Всё о «цифровой мухе»

Муха в центре технологической гонки

В сентябре 2026 года плодовая мушка Drosophila melanogaster неожиданно стала одной из самых обсуждаемых тем в мире технологий. Её нервную систему начали использовать в компьютерных играх, виртуальных мирах, симуляторах и экспериментальных интерфейсах. Цифровая муха появилась в Doom, Minecraft, Super Mario 64 и Beat Saber, её подключали к автомобильному симулятору, помещали в дополненную реальность и даже превращали в дежурного инженера. На первый взгляд всё это выглядит как сюжет научной фантастики. Возникает ощущение, будто учёные взяли мозг живого насекомого, загрузили его в компьютер и каким-то образом продолжили его существование уже после смерти организма. Но на самом деле произошло нечто одновременно гораздо менее фантастическое и гораздо более интересное. Никто не переносил в компьютер саму муху. В цифровую среду не загружали её воспоминания, жизненный опыт или какие-то личные особенности. Учёные получили подробную карту её нервной системы. Такая карта называется коннектомом. В ней указано, какие нейроны существуют, где они находятся и с какими другими клетками соединены. Затем на основе этой информации была создана математическая модель. Уже она работает внутри компьютера, а не настоящая нервная ткань.

В одних экспериментах эту модель подключают к виртуальному телу, в других — к игре или специальной программе, которая переводит происходящее на экране в сигналы, похожие на сигналы от органов чувств. Поэтому фраза «мозг мухи играет в Doom» звучит эффектно, но это скорее журналистское допущение. В действительности речь идёт о компьютерной модели нервной системы, которая получает специально подготовленные сигналы и выдаёт ответ в виде определённых команд. Разница между этими двумя описаниями принципиальна. Живой мозг — это не просто сеть проводов, которую достаточно скопировать один к одному. Он работает благодаря сложным электрическим и химическим процессам, постоянно изменяется под воздействием опыта и всё время обменивается информацией с телом. Коннектом показывает прежде всего структуру связей. Он не содержит полное описание состояния живого организма в каждый конкретный момент. Поэтому после получения карты учёным ещё нужно решить, каким образом превратить её в работающую систему.

И именно это стало главным достижением последних лет. Исследователи получили возможность не просто рассматривать нервную систему как анатомическую схему, а воспроизводить её архитектуру внутри компьютера и проверять, какое поведение может возникать из этой структуры. А когда данные стали доступны другим исследователям и разработчикам, началась вторая часть истории: одну и ту же нейронную архитектуру начали подключать к совершенно разным цифровым мирам.

Почему именно дрозофила?

Выбор дрозофилы не случаен. Её мозг очень маленький — у взрослого насекомого он меньше миллиметра, — но при этом внутри находится чрезвычайно сложная сеть. Нейроны соединены миллионами синапсов, а один внешний раздражитель способен запускать целую цепочку последующих реакций.

Путь к цифровой мухе начался давно. Ещё в прошлом веке учёные полностью описали нервную систему крошечного червя Caenorhabditis elegans. У него всего 302 нейрона и около семи тысяч соединений между ними. В 2011 году появился проект OpenWorm, участники которого попытались создать компьютерную модель этого организма. Модель даже пытались подключать к роботам.

Следующим шагом стала работа с личинкой дрозофилы, чья нервная система насчитывает примерно три тысячи нейронов. Затем исследователи смогли восстановить крупный фрагмент мозга взрослой самки — около 25 тысяч нейронов, известный под названием hemibrain. Но полноценная реконструкция мозга взрослой мухи оказалась задачей совершенно другого масштаба.

В октябре 2024 года консорциум FlyWire, объединивший 76 лабораторий и большое количество добровольцев, опубликовал полную карту мозга взрослой самки дрозофилы. В ней было около 139 тысяч нейронов и более 54 миллионов синапсов. Чтобы получить эти данные, мозг пришлось разделить примерно на семь тысяч тонких срезов. Каждый из них затем исследовали с помощью электронного микроскопа, а после этого огромное количество изображений нужно было собрать в единую трёхмерную картину.

Объём исходных данных оказался колоссальным — около ста терабайт. Но и на этом работа не закончилась. Нужно было определить, где находится каждая клетка, как проходят её отростки через соседние срезы и с какими другими нейронами они соединяются. Часть этой работы выполняли алгоритмы искусственного интеллекта, которые помогали распознавать границы клеток и восстанавливать траектории нервных волокон. Однако полностью доверять автоматике пока невозможно, поэтому результаты приходится дополнительно проверять людям. Именно поэтому создание подобных карт занимает годы.

В 2026 году появился ещё более полный набор данных — MaleCNS v1.0, посвящённый взрослому самцу дрозофилы. В нём было уже около 166 700 нейронов, примерно 125 миллионов синаптических контактов и 25,6 миллиона связей между парами нейронов. Причём исследователи описали не только сам мозг, но и центральную нервную систему тела. У насекомых она выполняет часть функций, которые у позвоночных связаны со спинным мозгом. Это позволило проследить путь сигнала значительно дальше — от сенсорного входа через нервную систему к структурам, связанным с движением конечностей.

Новая карта помогла увидеть и различия между самцами и самками. Были обнаружены сотни типов клеток, которые характерны только для одного пола или имеют заметные отличия в строении. Таким образом, коннектом оказался не просто схемой проводов. Он стал подробной картой организации целой нервной системы.

Как из карты делают мозг

Получить карту — только половина задачи. Следующий вопрос звучит гораздо сложнее: как заставить эту карту работать?

Коннектом говорит, кто с кем соединён, но не содержит полной инструкции о том, как должен вести себя каждый нейрон в каждый момент времени. Исследователю нужно определить, как клетка реагирует на входящие сигналы, когда создаёт электрический импульс и как этот импульс влияет на соседние нейроны.

В одной из моделей, использованной командой Eon Systems, применялся сравнительно простой математический принцип: нейрон накапливает входящую активность, постепенно теряет её часть, а после достижения порога выдаёт импульс. Это далеко не полная копия реального нейрона, который работает значительно сложнее. Но простая схема позволяет рассчитывать огромную сеть, не превращая каждый отдельный нейрон в сверхсложную математическую задачу.

Следующая проблема — химия. Синапсы, через которые нейроны общаются друг с другом, бывают разными. Одни усиливают активность следующей клетки, другие подавляют её, а некоторые влияют на работу сети ещё более сложным образом. Исследователи использовали машинное обучение, чтобы оценивать типы нейромедиаторов и определять, каким может быть характер передачи сигнала между клетками. 

В результате получается своеобразный гибрид. Анатомическая часть берётся из реального мозга, а правила работы этой структуры задаются математической моделью. Такая система оказалась способна воспроизводить некоторые реальные реакции мухи. Например, когда виртуально активировали рецепторы, связанные со сладким вкусом, модель могла запускать активность, соответствующую вытягиванию хоботка. При стимуляции горьких рецепторов пищевой рефлекс, наоборот, подавлялся. Воздействие на механические рецепторы усиков могло запускать цепи, связанные с чисткой.

В некоторых описаниях этих экспериментов сообщалось о точности предсказания отдельных сенсомоторных реакций более 90%, а в одном из материалов называлось значение до 95%. Но эти цифры не означают, что цифровой мозг полностью повторяет работу настоящей мухи. Речь идёт о конкретных реакциях, которые удалось воспроизвести достаточно близко к биологическим.

Главное здесь в другом. Исследователям не пришлось заранее прописывать каждое движение отдельной командой. Сенсорный сигнал проходил через сеть и превращался в моторную активность. Это стало важным подтверждением того, что хотя бы часть поведения действительно может возникать из самой архитектуры нервной системы.

Без тела мозг работает не так, как в природе

Даже правильно работающая нейронная сеть мало что даёт, если у неё нет тела, на которое могут влиять её команды. В ранней модели цифровые нейроны могли, например, выдать сигнал, соответствующий движению ноги. Но полноценного тела не было, а значит, нельзя было понять, что произойдёт после этого движения. В настоящем организме всё работает иначе. Муха двигается — меняется изображение окружающего мира. Она касается поверхности — появляются механические сигналы. Она меняет положение конечностей — это снова влияет на поступающую в нервную систему информацию. Чтобы воспроизвести этот цикл, модель подключили к виртуальному телу NeuroMechFly, работающему на физическом движке MuJoCo. У цифровой мухи появились положение в пространстве, масса, механика конечностей и взаимодействие с поверхностью.

Теперь всё стало происходить по кругу. Виртуальная лапка касается пола, возникает сенсорный сигнал, он проходит через нейронную сеть, сеть формирует новую моторную команду, тело меняет положение, а изменившееся положение порождает новые сигналы. Получается полноценная сенсомоторная петля: восприятие, обработка информации, движение и обратная связь. Именно она отличает живое или физически воплощённое поведение от простой анимации. В некоторых случаях в такой системе начинают возникать последовательности действий, которые не были заданы разработчиком как готовый сценарий. Это называют эмерджентным поведением — когда итоговый результат появляется из взаимодействия большого количества элементов системы.

Но здесь тоже важно не переоценивать происходящее. Физика виртуального тела заранее создана программистом. Свойства окружающего мира тоже задаёт разработчик. Если изменить датчик, физику поверхности или способ передачи сигнала, поведение изменится. Поэтому цифровая муха не является точной копией настоящего насекомого. Это модель, работающая в специально созданной среде.

Муха играет в Doom

Проект DOOMFLY стал одним из самых известных экспериментов главным образом потому, что его легко объяснить человеку, который никогда не занимался нейробиологией.

Игра показывает изображение. Это изображение необходимо каким-то образом превратить в нервные сигналы. Сигналы проходят через цифровую нервную систему. После этого часть выходной активности превращается обратно в команды для игры.

Кадры из Doom переводились в сигналы, похожие на сигналы зрительной системы мухи. Затем эти сигналы проходили через сеть из десятков тысяч нейронных узлов и миллионов связей. На выходе разработчик заранее определял, какая активность должна означать движение, какая — поворот, а какая — выстрел. Получалась цепочка «изображение — нервная сеть — команда». Игра предоставляла среду, а цифровая нервная система должна была переработать поступившую информацию и сформировать ответ.

Особенно интересным оказался способ обработки повреждений. Когда персонаж получал урон, это использовалось как сигнал для стимуляции двух дофаминовых клеток PPL101. Идея была основана на реальной биологии: дофаминовые цепи дрозофилы действительно участвуют в обучении и формировании памяти. Из-за этого создавалось впечатление, будто цифровая муха постепенно учится избегать опасности. Но именно здесь начинается важная граница между красивой демонстрацией и доказанным научным результатом.

Авторы проекта отдельно предупреждали, что полноценное обучение модели не было доказано. Шестая версия не прошла необходимые проверки зрения, условного рефлекса и выживаемости. Само по себе изменение параметров сети или увеличение продолжительности отдельных игровых раундов нельзя считать доказательством того, что цифровой организм действительно научился чему-то в биологическом смысле. Система работает, сигналы проходят по реконструированной сети, а виртуальный персонаж реагирует на происходящее. Но это ещё не означает, что внутри компьютера возник самостоятельный интеллект.

Minecraft оказался интереснее

Minecraft оказался для цифровой мухи в некотором смысле более естественной средой, чем Doom. Здесь не нужно было превращать нервную систему в универсальный контроллер стрелка. Мир можно представить как пространство, в котором есть объекты, препятствия, еда и другие существа, а нервная система должна реагировать на происходящее.

Проект NeuroCraft Fly использовал полную карту примерно из 166 700 нейронов. Игра предоставляла информацию об окружающем мире, а внешняя система переводила её в условные сигналы, похожие на сенсорный поток. В результате виртуальная муха могла искать еду, перемещаться и избегать опасных объектов. Но авторы специально подчёркивали, что такой эксперимент ничего не говорит о наличии сознания. Он также не означает, что цифровая система воспринимает окружающий мир так же, как настоящая муха. Тем не менее Minecraft важен по другой причине. Здесь есть пространство, объекты, события и последствия действий. Модель может изменить своё состояние в зависимости от того, что происходит вокруг неё. Это делает эксперимент ближе к классической нейробиологии, где нервную систему изучают не отдельно от мира, а в постоянном взаимодействии с ним. Именно здесь особенно хорошо проявилась ещё одна особенность открытого коннектома. Для научной лаборатории полная реконструкция — это результат многолетней работы. Для независимого разработчика это уже готовый набор строительных блоков, который можно подключать к своим экспериментам.

От Марио до Beat Saber

После Doom и Minecraft цифровая нервная система быстро добралась до других игр. В Super Mario 64 модель управляла персонажем, но результат выглядел гораздо скромнее. Марио часто прыгал без понятной цели, не мог нормально ориентироваться и врезался в стены.

В Beat Saber использовали коннектом примерно на 165 тысяч нейронов и десятки миллионов соединений, а выходы системы связали с двумя виртуальными световыми мечами.

В проекте FLYLOCK для Deadlock к нервной модели добавили отдельную систему компьютерного зрения на основе YOLOv5. Она анализировала происходящее на экране, после чего управление передавалось через имитацию клавиатуры.

Появились и эксперименты с Tetris. В одном из них игровое поле превращали в сигнал для тысяч нейронов, затем активность проходила по связям коннектома и считывалась через моторные элементы. Дополнительная программа перебирала возможные варианты укладки и выступала своеобразным учителем. Результат оказался показательным. Цифровая муха заполняла примерно 8–11 линий за партию, тогда как внешний алгоритм справлялся примерно с 50. Этот эксперимент хорошо показывает одну из главных проблем подобных систем: недостаточно просто реагировать на то, что происходит сейчас. Гораздо сложнее понять, к чему приведёт выбранное действие через несколько шагов.

Муха за рулём

Проект Flyhard оказался ещё интереснее, потому что здесь цифровую нервную систему попытались связать не с игрой, а с автомобильным симулятором. Реконструированную сеть обучали поворачивать виртуальный руль передней лапкой, а затем подключили к среде CARLA. Первый пилотный запуск состоялся 9 сентября. После обучения система смогла выполнить все 100 заданных тестов по углу поворота руля, тогда как до обучения результат составлял 0 из 100. В социальных сетях подобный результат легко превратить в заголовок о мухе, которая научилась водить машину. Но технически эксперимент был значительно скромнее. Система пока не воспринимала дорогу как полноценный водитель, не управляла одновременно рулём и педалями и не демонстрировала устойчивого самостоятельного движения по множеству маршрутов. Тем не менее этот эксперимент представляет большой интерес. Между клавишей «влево» и настоящим рулём есть принципиальная разница. Руль нужно поворачивать непрерывно, а ошибка, допущенная на одном шаге, влияет на все последующие. Поэтому такая задача лучше показывает, способна ли нейронная модель поддерживать последовательное управление физическим объектом.

До виртуального водителя здесь ещё очень далеко, но сам принцип уже удалось проверить.

А потом муху познакомили с биткоином

Наверное, самым необычным экспериментом стал проект Stonkfly, где вместо игровой сцены цифровой нервной системе показывали график криптовалютного рынка. Система получала данные по паре BTC-USDC и превращала их в цветное изображение размером 320 на 180 пикселей. После этого картинка подавалась на левый и правый виртуальные глаза модели.

Здесь особенно важно понимать, что муха не видит цену в виде числа. Она не знает, что такое доллар, биткоин или вообще финансовый рынок. Для неё существует только набор цветовых точек на изображении. Активность нервной сети интерпретируется как одно из трёх решений: купить, продать или ничего не делать. После этого отдельный программный модуль проверяет решение и при необходимости передаёт его торговой системе. Получается, что между «мозгом мухи» и рынком находится ещё один слой программного обеспечения.

Система подкрепления также была построена по аналогии с предыдущими экспериментами. Изменение стоимости портфеля превращалось в сигнал. Небольшая прибыль стимулировала клетки PAM11, а убыток — PPL101, связанные с реакциями избегания.

С научной точки зрения ценность такого проекта не в том, что муха вдруг научилась торговать криптовалютой. Естественно, она этого не умеет. Эксперимент проверяет другое: можно ли приспособить архитектуру её нервной системы к совершенно новым типам сигналов и задач.

Цифровая муха выходит в реальный мир

Ещё один необычный проект позволил цифровым мухам «жить» в настоящей комнате через очки дополненной реальности. Две виртуальные особи получили полные копии MaleCNS v1.0 — примерно по 166 700 нейронов и 25,6 миллиона направленных связей каждая. Очки анализировали окружающее пространство, а внешняя система распознавания определяла такие объекты, как еда, цветы, потенциальные угрозы и другие элементы комнаты. Затем эта информация превращалась в условные ощущения цифрового насекомого.

Зрение при этом сделали намеренно простым. Вместо полноценной картинки использовалось ограниченное поле зрения, больше соответствующее возможностям насекомого. Дополнительные сигналы могли сообщать системе о расстоянии и других свойствах объектов.

Нервная модель работала на компьютере, а её выходные сигналы управляли виртуальной мухой. Если к ней резко подносили руку, могла возникать реакция бегства. Если ладонь оставалась неподвижной, муха могла на неё сесть.

Но разработчики честно указывали, что часть поведения всё равно приходилось задавать вручную. Это касалось ритма ходьбы, механики посадки, взаимодействия со стенами и некоторых других физических свойств.

Интересны и показатели скорости. Два цифровых мозга могли обработать около 50 миллисекунд нервной активности примерно за 79 миллисекунд. То есть модель работала немного медленнее реального времени.

Это уже не просто игра с коннектомом. Здесь появляется полноценный эксперимент по соединению реконструированной нервной системы с физическим пространством, которое существует за пределами компьютера.

Муха — инженер

На фоне игр и дополненной реальности особенно забавно выглядит проект, в котором цифровую муху превратили в дежурного инженера. Система следит за состоянием программных сервисов. Пока всё работает нормально, виртуальная муха просто гуляет по своей цифровой среде. Если какой-то сервис перестаёт отвечать, она должна добраться до виртуальной кнопки тревоги и нажать её. После этого в рабочий чат отправляется уведомление.

С точки зрения науки эта задача намного проще, чем управление полноценным виртуальным телом. Но культурно она очень показательна. Как только сложная технология становится доступной, люди почти сразу начинают использовать её в самых неожиданных ситуациях. Сам автор проекта относился к результату с юмором. Цифровое насекомое передвигалось довольно хаотично, что стало поводом для шуток о поведении инженера после тяжёлого рабочего дня.

Конечно, это не означает, что нервная система мухи лучше человека подходит для мониторинга серверов. Смысл эксперимента в другом: сложную биологическую архитектуру можно использовать как основу даже для простейшего технического процесса.

Где заканчивается мозг и начинается программирование?
Все эти эксперименты подводят к одному важному вопросу: какую часть работы действительно выполняет реконструированная нервная система, а какую — окружающая её программа?

Коннектом задаёт структуру связей, но математическую модель нейронов выбирает разработчик. Входные изображения превращаются в нервные сигналы с помощью специально созданного интерфейса. Выходные сигналы тоже должны быть заранее связаны с конкретными действиями. Если модели показывают график биткоина, кто-то должен решить, каким образом этот график будет представлен на её виртуальных глазах. Если она играет в Doom, разработчик определяет, как яркость и цвет игровых пикселей повлияют на активность зрительных клеток. Если нейронная сеть должна «стрелять», кто-то должен связать определённую комбинацию выходных сигналов с командой «огонь».

То же самое происходит с обучением. Если получение урона должно считаться плохим результатом, необходимо заранее выбрать клетки, которые будут стимулироваться, определить силу сигнала и его продолжительность. Если прибыль должна считаться наградой, создаётся другая схема.

Поэтому коннектом сам по себе не знает, что такое Doom, автомобиль или биткоин. У него нет готового набора человеческих понятий. Сама среда и значение сигналов создаются внешним программным обеспечением. Но это вовсе не означает, что коннектом бесполезен. Наоборот, именно это делает его интересным. Исследователь может менять задачу, оставляя одну и ту же биологическую архитектуру, и наблюдать, какие способности появляются без полной перестройки сети.

Обычную искусственную нейросеть можно специально обучить для определённой задачи. Здесь исходная архитектура уже существует. Её сформировала биология. И учёные пытаются понять, насколько универсальной может оказаться эта архитектура.

Есть ли у цифровой мухи сознание?

Самый громкий вопрос, возникший вокруг этих экспериментов, звучит почти неизбежно: а вдруг у цифровой мухи появилось сознание?

На сегодняшний день имеющиеся данные этого не подтверждают.

Учёные действительно могут наблюдать очень сложное поведение. Система реагирует на входные сигналы, меняет моторные команды, избегает некоторых воздействий, выбирает между несколькими действиями и переходит между разными состояниями активности.

Но всё это ещё не доказывает наличие сознания.

У живой мухи есть тело, обмен веществ, химические процессы, постоянная обратная связь между мозгом и организмом и собственная история развития. Ничего этого нет в компьютере вместе с картой нервных связей. Даже самая подробная карта MaleCNS — это прежде всего описание структуры. Она не хранит воспоминания конкретной мухи, не содержит историю её жизни и не говорит, что происходило с этим организмом раньше. Поэтому корректнее говорить не о сознании, а о компьютерном моделировании нервной архитектуры и поведения.

Особенно важно не путать сложность поведения с сознанием. Машина может выполнять очень убедительные последовательности действий и при этом не иметь никакого внутреннего субъективного состояния. По внешнему поведению невозможно напрямую определить, есть ли у системы ощущения и переживания. Поэтому слова «цифровая жизнь» в данном случае стоит воспринимать как метафору. Научный объект здесь — вычислительная модель нервной системы.

Следующая цель — мышь

После дрозофилы логично возникает вопрос: кого можно попробовать оцифровать дальше?

Команда Eon Systems уже смотрит в сторону мыши.

На первый взгляд кажется, что переход от мухи к мыши должен быть просто вопросом увеличения масштаба. Но на самом деле сложность возрастает намного быстрее. В мозге мыши около 70 миллионов нейронов — примерно в 560 раз больше, чем в модели дрозофилы. При этом увеличивается не только число клеток. Растёт количество связей, становится больше типов нейронов, усложняются функциональные цепи и значительно расширяется диапазон поведения. Мышь умеет ориентироваться в пространстве, запоминать события, взаимодействовать с другими животными и выполнять намного более сложные движения. Всё это нужно будет учитывать в полноценной модели.

Есть и проблема получения самой карты. Для крупного мозга недостаточно просто увеличить существующую технологию. Потребуются новые методы подготовки ткани, сканирования и обработки огромного количества изображений. Один из подходов связан с экспансионной микроскопией. Ткань мозга помещают в специальный полимер, который затем расширяется. В результате структуры становятся крупнее, и их можно изучать с большей детализацией.

Однако даже идеальная карта — лишь начало. После её получения нужно ещё создать вычислительную модель и научиться запускать её.

Когда оцифруют человека?

После мыши вопрос о человеческом мозге возникает почти сразу. В нём около 86 миллиардов нейронов. Уже одно это число показывает масштаб проблемы, но количество клеток — далеко не самая сложная часть. Человеческий мозг содержит огромное количество разных типов клеток и связей. Его структура постоянно меняется. Нервные соединения формируются в детстве, перестраиваются под влиянием опыта и продолжают изменяться в течение всей жизни. На работу мозга влияет всё тело — гормоны, сон, питание, окружающая среда, эмоциональные состояния и прошлый опыт.

Коннектом способен показать структуру, но не сам процесс, благодаря которому эта структура сформировалась.

Это можно сравнить с фотографией. Она показывает, где находится объект в определённый момент, но не рассказывает всю историю того, как он туда попал. Даже если представить, что когда-нибудь удастся получить идеальную карту человеческого мозга, этого всё равно будет недостаточно. Потребуется смоделировать поведение нейронов, химические процессы, пластичность, сенсорные сигналы и связь мозга с телом.

А потом возникнет ещё более сложный вопрос — вопрос личности.

Представим, что однажды компьютерная система действительно сможет воспроизвести структуру и динамику конкретного человеческого мозга. Можно ли будет считать такую систему продолжением жизни этого человека? Или это будет новая копия с теми же воспоминаниями и реакциями?

Современная наука не знает ответа.

Это не бессмертие

Если отбросить фантастические заголовки, главное значение цифровой мухи находится совсем в другой области. Коннектом позволяет экспериментировать с нервной системой так, как это очень трудно делать на живом организме. В компьютерной модели можно отключить определённую группу нейронов, изменить связь между клетками или запустить одну и ту же сеть сотни раз с разными условиями. Это даёт возможность постепенно проверять, какие части нервной системы действительно необходимы для определённых функций. Можно изучать реакцию на вкус, зрительные сигналы, движение и опасность, не вмешиваясь каждый раз в реальный живой организм. В будущем подобные модели могут использоваться и для изучения заболеваний, связанных с нарушением нейронных связей. Если удастся воспроизвести определённые изменения в сети, можно будет проверять гипотезы о механизмах таких нарушений и моделировать возможные способы воздействия.

Есть и инженерное направление — нейроморфные вычисления. Полный коннектом дрозофилы уже запускали на специализированном нейроморфном чипе Intel Loihi 2. Это позволяет сравнивать биологическую архитектуру с искусственными вычислительными системами, построенными по похожим принципам.

Именно здесь постепенно становится понятен настоящий масштаб эксперимента. Учёные получили возможность исследовать нервную систему не только как биологический объект, но и как работающую вычислительную архитектуру.

Что в итоге даёт цифровая муха?

Самое важное достижение состоит в том, что подробную карту нервной системы удалось превратить в действующую вычислительную модель. Это уже не просто рисунок нейронных связей или теоретическая схема. Такая система может получать информацию, перерабатывать её и выдавать поведенческий результат.

Следующий важный шаг — создание сенсомоторной петли, когда цифровая нервная система получает сигналы от виртуального тела, обрабатывает их, заставляет тело двигаться, а затем получает новую информацию в ответ.

Ещё интереснее то, что одна и та же базовая архитектура может использоваться в совершенно разных ситуациях. Игры, виртуальные миры, управление рулём, графики криптовалют и дополненная реальность не имеют почти ничего общего с естественной жизнью дрозофилы. И всё же одна и та же нервная модель может стать их вычислительным ядром. 

Но одновременно эти эксперименты показывают и границы технологии. Они не доказали наличие сознания, не подтвердили полноценное самостоятельное обучение и не показали возможность переноса личности из биологического организма в компьютер. Не доказано и то, что цифровая модель является полной копией живого мозга на всех уровнях.

На первый взгляд история цифровой мухи может показаться первым шагом к загрузке человека в компьютер. На самом деле её значение гораздо скромнее. Учёные получили возможность взять подробно описанную нервную систему сложного организма, воспроизвести её в виде вычислительной модели, подключить к виртуальному телу и многократно экспериментировать с ней. Эту модель можно копировать, изменять, сравнивать и запускать снова и снова. Можно выключать группы нейронов, менять связи и смотреть, что произойдёт, не проводя каждый раз новый эксперимент на живом насекомом. Для нейробиологии это очень мощный инструмент. Он не заменяет живую муху, но открывает совершенно новый тип экспериментов.

Для вычислительной техники коннектом интересен как готовая биологическая архитектура обработки информации, созданная эволюцией. Исследователи могут изучать её и сравнивать с искусственными нейронными сетями, пытаясь понять, какие принципы работы мозга можно перенести в машины.

А для философии эта история поднимает ещё более далёкий вопрос: когда достаточно точная модель нервной системы перестанет восприниматься просто как модель и начнёт считаться отдельным субъектом? Пока у нас нет оснований утверждать, что это уже произошло с цифровой мухой.

Следующая большая проверка — мышь с примерно 70 миллионами нейронов. Если подобный подход удастся масштабировать, потребуются новые технологии получения данных, значительно большая вычислительная мощность и гораздо более сложные модели поведения.

До человеческого мозга ещё очень далеко. В нём около 86 миллиардов нейронов, но даже это число не передаёт всей сложности задачи. За ним стоят химия, пластичность, развитие, тело, окружающая среда и индивидуальный опыт.

Поэтому главный вывод этой истории пока предельно прост: полная карта связей — это ещё не личность, сложное поведение — ещё не сознание, а цифровая модель мозга — ещё не цифровая жизнь.

20 просмотров · 19.09.2026

наука, цифровая муха, коннектом, цифровой мозг, нейросети, нейробиология, мозг, искусственный интеллект, будущее, технологии, кибернетика, Drosophila melanogaster