本文来自于量子位（ID：QbitAI），作者丨晓查凌晨，钛媒体经授权发布。
可能是疫情吧，大家在现实中行动受限，就越来越多去游戏世界中释放天性。
前有《我的世界》举办毕业典礼，后有《动物森友会》举办 AI 会议。最近《我的世界》又被大神带来了硬核玩法：
你以为他在涂鸦？不！其实他在进行神经网络的推理。
你如果是一个熟悉神经网络的人，想必已经猜出来了。
图片里这位玩家做的正是MNIST手写数字分类网络。
只需用剑在墙壁上画出数字，神经网络就能知道你写的是几。不仅仅如此，神经网络在推理过程中，哪些神经元被激活，都可以在这里看得一清二楚。
这个脑洞大开的玩家是一位来自印度的小哥Ashutosh Sathe，游戏项目叫做Scarpet-nn。
Sathe 不仅放出了试玩视频，还开源了代码，如果你是《我的世界》玩家+神经网络炼丹师，那么你也可以把自己的网络放在游戏里。
Scarpet-nn 支持卷积层和完全连接层，允许在单个世界中运行多个神经网络。而且可以展示中间张量的逐块激活，甚至还能一次运行多个神经网络。
Sathe 小哥到底是怎么想到用《我的世界》来搭建神经网络的呢？
像素风和神经网络是绝配
我的世界里那一个个像素色块简直就是显示 3 维数组的神器。如果一个长方体的每个小块都用不同颜色来展示数值，那么一个长方体就可以表示一个张量。
但是用表示的范围有限，我的世界地图里的资源也有限，在神经网络中显示 BERT 什么的显然不切实际。
所以用两种颜色的色块表示二值神经网络（BNN）最合适了。
BNN 是一种高度简化的神经网络，权重和激活都只能取两个值：+1 或-1。但是计算机中二进制的位表示是不同的。因此在 BNN 中，我们将 +1 存储为 1 为，将-1 存储为0。
这样在 BNN 中乘法运算就变成了逻辑门中的同或运算，而逻辑门在《我的世界》中可以用红石电路造出。
至此，用《我的世界》搭建神经网络的理论基础已经完成，下面开始实际操作。
神经网络转像素模块
我们需要在电脑上安装《我的世界》Java 版，第三方 Mod 也是必不可少的。在这个项目里，我们要安装Litematica和carpetmod两个 Mod。
另外还需要通过Python3安装PyTorch和nbtlib。
接下来就是“炼丹”，先在 PyTorch 里训练好你的二值神经网络。
Litematica 是一个帮助用户从零开始绘制示意图的模块，它可以准确地构建结构，指定将块放置在何处。
运行 modeltolitematica.py 将神经网络的所有层转换为不同的 Litematica 示意图。每个示意图仅包含一层神经网络。
图中以紫色表示 +1 的块，以绿色代表-1 的块。
在这一步后，你会获得一组示意图文件，后缀名为 .litematica。文件的名称和你命名的网络层相同，比如 conv1.weight.litematica、fc2.weight.litematica 等等。将相应文件导入即可。
把神经网络铺在地上
由于卷积层会出现 4 维数组，这在 3 维空间里是没法表示的，因此这个过程中还加入了压缩。
一般卷积层的形式是：[c2, c1, fh, fw]。其中 c2 是输出激活的通道数量，c1 是输入激活的通道数量，fh 和 fw 是卷积滤波器的高度和宽度。
通过 scarpet-nn 将后两个维度乘起来，变成[c2, c1, fh× fw]，这样就解决了 3 维显示问题。
而全连接层都是 2 维的，不存在不能显示的状况，因此不需要做任何调整。
然后你就可以在空地上绘制一张 16×16 的输入图像了。
将卷积层导入地图后，你就可以进行神经网络运算了。
最后，作者还给出了一个 MNIST 示意图 MineCraft 文件包，如果只想简单看看实际运行效果，可以在我们的公众号中回复我的世界获取。
不得不说，《我的世界》里大神太多，之前有复旦本科生从零计算机，现在又有印度小哥从零打造神经网络。
（相关阅读：在《我的世界》里从零打造一台计算机有多难？复旦本科生大神花费了一年心血）
只是现在的模块还不能在《我的世界》里训练神经网络，相信在这些大神的努力下，未来用《我的世界》炼丹也不是梦。
传送门
博客地址：
https://ashutoshbsathe.github.io/scarpet-nn/scarpet-apps/twoclassmnist/
Litematica 下载地址：
http://minecraft.curseforge.com/projects/litematica
源代码：
https://github.com/ashutoshbsathe/scarpet-nn
支付宝扫一扫
微信扫一扫
最新评论