本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

可能是疫情吧，大家在現實中行動受限，就越來越多去游戲世界中釋放天性。

前有《我的世界》舉辦畢業典禮，后有《動物森友會》舉辦AI會議。最近《我的世界》又被大神帶來了硬核玩法：

你以為他在涂鴉？不！其實他在進行神經網絡的推理。

你如果是一個熟悉神經網絡的人，想必已經猜出來了。

圖片里這位玩家做的正是MNIST手寫數字分類網絡。

只需用劍在墻壁上畫出數字，神經網絡就能知道你寫的是幾。不僅僅如此，神經網絡在推理過程中，哪些神經元被激活，都可以在這里看得一清二楚。

這個腦洞大開的玩家是一位來自印度的小哥Ashutosh Sathe，游戲項目叫做Scarpet-nn。

Sathe不僅放出了試玩視頻，還開源了代碼，如果你是《我的世界》玩家+神經網絡煉丹師，那么你也可以把自己的網絡放在游戲里。

Scarpet-nn支持卷積層和完全連接層，允許在單個世界中運行多個神經網絡。而且可以展示中間張量的逐塊激活，甚至還能一次運行多個神經網絡。

Sathe小哥到底是怎么想到用《我的世界》來搭建神經網絡的呢？

像素風和神經網絡是絕配

我的世界里那一個個像素色塊簡直就是顯示3維數組的神器。如果一個長方體的每個小塊都用不同顏色來展示數值，那么一個長方體就可以表示一個張量。

但是用表示的范圍有限，我的世界地圖里的資源也有限，在神經網絡中顯示BERT什么的顯然不切實際。

所以用兩種顏色的色塊表示二值神經網絡（BNN）最合適了。

BNN是一種高度簡化的神經網絡，權重和激活都只能取兩個值：+1或-1。但是計算機中二進制的位表示是不同的。因此在BNN中，我們將+1存儲為1為，將-1存儲為0。

這樣在BNN中乘法運算就變成了邏輯門中的同或運算，而邏輯門在《我的世界》中可以用紅石電路造出。

至此，用《我的世界》搭建神經網絡的理論基礎已經完成，下面開始實際操作。

神經網絡轉像素模塊

我們需要在電腦上安裝《我的世界》Java版，第三方Mod也是必不可少的。在這個項目里，我們要安裝Litematica和carpetmod兩個Mod。

另外還需要通過Python3安裝PyTorch和nbtlib。

接下來就是“煉丹”，先在PyTorch里訓練好你的二值神經網絡。

Litematica是一個幫助用戶從零開始繪制示意圖的模塊，它可以準確地構建結構，指定將塊放置在何處。

運行modeltolitematica.py將神經網絡的所有層轉換為不同的Litematica示意圖。每個示意圖僅包含一層神經網絡。

圖中以紫色表示+1的塊，以綠色代表-1的塊。

在這一步后，你會獲得一組示意圖文件，后綴名為.litematica。文件的名稱和你命名的網絡層相同，比如conv1.weight.litematica、fc2.weight.litematica等等。將相應文件導入即可。

把神經網絡鋪在地上

由于卷積層會出現4維數組，這在3維空間里是沒法表示的，因此這個過程中還加入了壓縮。

一般卷積層的形式是：[c2, c1, fh, fw]。其中c2是輸出激活的通道數量，c1是輸入激活的通道數量，fh和fw是卷積濾波器的高度和寬度。

通過scarpet-nn將后兩個維度乘起來，變成[c2, c1, fh× fw]，這樣就解決了3維顯示問題。

而全連接層都是2維的，不存在不能顯示的狀況，因此不需要做任何調整。

然后你就可以在空地上繪制一張16×16的輸入圖像了。

將卷積層導入地圖后，你就可以進行神經網絡運算了。

最后，作者還給出了一個MNIST示意圖MineCraft文件包，如果只想簡單看看實際運行效果，可以在我們的公眾號中回復我的世界獲取。

不得不說，《我的世界》里大神太多，之前有復旦本科生從零計算機，現在又有印度小哥從零打造神經網絡。

（相關閱讀：在《我的世界》里從零打造一臺計算機有多難？復旦本科生大神花費了一年心血）

只是現在的模塊還不能在《我的世界》里訓練神經網絡，相信在這些大神的努力下，未來用《我的世界》煉丹也不是夢。

傳送門

博客地址：https://ashutoshbsathe.github.io/scarpet-nn/scarpet-apps/twoclassmnist/

Litematica下載地址：http://minecraft.curseforge.com/projects/litematica

源代碼：https://github.com/ashutoshbsathe/scarpet-nn