新智元|这么简单的游戏还卡壳？神经网络在「生命游戏」里苦苦挣扎
文章图片
【新智元导读】生命游戏是一种基于网格的自动机 。 最近 ， 有研究人员发表了一篇论文 ， 指出尽管这款游戏很简单 ， 但它对神经网络来说 ， 仍是个挑战 。 他们的论文研究了神经网络是如何「探索」这款游戏的 ， 以及为什么它们会常常错过正确玩法 。
康威生命游戏是英国数学家约翰·康威在1970年发明的细胞自动机 。 这个游戏可以在一个无限大的2D网格上进行 。
文章图片
这款小游戏在科学、计算和人工智能中被热烈讨论 ， 因为它代表了即使是简单的规则 ， 也可以产生非常复杂的结果 。
在最近的一篇论文中 ， 斯沃斯莫尔学院和洛斯阿拉莫斯国家实验室的人工智能研究人员指出 ， 尽管康威生命游戏很简单 ， 但对人工神经网络来说 ， 这仍是个不小的挑战 。
这篇文章名为「神经网络很难学会生命游戏」的文章中 ， 通过利用神经网络如何探索生命游戏 ， 他们发现电脑经常找不到正确解决方案 。
文章图片
生命游戏是一个零玩家游戏 。 它包括一个二维矩形世界 ， 这个世界中的每个方格居住着一个活着的或死了的细胞 。
在生命游戏中 ， 对于任意细胞 ， 规则如下：
如果一个活细胞的相邻细胞少于两个 ， 它就会因数量不足而死亡 。
如果一个活细胞有三个以上的邻居 ， 它就会死于过剩 。
如果一个活细胞恰好有两个或三个活的邻居 ， 它就能存活 。 如果一个死去的细胞有三个相邻的活细胞 ， 它就会复活 。
可以把最初的细胞结构定义为种子 ， 当所有在种子中的细胞同时被以上规则处理后 ， 可以得到第一代细胞图 。 按规则继续处理当前的细胞图 ， 可以得到下一代的细胞图 ， 周而复始 。
基于这些简单的规则 ， 可以调整网格的初始状态 ， 来创建稳定 ， 振荡 ， 滑翔等多种模式 。
例如 ， 这就是所谓的滑翔模式 。
文章图片
你也可以使用生命游戏来创建非常复杂的模式 ， 比如这个 ，
文章图片
有趣的是 ， 无论网格变得多么复杂 ， 你都可以使用相同的规则来预测下一个时间步中每个单元的状态 。
现在 ， 神经网络的预测能力有目共睹 ， 那么 ， 深度学习模型能否学到生命游戏的基本规则？
人工神经网络与生命游戏
「我们已经知道了一个解决方案 ， 」雅各布·施普林格 ， 斯沃斯莫尔学院计算机科学专业的学生说 ， 他同时也是这篇论文的合著者 ， 「我们可以手写一个实现生命游戏的神经网络 ， 因此我们可以将学到的解决方案与手工制作的解决方案进行比较 。 」
文章图片
雅各布·施普林格 ， 斯沃斯莫尔学院计算机科学专业的学生
通过修改深度学习模型预测的未来时间步长值 ， 可以很容易地调整游戏的灵活性 。
此外 ， 与计算机视觉或自然语言处理等领域不同 ， 如果神经网络学会了生命游戏的规则 ， 它将达到100%的准确率 ， 不会出现模棱两可的情况——只要出现一次失败 ， 那就说明它没有学会正确的规则 。
研究人员首先创建了一个小型卷积神经网络 ， 并手动调整其参数 ， 以便能够预测网格细胞中的变化顺序 。 这证明了有一个最小的神经网络可以代表生命游戏的规则 。
然后 ， 他们尝试着从零开始训练 ， 看看同样的神经网络在能否达到最佳设置 。 他们将参数初始化为随机值 ， 并对神经网络进行了100万个随机生成的生命游戏实例的训练 。 神经网络达到100%准确率的唯一方法是收敛于手工制作的参数值 。 这意味着人工智能模型已经将生命游戏背后的规则参数化 。
推荐阅读
- 恨琴影视|没唱功、没演技、没担当的肖战为何这么火？还请您细品
- 林侠侠聊电竞|阴阳师：SR式神也能这么帅？双形态式神“久次良”前来报道！
- 追狐狸的人呐|简单的玩法，不简单的表达，最好的反战游戏之一
- bigfun毕方|「王者荣耀」为什么孙膑这么难缠？
- HongKongFilm|这些建筑一直在模仿从未被超越，《我的世界》谁说方形建筑就简单
- 韩金|SN闯入四强后，SMLZ反被热议，与焕峰如此相似为何成绩差这么多？
- kpl|为什么蒙犽一个无位移射手，能在KPL的优先级这么高，甚至成为T0射手？
- jdg战队|淘汰后也要被嘲讽下等马，JDG的风评为何这么差？只能怪他们太作
- 官宣|王者荣耀：5周年裴擒虎海报官宣，获取方式简单，学生党却哭了！
- ZAKER娱乐|没资格继续打KPL！，“请求KPL恢复升降级制度”！寒夜：EDG这么菜