回想在校期間，很多同學(xué)會在課間休息時從書桌里掏出魔方或嫻熟或略顯笨拙地轉(zhuǎn)動起來，甚至上課時有些同學(xué)也會悄悄地在桌下轉(zhuǎn)動手中的魔方?，F(xiàn)在，“人工智能” 也對這款益智玩具產(chǎn)生了興趣，期待用更加智能的方式實現(xiàn)魔方的復(fù)原。

近日，諾丁漢大學(xué)（University of Nottingham）副教授 Colin G. Johnson 帶領(lǐng)的研究小組開發(fā)出一種深度學(xué)習(xí)技術(shù)，可以從一套樣本解決方案中學(xué)習(xí) “適應(yīng)度函數(shù)” 并用它來解決魔方復(fù)原問題。該研究相關(guān)論文于 2 月 24 日發(fā)表在 Expert Systems 上，題目為《用逐級深度學(xué)習(xí)方法解決魔方問題》（Solving the Rubik's cube with stepwise deep learning）。

將打亂的魔方復(fù)原是一個相對復(fù)雜的問題，但研究人員決定將這一復(fù)雜的問題轉(zhuǎn)換為多個簡單的問題來解決，他們認(rèn)為 “解決任何難題最多需要 20 步”。因此，他們將逐級學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)作為本次設(shè)計方案的兩種主要方法。對應(yīng)到魔方復(fù)原中，該技術(shù)會一步步地去嘗試解決，而不是一次性學(xué)習(xí)復(fù)原魔方的整體方案。

換句話說，就是這種技術(shù)會通過嘗試轉(zhuǎn)動一個部件使魔方呈現(xiàn)更簡單的形態(tài)，也就是把一個復(fù)雜的問題拆解成若干個相對簡單的小問題，先學(xué)習(xí)解決一個小問題的方案，然后經(jīng)過對這一步驟的數(shù)次重復(fù)，最終達(dá)到魔方復(fù)原的效果。其實，該種方案也意味著，整體解決方案的每一步都要比上一步更加容易。

該技術(shù)會 “反其道而行之”，從魔方一步步打亂的過程中學(xué)習(xí)怎樣將混亂的魔方復(fù)原。具體操作起來就是，將拼好的魔方標(biāo)記為 “0”，進(jìn)行一次旋轉(zhuǎn)后的魔方標(biāo)記為 “1”，再旋轉(zhuǎn)一次后標(biāo)記為 “2”…… 以此類推。每個狀態(tài)都與一個數(shù)字配對，該數(shù)字代表該狀態(tài)下距離目標(biāo)的步數(shù)。因此，學(xué)習(xí)的過程也是建立模型的過程，最終實現(xiàn)從數(shù)據(jù)庫中抽取任意一個狀態(tài)，預(yù)測將需要多少步才能到達(dá)目標(biāo)狀態(tài)，該步驟就與其被標(biāo)記的數(shù)字相對應(yīng)。

圖｜計算機(jī)學(xué)習(xí)魔方復(fù)原的數(shù)據(jù)（來源：Expert Systems）

然后，用特定的深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建魔方復(fù)原培訓(xùn)集，并在其中搜索出當(dāng)下的混亂狀態(tài)和已經(jīng)解決后的狀態(tài)。

接下來，通過模擬數(shù)千次轉(zhuǎn)動來估算魔方的混亂程度。完成了魔方的混亂程度估計之后，Johnson 開發(fā)的技術(shù)將通過深度神經(jīng)網(wǎng)絡(luò)的方式識別魔方復(fù)原前的一步，接下來是復(fù)原前的第二步、第三步…… 把這些數(shù)據(jù)積累起來再去解決魔方的復(fù)原問題將會非常容易，最終可以通過這些準(zhǔn)備工作找出把混亂魔方復(fù)原的路徑。

Johnson 解釋道："與其嘗試學(xué)習(xí)如何解決將整個魔方復(fù)原，不如學(xué)習(xí)怎樣把復(fù)原魔方這一較為復(fù)雜的問題轉(zhuǎn)換為更容易的問題，然后使用更簡單的方法來解決它。"

圖｜深度學(xué)習(xí)框架解決魔方問題的步驟（來源：Expert Systems）

目前，Johnson 僅將該方案用于魔方的復(fù)原，但他也表示，這只是一個示例，其實該技術(shù)也可用于解決一些更加復(fù)雜的問題?！氨热缦袈暀C(jī)、早期唱片中舊錄音的噪音?！?具體而言是，如果他設(shè)計的技術(shù)能學(xué)到一個 “原始的聲音”、一個比 “原始的聲音” 多一點(diǎn)噪音的聲音以及一個比 “原始的聲音” 多一點(diǎn)再多一點(diǎn)的聲音…… 那么最終將通過這種循序漸進(jìn)的方式還原最 “純凈的聲音”。

Johnson 表示，相比其他方式，他設(shè)計的這種逐級學(xué)習(xí)更加有效，也更能凸顯分步處理的優(yōu)勢。不過，他也表示，該種訓(xùn)練框架將需要比傳統(tǒng)方案更多的對特定領(lǐng)域的知識。以本文為例，訓(xùn)練解決魔方的框架就需要復(fù)原魔方的能力。

未來該技術(shù)將可能用于解決科學(xué)工程的很多其他問題，如用來學(xué)習(xí)和更好地理解蛋白質(zhì)在細(xì)胞內(nèi)折疊的方式，從蛋白質(zhì)呈現(xiàn)的三維結(jié)構(gòu)點(diǎn)序列可以倒推其是怎樣折疊成最終形態(tài)的。

原文標(biāo)題：復(fù)原混亂的魔方需要幾步？諾丁漢大學(xué)團(tuán)隊用深度學(xué)習(xí)告訴你

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq