好莱坞对人工智能（AI）做出了许多重大承诺：它将如何摧毁我们，如何拯救我们以及使我们 。 令人难忘的诺言之一是它看起来多么酷。

《 复仇者联盟》中有一个惊人的AI可视化 ：《奥创纪元》 ，托尼·史塔克（Tony Stark）的AI管家贾维斯（Jarvis）与奥创（Ultron）互动时，我们看到了光变幻和脉动的有机浮动网络。 我想做些类似的事情来填补我公寓墙壁上的空白（以改善通常的宜家艺术）。 显然，我无法像贾维斯那样创造出像漂浮的光球一样令人惊叹的东西。 但是，我可以使用看起来像古怪的数据可视化的有趣的机器学习算法：神经网络！ 它采用了受生物启发的元素，旨在复制（我们认为）人脑的工作方式。

机器学习中的神经网络受到大脑中生物神经元的启发。 网络中的每个节点都连接到网络中的其他节点。 当信号流过信号时，节点之间的连接会更改信号，直到信号到达网络末端为止。 在算法的将学习连接调整信号的特定方式。

^算法结构

我着手用光重建神经网络。 对于节点，我在半透明的塑料上的3D打印机上打印了自定义形状。 对于节点之间的连接，我使用了所谓的侧发光光纤，这是普通的光纤管道，它沿管道的长度发光（看起来很科幻）。

^{艰苦的焊接和粘合的成果，Zack Akil，GPLv3。}

^{（您可以在查看此项目中的更多图像。）}

光源是一个RGB LED灯带，该灯带经过费力地切割，焊接和粘合到每个节点中。 （每个节点花费了大约30分钟的时间才能适应电子设备。）

告诉LED做什么的组件是一个 ，并且通过一个小的告诉了做什么，这使整个WiFi连接起来。

现在，它如何运作？ 照明网络是一种美化的WiFi灯。 真正的AI在连接到同一WiFi网络的笔记本电脑上运行。 我编写了一些方便的代码，将其插入我的标准神经网络编程环境中，并且在我训练算法时，它将连接值（绿色=高值，红色=低值，蓝色=接近零）发送到即时的。 然后我看到了我的神经网络学习。

^{瞧！ 人工智能学习的物理灯光可视化！ Zack Akil，GPLv3。}

现在它将快乐地生活在我的墙上，作为AI的发光象征！

^{神经网络正在学习的数据，Zack Akil，GPLv3。}

该图显示了神经网络试图复制的数据模式。 仅基于X和Y值（图中的特征1和特征2），神经网络将尝试输出正确的分类（图中的颜色）。 下面是另一个动画，显示了光网络的学习以及对数据的预测。 如您所见，数据点的颜色会不断演变，直到它们与原始数据紧密匹配为止。 这是学习中！

^{轻型网络学习以及对数据的实时预测，Zack Akil，GPLv3。}

如果您想了解更多信息，包括获取所有详细的技术信息以及访问代码和更多图像，请访问我 。

该手册最初发布在 ，经许可转载。

翻译自: