作者注：全文均由 AI 生成，未经过人类重写与润色，仅经过了人类阅读。所以AI味道会很重。觉得这事很有趣，就让 AI 给我写了份杂志风的文章！
2026 年 9 月 3 日，谷歌研究院与 HHMI Janelia 研究园区在《细胞》杂志上正式发表了 MaleCNS v1.0：第一张完整的成年雄性果蝇中枢神经系统连接组。超过 16.6 万个神经元、约 1.25 亿个突触连接、11,691 种细胞类型，从视觉、听觉、嗅觉的输入端到控制运动的所有运动神经元，整条链路第一次在同一张图上闭合。
论文见刊三天后，9 月 6 日，软件工程师 Alex Wormuth 在 X 上发帖：我正在用完整的 MaleCNS v1.0 连接组训练一只果蝇大脑玩 Doom。第二天，开发者 Jessica Paquette 发布了同一只果蝇大脑玩《超级马力欧 64》的视频。再往后，开发者 Evan Smith 宣布把整个连接组塞进了 Minecraft，让这只果蝇以神经活动驱动一只游戏中的飞虫。9 月 9 日，研究者 lyra 发布了最新一棒：果蝇大脑玩节奏光剑（Beat Saber），半天内播放量超过 780 万。
一、一周，四款游戏
最认真的是 Wormuth 的 DOOMFLY。他把 Doom 的每一帧画面拆解成亮度和颜色信号：3335 个明暗信号送给连接组里的 R1 到 R6 视觉受体神经元，811 个颜色信号送给 R8 神经元，大约 16.67 万个神经元组成的脉冲神经网络逐帧计算，再由特定的下行神经元读出指令。编号 DNp20 的神经元负责转动视角，DNpe017 负责前进和开火。
角色每次受伤，系统会向两个 PPL101 多巴胺神经元发放一个 200 毫秒的脉冲，模拟惩罚信号。Wormuth 把整个项目开源在 GitHub 上，还架了一个直播页面，任何人都可以围观这只果蝇的血量、弹药、击杀数和实时突触活动。截至发稿，它还没有学会 Doom。
Paquette 的马力欧项目更随性。她自称用 vibe coding 方式快速攒出了程序，纯粹为了好玩。视频里的马力欧反复起跳、撞墙、再撞墙，透着一股清澈的迷茫。
Minecraft 版的思路又不一样。Evan Smith 让连接组驱动游戏世界中的一只飞虫，它会对玩家靠近、攻击、食物和光照做出反应，执行预设的动作模式。这只果蝇第一次拥有了一个可以和人类玩家共享的世界。
最新加入的是 Beat Saber。9 月 9 日，机器可解释性研究者 lyra 发布了一段网页演示：曲目是 Among Us Trap Remix 困难难度，188 BPM，画面里一只虚拟果蝇用两条前足各握一把光剑劈砍飞来的方块，界面右侧同步显示 16.5 万个神经元和 2550 万条连接的实时活动，动作由 135 个前足运动神经元的放电驱动。作者自己的说明很诚实：视觉皮层的反应还在训练，目前只是运动皮层对一段固定回放的过拟合，界面左下角也标注着运动预演。它现在已经能对画面做出反应，真正的游玩能力正在用强化学习训练中。这条推文半天收获 780 万播放和 4.7 万点赞，最热的评论是：你到底在干什么？？？
四个项目能在一周内冒出来，前提是 MaleCNS 以 CC BY 协议完全开放。下载数据，接上模拟器，谁都可以让这只果蝇干点什么。数据开放当天，玩法的边界就只受想象力限制了。
二、连接组本身就是程序
这波游戏狂欢的背后，是 2026 年 3 月 Eon Systems 的一次演示。他们把完整的果蝇全脑连接组接进物理引擎里的虚拟果蝇身体，大脑与身体每 15 毫秒同步一次。演示中的虚拟果蝇会行走，会梳理触角，会伸出喙吸食虚拟的糖。
整个系统没有经过任何机器学习训练。没有奖励函数，没有梯度下降，没有一个参数是从数据里学出来的。所有行为从神经元的连接结构中直接涌现。Eon 团队的表述是：连接组本身就是程序。
这句话的含义值得展开。普通 AI 的能力储存在训练得到的权重里，这只数字果蝇的能力储存在一张从真实大脑复制下来的接线图里。每个神经元被建模为一个泄漏积分发放单元，接收上游脉冲、累积膜电位、越过阈值就放电，整个网络在 Brian2 脉冲神经网络模拟器上运行。连接的强度正比于电镜下数出的突触数量，连接的兴奋或抑制属性由神经递质预测决定。全模型只有一个全局自由参数。2024 年发表于《自然》的同款全脑模型，在 164 项独立的活体实验检验中取得了约 91% 的吻合率。
几亿年的进化早已完成了训练，人类做的事情更接近复读机。
三、把一颗大脑搬进电脑，要先把它切成一百万片
突触间隙只有 20 纳米左右，光学显微镜看不见，电镜看得见但穿不透组织。连接组学的办法是破坏性重建。把果蝇的神经系统包埋进树脂，用金刚石刀切成几十纳米厚的超薄切片，整个中枢神经系统切完达到百万片量级。逐片用透射电镜成像，再把这一摞二维图像对齐拼回三维体。MaleCNS 从切片到发布跨越了约十年。
电镜图像只是灰度像素。把像素变成神经元名单和突触清单靠两步。第一步，AI 分割：泛洪填充网络在三维体里追踪每个神经元的轮廓，自动识别突触位点。第二步，人工校对：AI 会把两个紧贴的神经元粘成一个，也会把一根神经突断成两截，这些错误由人类逐条核对修正。
照片读得出突触的位置、数量和接触面积，读不出一个突触实际能传多强的信号，那取决于受体密度和囊泡释放概率这些死组织里看不到的东西。所以模型的权重大小用突触数量当代理，权重符号靠机器学习从突触形态预测神经递质类型来判定。拓扑是照出来的，强度是估出来的，整体动态是和活体数据对齐调出来的。
四、切错一片怎么办？
百万次切片里没有一次失误是不可能的，每个连接组数据集都带着已知的瑕疵发布。这套流水线从设计上就假设错误会发生。
神经元是三维物体，一根神经突连续穿过几十上百个切片，走向平滑可预测。丢了一片，AI 可以依据轨迹把缺口两端接起来，类似 CT 少扫一层靠插值补上。连接层面的冗余更厚，两个神经元之间通常有几到几十个突触，丢失一两个不影响这条边的存在和大致强度。
实在无法确认的续接，规则是宁可不接。数据里会留下两段孤儿碎片，错误的性质因此几乎都是漏报一条边，极少错接一条边。对网络整体而言，漏接的影响远小于错接。校对资源也会优先投向算法拿不准的位置。
有些采集技术从物理上绕开丢片。ATUM 把切片收集在胶带卷上，成像不佳的单片可以取出来重拍。FIB-SEM 用离子束逐层铣削、原地成像，压根不存在独立的切片。
整个系统因此更像一张被虫蛀了几个洞的渔网，而不是一碰就塌的多米诺骨牌。洞的位置记录在案，洞周围的线不乱接，网照样捕鱼。
五、凭什么相信这个模型？
一个反直觉的事实支撑了整件事：生物脑本身就是按噪声环境进化出来的。真实果蝇脑中的突触，每次信号到来只有 10% 到 50% 的概率成功释放囊泡，同一个突触这次传下次可能不传。进化给出的解法是冗余与群体编码，任何计算都由大量神经元分摊，单点噪声被平均掉，反馈环路随时纠偏。复印品只要大体准确，就天然继承这种鲁棒性。研究者的敏感性测试显示，随机删去 5% 到 10% 的突触，或者把所有权重扰动正负 20%，预测的行为几乎不变。
验证也不靠最后看果蝇会不会走路，每一层都有独立的考试。解剖层面，果蝇脑大致左右对称，两侧独立重建可以互相校验。FlyWire 与 Janelia 半脑数据集来自两只不同的果蝇、两套不同的采集流程，重叠区域的接线图互相对得上。功能层面，模型预测激活某组神经元会伸喙，就用光遗传实验在活果蝇身上验证，模型预测某神经元的视觉响应，就和活体钙成像的记录对比。
模型的适用边界同样写在论文里：不含电突触，不含突触可塑性，不含神经调质状态，神经元被简化为点。它的承诺很具体，在这些行为上，以九成上下的准确度复现真实神经活动。统计学家博克斯的说法放在这里刚好：所有模型都是错的，但有些是有用的。科学给出的不是绝对正确，而是可测量的误差。
六、谁在干这份枯燥的活？
校对是整条流水线里最磨人的环节，解决方案有三路。
第一路是游戏化。Eyewire 把神经元追踪做成 3D 拼图，玩家在立方体里把神经突从一边追到另一边，按速度和准确率积分，配排行榜、徽章和周赛。项目吸引了超过 20 万名玩家，FlyWire 启动时直接邀请了排行榜前 100 名参与内测。
第二路是公民科学。数百名志愿者的名字直接列在《自然》论文的贡献者名单里。这个自称 Flyers 的社区后来基本自治，自发编写细胞类型指南、整理文献、给平台开发插件。
第三路是职业化。大部分校对量由付费团队完成，包括分布在菲律宾和印度的签约校对员。上岗前平均要在测试集上练习 200 多个细胞，学会识别超微结构的二维线索，通过考核才能接触正式数据。Janelia 的半脑数据集，仅校对就消耗了超过 50 个人年!
最新的进展是自动校对系统 Autoproof，它已经能自动处理百万量级的孤儿碎片，提出数十万个高准确率合并建议，相当于节省好几个人年。人类校对产生的每一条修正都成为了训练数据。这批人正在亲手训练自己的接班人，而全老鼠脑连接组迟迟无人敢轻易启动，最大的成本瓶颈就在这里。
七、照片拍不到的那部分
回到 Doom。截至发稿，那只果蝇还没有学会任何东西，而且这个结果很可能是结构性的。连接组模型里的突触强度固定不变，无论被惩罚信号戳多少次，网络本身不会更新。学习的物质基础是突触可塑性，而可塑性恰恰是电镜照片拍不到的部分。连接组是某一只果蝇在某一瞬间的静态快照，神经调质浓度、电突触、个体经历留下的痕迹，都不在图里。
这就是数字果蝇当前的边界。它会走路，会理毛，会找糖吃，在 Doom 里会撞墙，在马力欧里会跳崖，在 Beat Saber 里会挥剑，但它不会记住任何一次失败。
从果蝇的 16 万个神经元，到小鼠的 7000 万，再到人类的 860 亿，每一步都是数量级的跳跃，也都有人在认真规划。数字果蝇给出的启示同时包含希望和清醒：一个脑的功能有相当大的比例写在连线结构里，而剩下的那部分，可塑性、状态、经历，才是这只果蝇之所以是这只果蝇的东西。
我们可以复印一张地图。地图不是疆域，快照不是生命。
参考资料
-
MaleCNS v1.0，谷歌研究院 × HHMI Janelia，《细胞》2026 年 9 月 3 日
-
Tom's Hardware：Google maps entire brain and CNS of adult male fruit fly, software engineers immediately make it run Doom，2026 年 9 月 8 日
-
Gigazine：Google 公开果蝇脑图谱后工程师们用它玩起 DOOM 和马力欧 64，2026 年 9 月 9 日
-
Shiu, P. K. et al. A Drosophila computational brain model reveals sensorimotor processing. Nature (2024), doi:10.1038/s41586-024-07763-9
-
Dorkenwald, S. et al. Neuronal wiring diagram of an adult brain (FlyWire). Nature (2024), doi:10.1038/s41586-024-07558-y
-
Eon Systems 果蝇全脑仿真演示，2026 年 3 月
-
Eyewire（eyewire.org）与 FlyWire 校对社区相关报道
-
Lobato-Rios, V. et al. NeuroMechFly v2. Nature Methods (2024)
-
lyra bubbles (@_lyraaaa_): the fly brain can play beat saber, X, 2026 年 9 月 9 日