В интернете набирают популярность видео, где виртуальную муху обучают кататься на скейте, играть в Doom и Minecraft, торговать на бирже и собирать кубик Рубика. Основой для экспериментов стала цифровая модель мозга мухи-дрозофилы из 140 тысяч нейронов, которую учёные выложили в открытый доступ в начале сентября.
Как устроена цифровая модель мозга
В 2024 году исследователи Принстонского университета (США) впервые полностью оцифровали мозг дрозофилы в рамках проекта FlyWire. Работа началась с препарирования настоящего мозга насекомого: его нарезали на 7 тысяч слоёв толщиной по 40 нанометров каждый. Срезы отсканировали под микроскопом, получив 21 миллион двухмерных изображений, на основе которых затем собрали трёхмерную модель.
Сопоставление огромного массива данных взяли на себя нейросети, однако машинной обработки оказалось недостаточно: финальную доработку выполняли учёные и волонтёры. Итогом стала модель, включающая почти 140 тысяч нейронов и около 50 миллионов синаптических связей — контактов, через которые нейроны обмениваются сигналами.
Параллельно в рамках проекта MaleCNS была оцифрована брюшная нервная система дрозофилы — структура, выполняющая функцию, схожую с человеческим спинным мозгом и отвечающая за управление движениями. Нейросети проанализировали строение синапсов и установили, какие нейромедиаторы — химические посредники между нейронами — задействованы в каждом из них.
Затем цифровые мозг и нервная система были объединены с виртуальным телом. Платформу NeuroMechFly, воссоздающую организм мухи с учётом биомеханики, разработали в Федеральной политехнической школе Лозанны (Швейцария). В марте 2026 года специалисты стартапа Eon Systems с помощью этих компонентов воспроизвели поведение живого насекомого: цифровая муха реагировала на запах еды.
Как энтузиасты дрессируют виртуальную муху
После того как полная карта мозга и нервная система дрозофилы стали общедоступными, к проекту подключились энтузиасты — уже без научных целей. Чтобы обучить виртуальное насекомое, пользователи самостоятельно задают стимулы и прописывают соответствующие им реакции.
Программисты пробуют натренировать мозг мухи на прохождение игр — Super Mario 64, Doom и Minecraft. Внутриигровые события при этом переводятся в язык нейробиологии: визуальная информация направляется на зрительные нейроны, а получение урона запускает выброс нейромедиаторов. По сути, это упрощённая версия обучения с подкреплением, где правильное поведение поощряется, а ошибочное — наказывается. В другом варианте муха торгует на бирже, реагируя покупкой или продажей активов на изменения ценовых графиков. Также мозг насекомого учили водить автомобиль, управлять пивоварней и листать ленту социальных сетей.
Эксперименты вышли и за пределы экрана. Цифровой мозг встроили в физические устройства: игрушечный конструктор, радиоуправляемую машинку и квадрокоптер. Камера и датчики собирают информацию об окружающей среде, нейроны мухи её обрабатывают и управляют двигателем — в результате устройства самостоятельно объезжают препятствия.
Зачем это нужно науке
За развлекательными опытами стоит серьёзный научный потенциал. Екатерина Тихомирова, профессор кафедры философии НИЯУ МИФИ и ведущий эксперт лаборатории цифровых исследований, объясняет логику таких исследований: чтобы грамотно автоматизировать когнитивные процессы — восприятие, память, мышление, принятие решений — нужно сначала понять, как они реализуются у живых организмов.
Василий Попков, кандидат биологических наук и руководитель лаборатории разработки инвазивных нейроинтерфейсов института искусственного интеллекта МГУ, указывает на двойную ценность таких моделей. Для нейробиологии цифровая копия мозга — это виртуальная лаборатория: в ней можно отключать отдельные нейроны, перестраивать связи и проверять предсказания на живом животном. Для разработчиков искусственного интеллекта мозг служит источником идей об организации вычислений. По его словам, исследование обоняния дрозофилы уже дало практический результат — новый алгоритм поиска похожих объектов.
Тихомирова при этом предостерегает от завышенных ожиданий: моделирование отдельных нейронных цепей не откроет полного понимания мозга. Попков уточняет: сам по себе рост числа виртуальных нейронов открытий не гарантирует — модель ценна лишь тогда, когда способна предсказать нечто новое, что потом подтверждается в эксперименте.
Болезни мозга и этические границы
Среди практических приложений подобных исследований Тихомирова называет прежде всего нейродегенеративные и психические расстройства — болезни Альцгеймера и Паркинсона. Вместе с тем она оговаривается, что фундаментальная наука редко даёт быстрые прикладные решения.
Масштабирование технологии на более сложные организмы ставит этические вопросы. Тихомирова формулирует их так: где граница допустимого при управлении живыми нейронными сетями? Вживление чипа в мозг живого существа с целью управления им — это одна сторона проблемы. Другая — применение нейроинтерфейсов для помощи людям с ограниченными возможностями. По её мнению, практическое применение здесь возможно, но балансирует на грани этики или выходит за неё.
Опасен ли ИИ, знающий устройство мозга
Открытый доступ к детальной карте мозга закономерно поднимает вопрос о безопасности. Попков считает, что выделять эти данные в особую категорию угроз не стоит: разработчики ИИ и без того целенаправленно обучают системы взаимодействию с физическим миром — создают модели для робототехники, беспилотных автомобилей и управления дронами. Это направление развивается независимо от картирования мозга. По его словам, реальный риск определяется возможностями конкретной системы, целями её применения, доступом к реальным действиям и качеством контроля.
Тихомирова добавляет, что модели класса GPT не получат доступа к критической инфраструктуре — медицине или атомной энергетике. Для чувствительных областей разрабатываются отдельные локальные системы, которые работают под постоянным контролем человека, и ответственность за принятые решения остаётся за людьми.
Источник: russian.rt.com
