Играет в DOOM, торгует биткоином и паркуется: как обычная муха стала мемом 2026 года

3 сентября в сети появилась детальная карта нервной системы мушки дрозофилы. С этого дня насекомое обрело мировую известность.

Полина ТихоноваАвтор Hi-Tech Mail

В начале марта 2026 года по соцсетям и форумам разлетелось видео. Обычная муха дрозофила внутри физического симулятора чистит лапками усики, ходит по виртуальной поверхности и тянется хоботком к капле сахара.

Ничего особенного, если бы не одна деталь. За поведением стоит не написанный вручную код и не нейросеть, обученная методом проб и ошибок. Перед читателем цифровая копия настоящего мозга настоящей мухи, воссозданная нейрон за нейроном по снимкам электронного микроскопа.

Что показали в марте 2026 года

Ролик выложил стартап Eon Systems из Сан-Франциско. Его сооснователь Алекс Висснер-Гросс назвал происходящее первой в мире воплощенной эмуляцией целого мозга, в которой прослеживается сразу несколько разных типов поведения. Гендиректор компании Майкл Андрегг выразился еще короче: «We've uploaded a fruit fly», т. е. «Мы загрузили муху».

Технически команда взяла два готовых куска. Первый это цифровая модель мозга мухи. В ней почти 130 тыс. нейронов. Каждый нейрон описан упрощенно, копит входящий сигнал и «стреляет», когда сигнал переваливает за порог. Связи между нейронами взяты не из головы, а из настоящей карты настоящего мозга.

Второй кусок это виртуальное тело мухи в физическом движке MuJoCo. У него есть ноги, крылья, хоботок и усики, которые двигаются по законам физики. Эти два куска соединили в замкнутый цикл. Виртуальное тело чувствует что-то в окружении, например запах сахара. Сигнал уходит в цифровой мозг. Мозг его обрабатывает, а результат возвращается в тело в виде команды пошевелить лапкой или вытянуть хоботок.

Новое положение тела снова становится «сенсорным входом для мозга». Никакого обучения с подкреплением при этом не использовали. Муха не тренировалась искать сахар. Она делает это, потому что так «решили» ее собственные нейронные цепи, скопированные с настоящей мухи.

Именно эта деталь вызвала главный вопрос. Если поведение рождается из настоящей схемы связей мозга, а не из выдрессированной с нуля нейросети, насколько правомерно говорить, что перед нами копия настоящего сознания мухи? Чтобы ответить на этот вопрос, нужно понять, откуда вообще взялись все составные части эксперимента. История начинается на шестьдесят лет раньше появления видео.

Что случилось, когда коннектом попал в интернет

9 сентября пользовательница lyra bubbles выложила видео «муха умеет играть в Beat Saber». За два дня ролик собрал 22 млн просмотров. Вслед за ним в Х начал распространяться формат «муха умеет…», в котором разработчики и энтузиасты подключали цифровой мозг к самым разным задачам.

10 сентября Алекс Вормут запустил Stonkfly и дал мушиному мозгу виртуальные $100 для торговли биткоином. Котировки он передавал в виде свечного графика в зрительную систему мухи, а активность нейронов использовал для выбора одного из трех действий: купить, продать или ничего не делать. После этого команда отправлялась на биржу через Coinbase AgentKit.

Вормут также добавил систему вознаграждения, чтобы мозг реагировал на результат сделок. При росте портфеля активировались 15 нейронов, связанных с вознаграждением, а при убытке сигнал поступал в две клетки, отвечающие за избегание. Комиссии тоже считались убытком. Код проекта выложили на GitHub, а вокруг него появился собственный мем-токен STONKFLY.

В тот же день разработчик Breg Grockman подключил мушиный мозг к автосимулятору, где виртуальная машина должна была выполнить параллельную парковку. Видео набрало 1,5 млн просмотров за сутки.

С чего началась цифровая муха

В 1967 году генетик Сеймур Бензер в Калтехе предложил идею, которая тогда звучала почти безумно. Если муха ведет себя иначе, чем остальные, значит, у нее сломан конкретный ген, и этот ген можно найти.

Он превратил дрозофилу в объект массовых генетических скринингов. В 1976 году его лаборатория описала dunce — первый ген, поломка которого мешала мухе учиться. Муха с испорченным геном прекрасно чувствовала запах и прекрасно чувствовала удар тока — с органами чувств все было в порядке. Но связать одно с другим, запомнить, что именно за этим запахом следует удар, она не могла. Ген оказался ответственным не за ощущения, а за саму способность запоминать связь между двумя событиями.

Следом появились похожие мутанты с говорящими названиями вроде rutabaga, то есть «брюква», и amnesiac. Полвека нейрогенетики учились управлять поведением мухи через ее гены. Но у ученых не было карты, которая показывала бы, как именно нейроны в ее мозге соединены между собой.

Полмиллиона человек помогали картировать нейроны

Первую попытку построить такую карту силами не лаборатории, а обычных людей предпринял нейробиолог Себастьян Сеунг, тогда работавший в MIT. В 2012 году он запустил браузерную игру EyeWire. На экране показывали срез ткани сетчатки под электронным микроскопом. Игрок вручную «раскрашивал» контур нейрона и прослеживал, куда он тянется на соседних срезах.

Никакой научной подготовки не требовалось. За несколько лет в игру сыграло больше полумиллиона человек из 145 стран. В EyeWire была турнирная система, рейтинги и еженедельные соревнования. Благодаря добровольцам ученые пересчитали клетки сетчатки, которые передают сигнал от глаза в мозг. До EyeWire таких типов знали около двадцати. После разметки игроками оказалось, что их больше 35, включая шесть совершенно новых, которых раньше никто не находил.

EyeWire стал доказательством того, что сложную научную задачу можно раздробить на маленькие понятные кусочки и раздать их толпе. Толпа справится с ними не хуже профессионалов.

Как ученые получили полную карту мозга мухи

Десять лет спустя ту же идею применили уже не к сетчатке, а ко всему мозгу мухи. Еще в 2018 году в институте Janelia, который входит в Медицинский институт Говарда Хьюза, сфотографировали мозг взрослой самки дрозофилы под электронным микроскопом с огромным увеличением.

Сеунг вместе с Малой Мурти из Принстона предложили превратить эти снимки в полную карту связей, коннектом. Искусственный интеллект размечал нейроны на снимках. Сотни добровольцев по всему миру, объединенных в консорциум FlyWire, вручную исправляли его ошибки.

В октябре 2024 года результат вышел сразу в нескольких статьях Nature. На выходе получилось 139 255 нейронов и свыше 50 млн синаптических связей между ними. Это была первая в истории полная карта нейронных связей мозга взрослого животного.

Данные открыли для исследователей еще в начале работы над проектом. Еще до официальной публикации их успели использовать примерно в 50 независимых исследованиях. Ученые получили готовую карту того, как нейроны соединены друг с другом, и использовали ее как основу для новых исследований.

Когда карта мозга ожила

Карта связей сама по себе ничего не «делает». Это просто схема нейронов, как чертеж электросети без включенного тока. Настоящий сдвиг произошел, когда эту схему превратили в работающую модель.

В том же номере Nature вышла статья Филипа Шиу, на тот момент постдока в Беркли. Он взял коннектом и построил на его основе упрощенную, но работающую модель почти всего мозга. В ней около 130 тыс. нейронов. Каждый нейрон просто копит сигнал и «стреляет», когда тот превышает заданный порог.

Дальше Шиу проверил, способна ли модель предсказывать реальное поведение мухи. Когда ученые стимулировали в ней рецепторы, распознающие сахар, в модели активировались нужные моторные нейроны, которые отвечают за вытягивание хоботка. Когда ученые добавляли горький вкус, модель тормозила этот рефлекс, как настоящая муха, которая старается не есть потенциально опасную пищу. Раздражение усиков тоже давало ожидаемый результат. Включались нейроны, отвечающие за чистку лапками.

В итоге поведение модели совпало с поведением настоящих мух на 95%. Код Шиу выложил в открытый доступ, поэтому модель стала доступна другим исследователям для дальнейших экспериментов.

Мозг мухи научили видеть

Почти сразу нашелся способ не просто запускать готовую модель мозга, а по-настоящему ее обучать. Группа под руководством Сринивасы Тураги создала flyvis, модель зрительной системы мухи. В ее основе лежит подробная карта мозга мухи, которая показывает, какие нейроны соединены друг с другом и как между ними проходят сигналы.

Такую карту называют коннектомом. При этом исследователи оставили внутри модели параметры, которые можно менять во время обучения. Поэтому flyvis одновременно сохраняет структуру настоящего мозга и может учиться, как обычная нейросеть.

Для обучения модели дали конкретную задачу: распознавать движение в видео. После обучения flyvis смогла предсказывать активность отдельных типов зрительных нейронов почти клетка в клетку. Иными словами, модель не просто научилась определять, что на видео что-то движется. Ее отдельные нейроны начали реагировать на движение примерно так же, как соответствующие нейроны настоящей мухи.

Исследователи выложили модель в открытый доступ вместе с документацией и готовыми примерами, которые можно запустить в бесплатном облачном блокноте. Поэтому работа с цифровым мозгом перестала быть исключительно лабораторной задачей. Человеку с ноутбуком и видеокартой стало достаточно нескольких часов, чтобы запустить и дообучить отдельный участок модели мозга мухи.

Следом появилось виртуальное тело

Параллельно ученые решали вторую половину задачи. Им нужно было создать виртуальное тело, которое могло бы двигаться и взаимодействовать с окружающей средой. С 2019 года лаборатория Павана Рамдьи в швейцарской Политехнической школе Лозанны, EPFL, постепенно усложняла эту модель.

Сначала ученые научили нейросеть отслеживать движения настоящей мухи по видео с нескольких камер. Затем на основе данных компьютерной томографии реальной мухи построили NeuroMechFly, биомеханическую модель ее тела. Ее запустили в физическом симуляторе, который рассчитывает движение тела и его взаимодействие с окружающей средой. К 2024 году появилась версия NeuroMechFly v2 с обонянием, зрением через фасеточные глаза и способностью ходить по сложному рельефу.

Еще один вариант виртуального тела сделали совместно Google DeepMind и Janelia. Исследователи построили анатомически точную модель мухи в физическом движке MuJoCo, а затем обучили нейросеть управлять ей с нуля с помощью обучения с подкреплением. Для этого модель совершала миллионы попыток, а система поощряла ее, когда движения приближались к траекториям настоящих летающих и ходящих мух.

Получились два разных подхода к управлению виртуальной мухой. В модели Шиу поведение должно было следовать из связей, которые есть в настоящем мозге мухи. Код обоих проектов выложили в открытый доступ, поэтому этими моделями могли пользоваться другие исследователи и разработчики.

Искусственный интеллектБиологияЖивотныеПоделиться