把一整只果蝇输入进电脑中后,发生了什么?

声明：本文完全由人类撰写，不含任何AI成分，也不含广，完全原创。本文为技术科普文，对部分细节进行了简化，个人观点仅供参考。

是的，就在前几天，第一个真正意义上的数字生命诞生了。

用人话来说，这篇论文干了些啥呢，怎么就成数字生命了？其实就几个很简单的步骤：第一步：把果蝇大脑中的神经元的连接都记录下来，存在电脑里。第二步：给这个虚拟大脑安上身体。第三步：给这个数字果蝇添加环境刺激，让他自己去学习怎么飞行。

听起来好像像把大象装进冰箱那么简单。但是实际上会遇到很多问题。比如首当其冲的问题就是：果蝇那么小，我特么怎么把果蝇的神经元连接都记录下来。

这里，其实要玩的就是一个切土豆片的游戏。

可能你自己在家里切土豆片的时候，要么切得很不均匀，要么就是太厚了，这样的土豆片，做出来的口感是非常不好的，还容易被父母骂。

这，就是我们常见的CT技术。但是这样的方法，显然太粗了，面对果蝇的大脑，什么都看不到。

这时候，电子显微镜就登场了。

这玩意就像厨艺大师，能把土豆切到薄如蝉翼，土豆片当中的所有细节，都能看的一清二楚，并且发挥十分稳定，切出来的土豆片没有断开的。

妈妈再也不用担心我切土豆切不好了！

这篇论文的作者在2024年的Nature上发表了一篇关于FlyWire的文章，使用特殊的电子显微镜，做到了突触级别的高清重建。

于是，通过这样的技术，我们看清楚了这个果蝇大脑的全部细节，每个神经元连的是哪个，我们都知道了，然后接下来就是在电脑当中把这些信息录入进去。

但是紧接着，第二个难题就出现了：我现在只有果蝇的大脑的数据，但是怎么把这个大脑和四肢接在一块啊，总不能直接用一根绳子捆起来吧？

实际上，这篇论文确实有考虑类似的方法，也就是将果蝇的四肢的神经元也给输入进电脑。但是结果发现，这样做实在是太慢了，计算机的算力吃不消。

怎么办呢？

其实只需要把四肢感受到的东西，通过物理引擎直接转换成电信号，直接喂给对应的神经元就行了。

啥意思呢？原来的果蝇靠着触手感受到了糖的味道，那么这种味道，就会转换成电信号，喂给果蝇触手上的神经元。然后第一个神经元接收到了之后，就会通知第二个神经元：这是糖。第二个神经元就会告诉第三个神经元：这是糖。于是，这是糖这个信号，就会沿着一条非常非常长的电路，不断传递给大脑，大脑最终才知道，这个东西就是个糖。

发现了么？触手到大脑那一长串神经电路，本质上只是在做传导，大部分情况下是很多余的。既然只是传导，那我直接走捷径，不经过那长长的电路，直接把电信号给大脑，不就可以了？

这，就是论文中所说的输入端。

好，那么现在大脑向触手释放了一个：快吃糖果的信号。这个信号，同样需要沿着很长很长的电路送到触手，然后才能执行操作。那么同样的，我直接把这个信号走捷径直接给触手，不也可以么？

这，就是论文中所说的输出端。

输入端、大脑和输出端，其实就构成了完整的数字果蝇。

现在，我们终于解决了大脑连接四肢的问题，但是我们发现，现在的果蝇，仍然是动不了的，更别说飞了。

因为现在的大脑，只是一个静态的大脑，里面压根没有任何的电信号存在，所以我们要做的，就是给这只数字果蝇一点刺激，能让大脑活动起来，然后再学会飞行。

那么，这时候我就可以先让果蝇的母亲手把手教这只果蝇怎么飞，先让果蝇模仿他的母亲，然后学的差不多了，再让果蝇自己去飞。如果我直接让果蝇自己去飞，那就太难了。

这，就是论文提出的两阶段训练方法，先用专家程序训练，再让果蝇自己学习。

看到这，有同学可能就会问：果蝇原来不就会自己飞么？为什么输入到电脑当中的果蝇不会自己飞？

这是因为，我们给果蝇的大脑切片的时候，大脑已经寄了。

而切片只能拿到静态的神经元连接图纸，对于活体的神经元中包含哪些化学信号，电信号到底是怎么样的，我们完全不得而知。所以论文实际上给神经元添加了一个初始的权重，然后通过两阶段训练学习和微调权重。

这个过程，相当于通过学习的方式，复活这个大脑。

那这时候可能又有同学问了：既然大脑都寄了，你存在电脑里，那自然也不叫数字生命啊，因为意识还是没进去。

是的，严格意义上说，这并不能算是真正的数字生命，因为现有的技术，确实，无法做到在活体状态下按照如此高的精度和极快的速度生成完整状态的切片。

但是，这篇论文的最大贡献就在于：复活大脑让果蝇重新学会飞行的时间，比传统的深度强化学习算法短的多，在5000步之内就达到了最优的模型。

那么，既然构建数字果蝇能实现，构建数字小白鼠是不是也能实现呢？

这恰恰就是这篇论文想说明的未来工作，因为本质上小白鼠的大脑，也就比果蝇大一些而已，通过Scaling，实现起来，是没那么难的。