BSC 專題課程
把別人公開的程式碼在自己的電腦上重跑一次,逐項判斷「對上了沒有」,再做作者沒做的檢查
run_all.sh 叫到的每一支程式讀一遍(6),想知道這些數字到底是哪幾行算出來的再讀。run_all.sh 是下載包(下一節說明)裡的一鍵重跑指令,PART 2 要打的兩個指令之一:一個建環境、一個就是它,它一個指令把 PART 3、PART 4 要的數字全部算完(包括第四項標記和文獻的比對)。所以 PART 3、PART 4 不必再一步一步打指令:它們逐步說明每一步算了什麼、事先訂了什麼標準、跑出來怎麼對照,你拿自己 run_all.sh 的輸出對著讀就好;想單獨重跑某一步,PART 2 第 6 節教你把 run_all.sh 裡的那一行單獨打出來。連結體怎麼變成一個會學的模型,要接上四個零件:連結體、神經元方程式、輸入編碼、讀出規則(輸出神經元的活動怎麼變成要牌或停牌的決定)。本頁先講從 MaleCNS(那份雄果蠅連結體資料的名字)切出蕈狀體的四群神經元:把氣味訊號送進蕈狀體的投射神經元、把氣味編成代碼的 Kenyon 細胞(切出來的蕈狀體裡同時接到輸入、又連到輸出的共 3,811 顆,作者只挑了 1,200 顆來建模型,說是為了省計算)、輸出神經元、多巴胺神經元。再講三件人為設定:活動量算法(不模擬神經元一顆顆發出的短電訊號,也就是脈衝,只算一個活躍程度)、「多巴胺只會削弱連結」這條學習規則、牌面怎麼編成氣味與怎麼選動作。並逐項分清楚哪些來自資料、哪些是人為設定。最後一節簡介 repo 裡另外三個本課不重現的實驗。
概念為主 · 不需程式基礎 · 已完成
PART 2 準備環境與資料一個 Python 執行環境(用 conda 這個工具建)、兩個要固定的地方(程式碼的版本、資料下載時的核對),以及一個會讓結果悄悄改變的陷阱:你電腦上以前裝過的別的程式零件(套件),會被誤用進這堂課的執行環境,而且不會有任何警告。
實作 · 要會用終端機 · 已完成
PART 3 重現 21 點三個步驟(BJ1–BJ3),每一步先訂「怎樣算對上」再跑:下載資料並切出蕈狀體,切出來的檔案、細胞數與連結數逐位相同;21 點 30,000 手,成績隨手數變化的走向與作者的對上;把作者附的大腦檔(他訓練完存下來的模型檔)載入程式重算,它和 260 格的基本策略表(每種牌面該怎麼打,數學上最佳的打法)一致 51.9%,作者說 52%,數字接近,但大腦檔選的動作和作者描述的不同(README 說「幾乎都停牌」,大腦檔有 97 格要牌);本機重新訓練則只有 45.3%。作者附的大腦檔重現不出來,學到的策略每個種子都不同(20 個種子要牌 6 到 111 格),而且作者自己的三份資料(說明檔 README、程式註解、大腦檔)說法也不一致。
BJ1–BJ3 · 要會用終端機 · 已完成
PART 4 作者沒做的檢查重現成功只代表「照作者的做法會得到作者的數字」。再往前一步,做四項檢查,前三項在 21 點上做、第四項查文獻:3 個種子加到 20 個(種子:亂數的起點;換一個種子就是換一副牌)、兩層接線(Kenyon 細胞→輸出神經元、多巴胺神經元→輸出神經元)各打亂一次、換一批神經元(看結果是不是只對作者挑的那 1,200 顆成立)、拿作者給每顆輸出神經元標的「趨近/迴避」(這顆神經元活躍時讓果蠅想靠近還是想躲)去對實驗文獻(看標記對不對得上真實果蠅)。第一項與第三項都支持作者的「有多巴胺、會學,成績才會變好」:20 個種子結論不變,換哪批神經元學完的成績都在 −15.8% 到 −12.3%,比各自沒學過時好;只是學完都只比永遠停牌(−15.8%)好 0 到 3.5 個百分點,離基本策略很遠;第四項 97 顆輸出神經元有 62 顆的標記和文獻一致;標記和文獻毫無關係時碰巧也會一致約 52 顆,62 顆比碰巧多、隨機要到這麼多的機率約 1.9%,有對上的跡象,但仍有 35 顆不一致、文獻規則本身也只是簡化,所以標記不能拿來談生物學。這和第二項不衝突:標記符不符合文獻,不改變模型的任何數字;但標記本身參與決定學習方向,所以第二項把接線打亂、標記留著,就學不會。第二項部分支持作者只推論、沒驗證的事,也就是「學習方向由多巴胺神經元連到哪些輸出神經元決定」:把多巴胺神經元連到哪些輸出神經元這層打亂、標記留著,21 點就學不會,成績 −48.8%(平均每手輸 0.488 注;5 種打亂、各 3 個種子的平均),和什麼都沒學的 −47.3%(20 個種子的平均)差不多(5 種分別是 −38.8%、−49.5%、−40.7%、−65.0%、−49.9%:兩種比未訓練好 6 到 9 個百分點,學到一部分;兩種差不多;一種掉到 −65%,學反了),一致率則全部從沒學過的 45% 降到 37% 以下,平均 33%。這層接線本身重不重要,還沒和標記分開驗。
四項檢查 · 要會用終端機 · 已完成
PART 5 逐手看蕈狀體怎麼打把重現時的 30,000 手錄成影片:牌桌、蕈狀體裡 Kenyon 細胞(把每種氣味編成代碼的那群神經元)與輸出神經元的活動、多巴胺的閃動、學習曲線與模型的打法表(260 格)逐手對齊;完整模型、切斷多巴胺、未訓練三種大腦各一支。
互動播放 · 不需程式基礎 · 已完成
PART 6 讀程式:兩個指令按下去,電腦做了哪些事從 run_all.sh 開始,順著「誰叫了誰」讀三層:第一層是本課寫的兩支 shell script(一個文字檔,裡面是一行一行的終端機指令:建環境的 setup_envs.sh 與一鍵重跑的 run_all.sh),第二層是它們叫到的六支 Python 程式(兩支作者的、四支本課寫的),第三層是模型本身的兩個檔:蕈狀體與 21 點。每一段程式先說在做什麼、為什麼要有,再逐行標記;PART 3、PART 4 表裡的每個數字都對回產生它的那一行。作者的程式是 MIT 授權,頁面上直接引。讀完,PART 1 那四個零件與「多巴胺只會削弱」那條學習規則,各在哪個檔、哪幾行就對得上。不用先跑過 PART 2 也能讀。
讀程式 · 不需終端機、不教語法 · 已完成
scripts/row21_visits.py 算出,在 out/blackjack/row21_visits.json)。模型的打法表從「幾乎全要牌」翻成「以停牌為主」(20 個種子停牌 141 到 231 格、加倍 8 到 53 格),一致率卻幾乎沒動,是因為基本策略表 260 格裡該要牌 115 格、該停牌 106 格(其餘 39 格該加倍),幾乎全要牌對中的是前者、以停牌為主對中的是後者,數目差不多,再加上幾格碰巧對中的加倍(PART 5 第 3 節);所以作者說的「52%」就算對上也說明不了什麼想自己核對的人:本課頁面上每個數字都來自本機實跑的輸出檔,收在本課 repo 的 out/ 資料夾;這四格依序出自 out/blackjack/bj2_blackjack_30000.json、out/blackjack/bj3_author_brain.json、out/blackjack/bj_extra.json(後兩格);第一格的對照尺出自 out/blackjack/reference_margin.json,第二格的 114 格與實打成績出自 out/blackjack/part3_extras.json;PART 4 卡片的 1.9% 出自 out/blackjack/x4_permutation.json;20 個種子的要牌格數與扣掉 20 格後的一致率出自 out/blackjack/seeds20_tables.json。種子數:第一格全是 3 個種子(對照尺除外:隨機 −44.5%、永遠停牌 −15.8%、基本策略 −1.4% 是各打 20,000 手的模擬);第二格的 45.3% 是 3 個種子的平均,43.8% 是種子 0 單獨一次;第三、四格與 PART 4 卡片除了下面列的例外,都是 20 個種子的平均;例外:換一批神經元的 −15.8% 到 −12.3% 是每批 3 個種子,1.9% 是把標記隨機重排 100,000 次的檢定結果,不是種子平均;打亂 KC→MBON 的 −15.6% 是 5 種打亂(各 1 個種子),打亂 DAN→MBON 的 −48.8% 與 33% 是 5 種打亂 × 3 個種子。同一個條件,3 個種子和 20 個種子的平均會差到一兩個百分點(完整模型 −14.8% 對 −13.2%、一致率 45.3% 對 47.9%),因為 3 個種子的平均晃得比較多。產生首頁影片的程式:投影片要點與旁白稿在 scripts/video_slides.py,影片由 scripts/make_video.py 產生,規格記在 out/video_meta.json;scripts/video_check.py 檢查「投影片上寫的每一點,旁白有沒有講到」。怎麼得到這些數字,見 PART 3 與 PART 4。
| 專案 | 固定的版本 | 用的資料 | 授權 |
|---|---|---|---|
| WilliamJones/fly-blackjack | commit 004b2e3 | MaleCNS v1.0 雄果蠅中樞神經系統連結體,經另一位研究者 Yijie Yin 公開的 connectome_data_prep 整理成表格;本課不重跑整理這一步,直接下載它的輸出(PART 3 的 BJ1 從下載開始比) | MIT |
表裡的名詞:repo 是 GitHub 上一個專案的程式碼倉庫;commit 是倉庫在某個時間點的快照,004b2e3 這類代號是它的編號,固定它才能保證重跑的是同一份程式;MIT 是一種允許任何人複製、修改、散布的授權。fly-blackjack 的 repo 分五部分,21 點是第五部分;前四部分本課沒有重現:其中三個實驗(Dino 小遊戲、氣味制約、覓食)PART 1 第 7 節簡介,會走路的身體模型本課不碰。
out/ 底下),所有圖都由 scripts/make_figures.py 從那些輸出畫出來,PART 5 的影片由逐手紀錄畫出。實跑環境:Linux、12 核 CPU、不用 GPU。