只有 3×3，因而作者直接使用了電模運(yùn)算，并在輸出端自動(dòng)進(jìn)行 ReLU。

另外，又由于卷積無(wú)法像動(dòng)畫里那樣移動(dòng)，所以采用了直接堆疊的方式，再通過(guò)硬連線連接到手寫板輸入上。

到了全連接層，它的每層由若干神經(jīng)網(wǎng)絡(luò)構(gòu)成。每個(gè)神經(jīng)元都連接多個(gè)輸入，并產(chǎn)生一個(gè)輸出。神經(jīng)元將每個(gè)輸入加權(quán)累加，然后帶入一個(gè)激活函數(shù)輸出。需要注意的是，加權(quán)求和是「線性分割」，而激活函數(shù)一定是非線性的，用于提升維度。作者使用了 tanh（雙曲正切）作為了激活函數(shù)。

反映到實(shí)際的神經(jīng)元電路中，如下圖所示。

同時(shí)，權(quán)重被儲(chǔ)存在投擲器（用來(lái)調(diào)整物品配比生成不同頻率的隨機(jī)串）中，輸入乘以權(quán)重后通過(guò)模電累加。

最終電路實(shí)現(xiàn)

關(guān)于電路實(shí)現(xiàn)，首先通過(guò)模電計(jì)算加法，然后轉(zhuǎn)為數(shù)電信號(hào)。

累加器則是改裝了另一位 Up 主提供的 2tick 流水線加法器，使之不會(huì)溢出。

接著堆疊神經(jīng)元，構(gòu)成一個(gè)全連接層。

最后一層的輸出以及層間緩存使用如下模電計(jì)數(shù)器，它可以統(tǒng)計(jì) 5Hz 串中「1」的數(shù)量，容量則為 1024。

最后在輸出層，計(jì)數(shù)器的高 4 位被連接到計(jì)數(shù)板上，然后電路選取最大的值并在輸出面板上顯示。

視頻最后，作者展示了最終的網(wǎng)絡(luò)結(jié)構(gòu)，如下圖所示。其中，權(quán)重范圍為 [-1, 1]，隨機(jī)串長(zhǎng)度為 1024，MNIST 數(shù)據(jù)集上的準(zhǔn)確率約為 80%。不過(guò)當(dāng)串長(zhǎng)為 256 時(shí)，準(zhǔn)確率僅為 62%。

? ?