Am Anfang, wenn das neuronale Netzwerk erfolgreich mehr Flips ausführt, verkürzt sich jede aufeinanderfolgende Zeit bis zum Erfolg, weil das Netzwerk lernt, sich anzupassen. Man möchte den rubiks cube lösen. Wenn Störungen angewendet werden (vertikale graue Linien im obigen Diagramm), sehen wir eine Spitze in der Zeit bis zum Erfolg. Denn die Strategie des Netzwerks funktioniert im veränderten Umfeld nicht. Das Netzwerk lernt dann wieder etwas über die neue Umgebung und wir sehen erneut, dass die Zeit bis zum Erfolg auf die vorherige Basislinie absinkt.
Wir messen auch die Ausfallwahrscheinlichkeit und führten die gleichen Experimente für Flächendrehungen durch (Drehen der oberen Fläche um 90 Grad im oder gegen den Uhrzeigersinn) und fanden das gleiche Anpassungsmuster.
Die vollständigen Ergebnisse finden Sie in diesem Text, um den rubiks cube zu lösen.
Verständnis unserer neuronalen Netze
Durch die Visualisierung unserer Netzwerke können wir verstehen, was sie im Gedächtnis speichern. Dies wird mit zunehmender Komplexität der Netzwerke immer wichtiger.
Der Zauberwürfel hat weiter eine Stahlkraft und bleibt eine innovative Geschichte im Bereich des Spielzeugmarktes. Jeder sollte sich einmal ran wagen und versuchen, diesen rubik cube genannten Würfel zu lösen. Es wird Erwachsenen genauso Spaß machen, wie Kindern.
Es geht also los, das Gedächtnis in Gang zu bringen und sich zu konzentrieren, um den rubik cube lösen zu können. Das Gedächtnis ist hier der zentrale Punkt.
Das Gedächtnis unseres neuronalen Netzes ist oben visualisiert. Wir verwenden einen Baustein aus der Interpretierbarkeits-Toolbox, nämlich die nichtnegative Matrixfaktorisierung, um diesen hochdimensionalen Vektor in 6 Gruppen zu verdichten und jeder eine eindeutige Farbe zuzuweisen. Wir zeigen dann für jeden Zeitschritt die Farbe der aktuell dominierenden Gruppe an.
Wir stellen fest, dass jeder Speichergruppe ein semantisch sinnvolles Verhalten zugeordnet ist. Zum Beispiel können wir erkennen, indem wir nur die dominante Gruppe des Speichers des Netzwerks betrachten, wenn sie dabei ist, den Würfel zu drehen oder die Spitze im Uhrzeigersinn zu drehen, bevor dies geschieht.
Herausforderungen
Den Zauberwürfel mit einer Roboterhand zu lösen, ist immer noch nicht einfach. Unsere Methode löst den Rubik’s Cube derzeit in 20 % der Fälle, wenn ein maximal schwieriges Scramble angewendet wird, das 26 Gesichtsdrehungen erfordert. Bei einfacheren Scrambles, die 15 Umdrehungen zum Rückgängigmachen erfordern, liegt die Erfolgsquote bei 60 %. Wenn der Zauberwürfel fallen gelassen wird oder eine Zeitüberschreitung erreicht wird, betrachten wir den Versuch als fehlgeschlagen. Unser Netzwerk ist jedoch in der Lage, den Rubik’s Cube von jeder Ausgangsbedingung aus zu lösen. Wenn der Würfel also herunterfällt, ist es möglich, ihn wieder in die Hand zu nehmen und weiter zu lösen.
Wir stellen im Allgemeinen fest, dass unser neuronales Netzwerk während der ersten Gesichtsdrehungen und -saltos viel wahrscheinlicher ausfällt. Dies ist der Fall, weil das neuronale Netzwerk das Lösen des Zauberwürfels mit der Anpassung an die physische Welt während dieser frühen Rotationen und Flips ausgleichen muss.
Hinter den Kulissen: Rubik’s Cube-Prototypen
Um unseren Fortschritt zu bewerten und das Problem handhabbar zu machen, haben wir benutzerdefinierte Versionen von Würfeln als Sprungbrett für die endgültige Lösung eines regulären Zauberwürfels gebaut und entworfen.