Neural network 虚拟机可以实现为神经网络吗？

免责声明：我不是数学天才，也没有编写神经网络的经验。所以，请原谅我在这里说的那些愚蠢的话

我经常读到关于神经网络被用于机器学习的文章，但在尝试编写简单的虚拟机时，我开始怀疑它们是否可以用另一种方式应用

具体来说，虚拟机可以创建为神经网络吗？如果是这样，它将如何工作（如果必须的话，可以在这里随意使用抽象描述）

我听说过乔伊斯机器，但除了非常非常模糊的解释之外，我找不到任何信息

---

编辑：我想要的是一个基于神经网络的虚拟机如何解释汇编的解释。如何处理输入等？每个单独的输入都是内存地址吗？让我们集思广益吧

当然。毫无疑问，这是一个相当复杂的网络

---

字节码/操作码的大部分解析都是模式匹配，神经网络擅长于此。

你真的让我很开心

由于已经训练过的神经网络与常规状态机没有太大区别，因此为确定性指令集编写神经网络VM是没有意义的

用多个指令集或一个未知的指令集来训练这样一个VM可能会很有趣。然而，我怀疑执行这样的训练是否可行，甚至一个%99正确的解释器对传统字节码也有任何用处

我能想到的神经网络虚拟机的唯一用途是执行一个包含模糊逻辑结构或AI算法启发的程序

一些愚蠢的堆叠机器示例来演示这一想法：

push [x1]
push [y1] ;start coord
push [x2]
push [y2] ;end coord
pushmap [map] ;some struct
stepastar ;push the next step of A* heuristics to accumulator and update the map
pop ;do sth with is and pop
stepastar ;next step again
... ;stack top is a map
reward ;we liked the coordinate. reinforce the heuristic
stepastar
... ;stack top is a map
punish ;we didn't like the next coordinate. try something different

这里没有明确的启发。假设我们将所有状态都保存在*映射中，包括启发式算法

---

你看，它看起来很傻，不完全对上下文敏感，但如果不在线学习，神经网络就没有任何价值。

你当然可以用神经网络做到这一点-我很容易看到学习给定字节码的正确状态转换

输入可以是这样的：

• 堆栈顶部的值
• 电流累加器中的值
• 当前指令指针处的字节码
• 当前数据指针上的字节值
• 以前的旗帜

输出可能类似于：

• 更改为指令指针
• 更改为数据指针
• 更换蓄能器
• 堆栈操作（推送、弹出或无）
• 内存操作（读累加器、写累加器或无）
• 新旗帜

然而，我不知道你为什么要这么做。与直接执行字节码相比，神经网络的效率要低得多（除非训练得足够好，否则可能会出错）。您可能需要编写一个准确的字节码求值器来创建足够的训练数据

---

此外，根据我的经验，神经网络往往擅长于模式识别，但一旦超过一定规模（即超过几位），就很难学习逻辑运算（如二进制加法或XOR）。因此，根据指令集的复杂性，网络可能需要花费大量时间进行训练。

编辑响应：您熟悉计算机体系结构吗？神经网络虚拟机可以（如中所述，有一种方法）等同于用虚拟机模拟计算机硬件的每一部分。例如，CPU可能是一个NN，其输入为当前指令位，输出为控制寄存器位。这就是你要问的问题吗？或者你可以问一下神经网络是否图灵完备。我认为如果人脑是一个神经网络，你可以通过一个简单的虚拟机的步骤来思考，那么是的，你可以用一个神经网络来造一个虚拟机麦克贾伯兹：你得出了正确的结论，但我认为你的方法是可疑的。从来没有人证明人脑是一台图灵机器。仍然存在（很小的）可能性，我们包含一个图灵预言，因此推广到神经网络可能不起作用。不管怎样，神经网络是图灵完备的。@Walt:好的，严格说来是真的：）但我们的图灵完备程度不亚于一台内存有限的计算机。