Age of Empires II 中的感知器
摘要
本文演示了在游戏 Age of Empires II 中构建一个感知器和与非门,认为改变 LLM 的基质会改变对属性的感知,并批评了关于 LLM 拟人化的研究。
暂无内容
查看缓存全文
缓存时间: 2026/06/20 14:25
# 帝国时代II中的感知机
来源:https://adewynter.github.io/notes/aoe2-circuits
在游戏内构建的与非门和感知机(前向传播与训练),正如《如果LLM具备类人属性,那么帝国时代II也同样具备》(https://arxiv.org/abs/)一文中所述。我们首先证明《帝国时代II》在功能上是图灵完备的。然后,我们在游戏内构建一个感知机及其训练电路。基于此,我们论证改变LLM的底层载体(表征)也会改变对其属性的认知。接着,我们展示出:对LLM拟人属性的研究不能以假设这些属性在系统中存在(或不存在)为出发点,即使你的目标是得出它们不存在的结论。这种假设甚至可能在你并未明确表达时悄然发生!同时,这也表明存在无需该假设即可进行良好、严谨研究的方法。如果你在寻找实际工件(代码等),它们在这里(https://github.com/adewynter/aoe2-circuits)。
*所有产品、公司名称、品牌名称、商标和图像均为其各自所有者的财产。图像在教育目的下根据合理使用原则使用。*
阅读论文(https://arxiv.org/)
《帝国时代II》中一个可运行的与非门(https://adewynter.github.io/notes/aoe2-circuits#InGameNAND)
《帝国时代II》中一个可运行的感知机(https://adewynter.github.io/notes/aoe2-circuits#InGamePerceptron)
《帝国时代II》中一个可运行的基于拟设的训练电路(https://adewynter.github.io/notes/aoe2-circuits#InGameTraining)
---
《帝国时代II》中一个可运行的与非门,使用游戏的地图编辑器构建。该门也可以在双人对战环境中构建,但纯脚本实现要容易得多(可以这么说)。
此设计旨在展示其内部工作方式,并且存在更简单的实现方案。每个比特由两条轨道表示(草地代表0,桥梁代表1)。每次只有一条轨道处于激活状态,一只山羊作为信号载体。当门触发时,比特山羊被移除(它们挂了),并在其对应的输出轨道上放置一只新的比特山羊。
为避免竞争条件,设置了“门就绪”轨道(冰面),其中靠近门的最内侧轨道上的信号山羊表示门可以开始计算。上图中:要使与门激活,最左边和最底部的比特山羊需要靠近围栏(朝向地图内侧)。这表示该门已就绪,但并非表示上游门已就绪。为此,中间冰面区域的山羊需要靠近与门围栏。当门触发时,山羊被“送走”至其上游/下游门,以表示就绪信号。
**读取门的方法:**最左侧的草地/桥梁轨道:与门的左输入0/1。最右侧的草地/桥梁轨道:与门的右输入。中间轨道:与门的输出,作为非门的输入。在GIF中,它计算AND(0, 1),在中间草地轨道(0)放置一只山羊,然后非门在桥梁上放置一个门(1)。
《帝国时代II》中一个可运行的与非门
您的浏览器不支持视频标签。
《帝国时代II》中一个可运行的与非门,通过冰面轨道处理了竞争条件。
---
《帝国时代II》中一个可运行的感知机,使用了与上述与非门相同的逻辑(即相同的核心概念)。
这是一个非常简单的感知机,因此是双极性1比特实现。它由两个同或门(XNOR)完成大部分内积运算,以及一个与门(AND)作为阈值(本意为学习与运算,但这并不影响实现)。
此具体实现省略了偏置项,并将其硬编码在阶跃函数中,但偏置加法器也是可行的。注意,最右侧电路的每个比特对应最左侧电路的两个比特山羊。这更复杂,但允许并发控制,否则门会表现异常。
**读取感知机的方法:**对于输入 \\([ x_1, x_2]^T\\),权重为 \\([w_1, w_2]^T\\) 的感知机会在顶部的同或门输入 \\(x_1, w_1\\)(蓝绿色斑块和岩石斑块),底部的同或门类似。山羊充当比特和就绪信号。同或门的输出可以在中间具有三条轨道的部分看到,这些轨道的信号正是与门的输入。在GIF中,它计算 \\(x = [1, 1]^T\\) 和 \\(w = [1, 1]^T\\),显然预测为1,因为该权重分配是正确的答案。
《帝国时代II》中一个可运行的感知机
《帝国时代II》中一个可运行的感知机,山羊作为信号载体。
---
《帝国时代II》中一个基于拟设的训练电路。
拟设算法就是一个常规的感知机电路加上一组同或门、与门、或门来确定新的权重。具体电路请参阅论文。
这个电路相当复杂,请耐心听我解释。输入(从上到下在水域斑块中)为:真实标签 \\(t\\)、输入向量 \\(x\\) 和当前权重向量 \\(w\\)。感知机位于左侧的前两层,其余电路计算误差并返回新权重。为简化输入的分支,当权重/输入/标签被“激活”时,山羊被传送到它们各自的门,但会被暂时搁置(通过冰面山羊),直到其余计算完成。
这些门利用环境进行编码:竹子代表同或门,普通森林代表与门,猴面包树代表或门,深水代表非门,以及你熟悉和喜爱的常规轨道。
*注意:* 我已在verilog中测试此电路并正常工作,现在正在编写脚本。这很麻烦,而且我并非拥有无限的空闲时间(但我会将其添加到仓库和这里!)
《帝国时代II》中一个已构建、即将完全脚本化的感知机拟设训练电路。
相似文章
@MilesCranmer: 这篇论文太疯狂了,我超爱 https://arxiv.org/abs/2605.31514
本文指出,通常归因于大型语言模型的拟人化特征并非其独有,而是证明了像《帝国时代 II》这样更简单的系统也能表现出类似的感知特性,并呼吁在AI行为分析中建立明确的衡量标准。
《帝国时代II》中以山羊为基础的神经网络凸显了AI意识主张的局限性。
一位微软AI研究员在《帝国时代II》中使用山羊构建了一个简单的神经网络,以论证如果这样的系统可以被视为有意识,那么聊天机器人中关于AI意识的主张同样荒谬。
如果大语言模型具有类人属性,那么《帝国时代II》也具有
本文认为,将类人属性归因于大语言模型是有问题的,因为类似的论断也可用于更简单的系统,例如在《帝国时代II》上训练的人工智能,并提出了非唯一性的零假设以避免循环推理。
Perceptron Mk1 震撼发布高性能视频分析AI模型,比Anthropic、OpenAI和Google便宜80-90%(8分钟阅读)
Perceptron公司发布了其旗舰视频分析模型Mk1,声称成本比竞争对手低80-90%,同时在空间和视频推理基准上表现出色。
@perceptroninc: 今天,我们发布了 Perceptron Mk1:前沿视频与具身推理。
Perceptron Inc. 发布了 Perceptron Mk1,这是一款专为视频和具身推理任务设计的前沿 AI 模型。