10 个版本

0.2.19 2019年6月20日
0.2.18 2019年4月6日
0.2.16 2019年3月30日

操作系统 中排名第 347

Download history 33/week @ 2024-03-11 23/week @ 2024-03-18 28/week @ 2024-03-25 57/week @ 2024-04-01 17/week @ 2024-04-08 16/week @ 2024-04-15 19/week @ 2024-04-22 25/week @ 2024-04-29 24/week @ 2024-05-06 22/week @ 2024-05-13 24/week @ 2024-05-20 29/week @ 2024-05-27 15/week @ 2024-06-03 23/week @ 2024-06-10 20/week @ 2024-06-17 23/week @ 2024-06-24

每月下载量 85
8 包中使用(直接使用3个)

MIT 许可证

42KB
751

Logo

Psyche AI 工具集

总体概念

这是一个基于 Practopoiesis Theory 的一般人工智能系统的研究项目,该理论代表了一种完全依赖于其环境的神经网络,它不像将输入转换为机器处理的符号以产生输出那样,而是将信号作为能量潜力来处理,并通过连接的演化和大脑结构的不断变化,自然地产生“意识”。

您可以在以下链接中了解更多关于 Practopoiesis Theory 的信息:http://www.danko-nikolic.com/practopoiesis/

使用的技术

所有工具集模块都是用 Rust 编程语言(一种多范式系统编程语言,专注于安全性,特别是安全的并发)编写的,并在 crates.io 上作为 Rust 包提供,可以作为您项目的依赖项。

外部函数接口

Psyche 工具集为许多语言和框架提供 FFI 库和包装器。

  • CC++ 头文件以及本机静态和动态库;
  • C# 包装器;
  • Amethyst 引擎 集成包。
  • 待办事项: Unity 3D 引擎 插件(需要在集成方面修复一个错误);
  • 待办事项: Godot 引擎 插件(需要在集成方面修复一个错误);
  • 待办事项: Game Maker 引擎 插件。

工具集模块

  • 核心 - 定义大脑:神经元、神经元之间的连接、通过进化产生后代以及使大脑运作的所有处理过程;
  • Serde - 将大脑序列化和反序列化到不同的存储数据格式:二进制、JSON 和 YAML;
  • Host - 目前没有做任何事情,但将提供将大脑放入宿主身体的能力;
  • Graphics - 生成波形 OBJ 图形数据,可用于可视化大脑活动;
  • 模拟器 CLI 应用 - 命令行界面应用程序,可以逐步模拟脑活动,并为每个步骤生成脑活动帧数据文件,以便在外部应用程序(如 Houdini 用于可视化或任何分析应用程序)中使用。

演示

脑活动可视化器

每条蓝色线代表两个神经元之间的连接,每个白色圆点代表通过神经网络传输的信号。

psyche-demo-brain-activity

流体环境中的孢子

每个孢子都有其自己的大脑,连接到身体传感器(嗅觉)和马达(腿),并通过这种方式尝试找到并吃掉水中留下的食物部分。您还可以通过鼠标拖动产生流体电流来操纵环境。

psyche-demo-spore

使用方法

Docs.rs Crates.io

Cargo.toml 中记录

[dependencies]
psyche = "0.2"

您的 crate 模块

extern crate psyche;

use psyche::core::brain_builder::BrainBuilder;
use psyche::core::config::Config;
use psyche::core::Scalar;

// prepare config for brain.
let mut config = Config::default();
config.propagation_speed = 50.0;
config.synapse_reconnection_range = Some(15.0);
config.neuron_potential_decay = 0.1;
config.synapse_propagation_decay = 0.01;
config.synapse_new_connection_receptors = Some(2.0);

// build brain.
let mut brain = BrainBuilder::new()
  .config(config)
  .neurons(100)
  .connections(200)
  .min_neurogenesis_range(5.0)
  .max_neurogenesis_range(15.0)
  .radius(30.0)
  .sensors(10)
  .effectors(10)
  .brain();

loop {
  // trigger sensors.
  for sensor in brain.get_sensors() {
    brain.sensor_trigger_impulse(sensor, 1.0);
  }

  // process brain step.
  brain.process(1.0);

  // read effectors and act based on their stored potential.
  for effector in brain.get_effectors() {
    if let Ok(potential) = brain.effector_potential_release(effector) {
      println!("{:?} = {:?}", effector, potential);
    }
  }
}

lib.rs:

数据结构集合,可能有助于解决不同的 AI 问题。

依赖项

~0.4–1MB
~23K SLoC