回想在校期间,很多同学会在课间休息时从书桌里掏出魔方或娴熟或略显笨拙地转动起来,甚至上课时有些同学也会悄悄地在桌下转动手中的魔方。现在,“人工智能” 也对这款益智玩具产生了兴趣,期待用更加智能的方式实现魔方的复原。
图|相关论文(来源:Expert Systems)
将打乱的魔方复原是一个相对复杂的问题,但研究人员决定将这一复杂的问题转换为多个简单的问题来解决,他们认为 “解决任何难题最多需要 20 步”。因此,他们将逐级学习和深度神经网络作为本次设计方案的两种主要方法。对应到魔方复原中,该技术会一步步地去尝试解决,而不是一次性学习复原魔方的整体方案。
该技术会 “反其道而行之”,从魔方一步步打乱的过程中学习怎样将混乱的魔方复原。具体操作起来就是,将拼好的魔方标记为 “0”,进行一次旋转后的魔方标记为 “1”,再旋转一次后标记为 “2”…… 以此类推。每个状态都与一个数字配对,该数字代表该状态下距离目标的步数。因此,学习的过程也是建立模型的过程,最终实现从数据库中抽取任意一个状态,预测将需要多少步才能到达目标状态,该步骤就与其被标记的数字相对应。
图|计算机学习魔方复原的数据(来源:Expert Systems)
然后,用特定的深度学习网络构建魔方复原培训集,并在其中搜索出当下的混乱状态和已经解决后的状态。
接下来,通过模拟数千次转动来估算魔方的混乱程度。完成了魔方的混乱程度估计之后,Johnson 开发的技术将通过深度神经网络的方式识别魔方复原前的一步,接下来是复原前的第二步、第三步…… 把这些数据积累起来再去解决魔方的复原问题将会非常容易,最终可以通过这些准备工作找出把混乱魔方复原的路径。
Johnson 解释道:&34;
图|深度学习框架解决魔方问题的步骤(来源:Expert Systems)
未来该技术将可能用于解决科学工程的很多其他问题,如用来学习和更好地理解蛋白质在细胞内折叠的方式,从蛋白质呈现的三维结构点序列可以倒推其是怎样折叠成最终形态的。