本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

了解游戲「我的世界（MineCraft）」的讀者，一定很熟悉這樣的畫面。 

△圖源：Science Magazine

但是，如果蓋房子的不是人，而是AI呢？

這是來自哥本哈根信息技術(shù)大學(xué)、約克大學(xué)和上海大學(xué)的學(xué)者，利用3D神經(jīng)元細(xì)胞自動機（NCA）完成的新研究。

不僅能生成靜態(tài)結(jié)構(gòu)，當(dāng)然不僅是公寓，樹木、城堡也可以：

還能生成功能性機器，比如爬行的毛毛蟲：

把它一切兩段，還會玩再生術(shù)，成功分身……

這是怎么做到的？

神經(jīng)元細(xì)胞自動機的應(yīng)用

研究者其實是受到「生命游戲」中元胞自動機（CA) 的啟發(fā)，在2D基礎(chǔ)上開發(fā)了3D神經(jīng)元細(xì)胞自動機（NCA）。

「生命游戲」就是基于元胞自動機的原理制作的，也可以說是元胞自動機的一個展示。

它是由英國數(shù)學(xué)家約翰·康威在1970年發(fā)明的。在網(wǎng)格中，每個方格居住著一個細(xì)胞，其狀態(tài)由其周圍的8個細(xì)胞決定，以黑色代表細(xì)胞存活。

之后，許多研究采用了更為復(fù)雜的神經(jīng)網(wǎng)絡(luò)規(guī)則，被稱為神經(jīng)元細(xì)胞自動機（NCA）。但是其應(yīng)用大多局限于2D結(jié)構(gòu)，或是只能生成簡單的3D結(jié)構(gòu)。

為了提高NCA在實際應(yīng)用中的通用性，研究團隊開發(fā)了3D NCA。

它利用3D卷積捕捉周圍更多的細(xì)胞，以生成復(fù)雜的3D結(jié)構(gòu)，并且具有更多類型的建造單元。

研究人員試圖利用NCA從單個活細(xì)胞生成目標(biāo)實體，利用監(jiān)督學(xué)習(xí)對重建損失進(jìn)行優(yōu)化。

并且，將「我的世界」中的實體作為3D網(wǎng)格中的細(xì)胞，其狀態(tài)向量包含：塊類型、存活狀態(tài)、隱藏狀態(tài)。

但是，由于每個單元是單一的塊類型，于是他們將結(jié)構(gòu)重建任務(wù)視為一個多類分類問題，預(yù)測給定單元的類型。

利用Pytorch提供的LogSoftmax和NLLLoss方法組合，以實現(xiàn)是在目標(biāo)與預(yù)測的細(xì)胞結(jié)構(gòu)之間，最小的交叉熵?fù)p失。

這種損失導(dǎo)致性能不穩(wěn)定**，并且模型展現(xiàn)出對“空氣”塊的偏好。

在訓(xùn)練中，“空氣”塊通常占據(jù)了所選結(jié)構(gòu)的大部分，因此，訓(xùn)練數(shù)據(jù)不平衡可能會導(dǎo)致模型過度預(yù)測。

為解決這一問題，研究人員根據(jù)是否歸類為“空氣 ”塊，將損失計算劃分為兩部分，并且增加了一個交叉重疊（IOU）成本，測量非“空氣”塊與實體之間的絕對差，以此提升精度。

效果如何？

針對模型在靜態(tài)結(jié)構(gòu)和動態(tài)功能機器的重構(gòu)性能，研究人員進(jìn)行了評估，并記錄了各項參數(shù)。

結(jié)果顯示，NCA的重構(gòu)能力具有魯棒性：

不過，NCA對于構(gòu)建較大的實體（比如：教堂）仍具有挑戰(zhàn)性，因為模型經(jīng)常陷入局部極小值，需要更長的時間來訓(xùn)練。

盡管大教堂模型比一些實體的損失更低，但有許多隨機生成的結(jié)構(gòu)，因此沒有其他實體自然。目標(biāo)結(jié)構(gòu)與生成效果的對比：

此外，在生成自然界中更隨機的實體（比如：橡樹）時，也更加困難。

正如前文提到的，NCA能生成靜態(tài)結(jié)構(gòu)，并且可以很好地增加單個塊類型的數(shù)量，生成多樣化和復(fù)雜的內(nèi)飾，比如公寓樓內(nèi)部：

令人意外的是，在叢林神廟中，NCA甚至生成了一個箭陷阱。

在生成功能性機器時，研究人員發(fā)現(xiàn)，不同結(jié)構(gòu)的生成模式也不同：

一些結(jié)構(gòu)是從小細(xì)胞漸漸擴大到最終形態(tài)；而毛毛蟲則是先快速生成，然后再淘汰細(xì)胞形成最終的結(jié)構(gòu)。

此外，NCA的再生特性也是一大亮點，除了從單個細(xì)胞中生長出復(fù)雜的結(jié)構(gòu)外，這些局部更新規(guī)則還允許再生或修復(fù)損傷。

即使未經(jīng)訓(xùn)練，它仍然能恢復(fù)某些受損的結(jié)構(gòu)，比如樹：

不過，研究人員在對比測試后發(fā)現(xiàn)：

在未經(jīng)過再生訓(xùn)練時，模型的再生率僅有30%；而進(jìn)行再生訓(xùn)練后，生成率能達(dá)到99%。

3D NCA引起了網(wǎng)友的廣泛關(guān)注，reddit上還有網(wǎng)友提到：

NCA在物理學(xué)上的應(yīng)用也值得探索，比如：它可以用來模擬晶體形成。