果蠅大腦接上 Doom 的一週：開放腦圖遊戲實驗的真實進度

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

一隻雄果蠅的完整神經接線圖，9 月 3 日正式發表在《Cell》，同日 Google 與 Janelia 對外公告，至於開放下載的資料集，其實更早就在。不到一週，已經有四組開發者把這份圖譜的模擬活動接進 Minecraft、Doom、Super Mario 64 和 Beat Saber：遊戲的畫面或事件餵給模擬神經元，神經活動再轉成動作或按鍵，角色真的會動。但截至 9 月 10 日，四個專案沒有任何一個作者宣稱自己的模型學會了玩遊戲，最完整的 Doom 實驗甚至把「還沒成功」寫在說明文件的開頭。

這波新聞值得看的地方，不在「果蠅大腦征服遊戲」那類聳動標題，而在一件剛發生的事：一份開放授權的完整腦部接線資料，讓「接線圖能不能變成可執行的控制器」從論文裡的問題，變成任何人都能下載、重跑、檢驗的開源實驗。從論文出刊到第四次遊戲改寫，中間只隔六天。

9 月 3 日出刊的論文：16 萬多個神經元的完整接線圖

先把事件本身講清楚。這份連接組的名稱是 MaleCNS，研究團隊 2026 年 9 月 3 日把完整成果發表在《Cell》，論文標題直譯是「果蠅雄性中樞神經系統完整連接組的性別二態性」。這是第一份涵蓋整隻雄果蠅中樞神經系統的接線圖：大腦、兩側視葉、加上功能類似脊髓的腹神經索全部在內。論文摘要列出的規模是 166,691 個神經元、11,691 種細胞類型，而且整份連接組都經過人工校對與註記。

背後的團隊組合也值得記住：HHMI Janelia 研究園區主導，英國 MRC 分子生物學實驗室、劍橋大學動物學系與 Google Research 合作，計畫從 2008 年就開始。Google 在官方研究部落格的說法是，這張圖超過 16.6 萬個神經元、約 1.25 億個突觸連接，是以神經元數量計算至今最大的腦部接線圖。作為對照，他們 2020 年釋出的半腦圖 hemibrain 只有 2.5 萬個神經元、2,100 萬個連接，當時已是紀錄。

同批發表的還有三篇直接用上這張圖的論文，Janelia 的整理點出幾個方向：雄果蠅特有的約一百種中間神經元，在中央腦形成高度交纏的網路，協調大多數雄性專屬行為；視覺訊號從眼睛一路深入腦區，沿途動用超過一半的神經元類型；味覺系統則從全身的味覺神經元，一路畫到控制進食的運動神經元。換句話說，這份圖譜對科學家的價值在於「從感覺追到行為」的電路第一次可以整條看完，而這一點，稍後也正好被遊戲開發者拿來當控制器的骨架。

對一般讀者最關鍵的一點是授權：資料放在 male-cns.janelia.org，以 CC-BY 方式開放，可以直接下載，也能用程式批次讀取，影像、神經元註記、突觸、骨架結構都包在裡面，也能經由 Google 開源的 Neuroglancer 工具檢視探索。這份開放其實比論文早得多：2025 年 10 月就釋出 v0.9 初版，2026 年 6 月更新到 v1.0，但直到 9 月 3 日論文出刊、Google 與 Janelia 同日公告後，這批遊戲實驗才接連出現。開放，是後面所有故事的起點。

Pin

六天四次改寫：開發者把腦圖接上四款遊戲

接下來的時間軸相當緊湊。論文出刊兩天後，9 月 5 日凌晨的台北時間，開發者 Evan Smith 在 X 上貼出一段影片：他成功把 MaleCNS v1.0 的全部保留神經元跑進 Minecraft，模擬的神經活動驅動一隻虛擬果蠅的動作，這個專案後來命名為 NeuroCraft Fly。隔天的 9 月 6 日，Alex Wormuth 的 DoomFly 在 GitHub 上開張，開始用果蠅連接組玩 Doom 並對外直播訓練過程。再兩天後的 9 月 8 日凌晨（台北時間），Jessica Paquette 貼出用果蠅連接組操作 Super Mario 64 的影片，程式碼隨後以 Fly64 為名放上 GitHub。9 月 9 日上午，另一位開發者 lyra bubbles 貼出果蠅連接組玩 Beat Saber 的影片，畫面裡的角色隨音樂揮動光劍，也在 X 上流傳開來。

這波實驗也很快溢出技術圈：9 月 8 日 Tom’s Hardware 以「夠先進的新技術，馬上就會被拿去跑 Doom」的老梗為題報導，X 上則開始出現各種二創，有人嫌大家一直在「虐待」這隻果蠅，乾脆宣布要蓋一座「果蠅天堂」，讓牠在草地與果實之間永遠飛下去。玩笑歸玩笑，一週內從論文走到迷因，這個速度本身就是這次事件最特別的地方。

四個專案讀的都是同一份 MaleCNS 圖譜；其中 DoomFly 與 NeuroCraft 的說明文件列出的規模，是 166,700 個保留神經元與 25,582,938 條有向連線，論文摘要的精確數字則是 166,691，兩者指的是同一張圖。換句話說，這不是四個各自閉門造車的巧合，而是一份開放資料在社群裡被反覆重現的過程。

遊戲是怎麼接上去的：三個環節都是人寫的

「果蠅大腦玩遊戲」聽起來像把一顆活的腦接上電腦，實際的架構要樸素得多。把 DoomFly 的說明文件攤開，整個迴路是：遊戲畫面被轉成數值送進模擬的視覺神經元，活動沿著接線圖的連線傳遞，再由指定的運動神經元活動轉成搖桿與按鍵。接線本身來自生物重建，但迴路裡有三個環節完全是開發者的工程選擇。

感覺編碼是源頭。DoomFly 把每個遊戲畫框轉成 3,335 個亮度輸入與 811 個色彩輸入，分別對應果蠅的 R1-R6 與 R8 視覺神經元；說明文件特別註明，畫面位置與色彩反應是推估的代替品，不是實測的果蠅視覺。Fly64 更講究一點：每秒在 Mario 周圍拍六張 128×128 的隱藏畫面拼成一個球面視野，果蠅兩眼合計涵蓋約 270 度，HUD 和 Mario 自己的身體都不在視野裡。

接著是放電規則。接線圖只記錄誰連誰、方向與強度，不記錄神經元何時放電。開發者必須自己指定一套簡化的神經動力：DoomFly 用近似模型跑全部 166,700 個神經元，Fly64 的模型每秒跑 50 步，並額外加上背景驅動與可重現的雜訊，避免「畫面是唯一輸入」的假象。

最後一道是運動解碼。哪些神經活動代表左轉、前進或跳躍，同樣由人指定。DoomFly 把 DNp20 的左右活動差轉成轉向、DNpe017 接到移動與開槍；Fly64 用 DNg100 控制前進、DNa02 與 DNg13 的左右差轉向、DNp01 與 DNp10 的爆發觸發跳躍。DoomFly 的說明文件寫得直白：這些是工程上的控制器指派，不是已證實的自然運動功能。

一個比喻可以幫忙定位：接線圖像一台電腦的主機板線路圖，而這些專案做的事，是拿線路圖自己補上電源、時脈與周邊驅動，再接上遊戲。線路是真的，其餘每一層都是重新設計。這也是為什麼拿到接線圖不等於復活了一顆腦：活腦的化學狀態、神經調節、感官與肌肉回饋，都不在這份資料裡。

四個專案自己畫下的界線

比影片更值得讀的，是每個作者自己補上的但書。DoomFly 是四案中唯一把學習做進連接組模擬本身的實驗：角色受到非致命傷害時，系統對兩顆 PPL101 多巴胺細胞施加 200 毫秒的人工厭惡刺激，並允許 4,184 條既有的蘑菇體輸出連線依活動改變，其餘接線全部固定。聽起來很像果蠅正在學著活下來，但說明文件的現況欄寫得毫不留情：v6 候選模型沒有通過視覺、制約與生存三道驗證，權重有變化、單局活得比較久，都不構成「學會了」的證據。整個倉庫同時保留了失敗結果、對照實驗與模型假設，這在以炫技為主的社群展示裡相當少見。

Pin

Fly64 走的則是誠實的另一種極端。作者在說明文件裡自曝整個專案「百分之百用 GPT Astra 寫出來」，程式碼沒有自己審過；模型沒有訓練、沒有獎勵、也沒有收集星星的目標，所以 Mario 撞到牆之後就停在那裡，並不是 bug，而是沒有東西教它轉彎。NeuroCraft Fly 這邊，Minecraft 的事件（玩家靠近、附近生物、刷毛、攻擊、食物、光線六種互動）會轉成神經模型的輸入，模型活動再用來挑選與調整作者預先寫好的腳本動作；作者 Evan Smith 在影片爆紅後主動澄清：這不是在模擬果蠅的意識，也不是把一顆活腦上傳到遊戲裡，demo 用的是重建後的連接圖加上簡化的活動傳遞規則。

Pin

看起來最像「會玩」的 Beat Saber，真相也由作者自己說了。lyra bubbles 在貼文十幾分鐘後就補充：模型已經能對輸入起反應，但實際遊玩表現仍然很差，強化學習還在進行；隔天再澄清細節：輸入走的是整個連接組而非只有視覺區，目前對單一曲目的資料過擬合、輸入裡含部分重播資料，不過它不是單純重播一段預錄動作，動作仍由連接組生成。這段澄清讓影片從「果蠅學會打節奏遊戲」降級成「運動層過擬合、視覺層還在練」，但也讓它比多數展示誠實。順帶一提，這個專案截至 9 月 10 日沒有公開程式碼，是四案中唯一連公開倉庫都沒有的，判讀時值得留一手。

這條路的兩端，都是 AI 在加速

把視野拉遠一點，這波實驗有個容易被忽略的對稱性：腦圖的製作端與使用端，都被 AI 大幅加速了。上游是 Google 的連接組學團隊，他們用稱為 flood-filling network 的卷積神經網路，從單一像素出發辨識屬於同一神經元的所有像素，把數百萬張電子顯微鏡切面縫合成 3D 神經形狀；2019 年他們釋出全自動的雌果蠅腦重建，近期的 PATHFINDER 系統再加入合成神經元訓練資料，速度與準確度都再往上提。Janelia 側則累積了近二十年的成像與校對工程。

下游則是 AI 寫程式。Fly64 的作者自稱整個專案百分之百用 GPT Astra 寫出來；NeuroCraft Fly 的作者也在貼文裡寫明「Built with the help of GPT-6 Astra」。一週內四個能跑的原型，靠的是把開放資料、開源遊戲引擎與 AI coding 工具鏈串在一起，這正是這類實驗突然變快的直接原因。同一段時間，Unity 把引擎知識打包成 AI 外掛技能、有人把 GPT-6 Astra 的 3D 提示詞整理成開源案例庫，工具鏈的成熟速度本身就是新聞。

「拿連接組當控制器」其實也不是這週才開始。2026 年 2 月上傳 arXiv 的 FlyGM 論文，就把成體果蠅的全腦連接組直接實例化成一個圖結構神經控制器，用深度強化學習去控制一隻模擬的生物力學果蠅身體，並回報在多種移動任務上穩定、樣本效率優於圖與非圖的對照模型。這條學術路線證明了概念可行；本週的差別在於，同樣的問題第一次變成社群裡任何人都能下載重跑的開源實驗，而且失敗結果也被保存下來。

想動手的人現在能做什麼，還該盯著什麼

分層看會比較實際。只想看看圖的，male-cns.janelia.org 的資料與瀏覽工具完全開放，CC-BY 授權，連商業再利用都只要求標示出處；官方下載頁建議用 neuPrint 平台線上探索，寫程式的人也可以用 neuprint-python 套件直接拉神經元與連線資料，資料集名稱就叫 male-cns:v1.0。想跑完整模擬的，DoomFly 在 GitHub 上以 MIT 授權開源，需要 Python 3.11 與數 GB 記憶體，三份 MaleCNS 資料要依官方清單另行下載並核對雜湊值；Fly64 的倉庫 ornata/fly 在 MacBook 上就能跑，腦部資料約 1.1GB，但你要自備一份未改過的美版 Super Mario 64 ROM，且倉庫目前沒有掛授權條款，拿去改作前先等作者補上。NeuroCraft Fly 的倉庫目前只是專案落地頁，模組與可執行內容還在準備，想玩 Minecraft 版得再等；Beat Saber 版沒有公開程式碼，只能看作者後續貼文。

接下來該盯的判準也很清楚。這些專案每幾小時到幾天就會推進一次，任何現況描述都會過期，引用時以倉庫與作者貼文為準。真正值得等的是三件事：有沒有專案公開完整的訓練方法與對照組、有沒有第三方成功重現、以及最重要的，模型能不能在沒看過的關卡或曲目上，靠視覺回饋穩定改善表現。在那之前，「果蠅大腦會玩遊戲」這句話最準確的讀法，仍是「果蠅的接線圖正在驅動遊戲角色」，而它還沒學會玩。這種宣稱與證據之間的落差，最近在 AI 領域並不孤單，讀懂但書，永遠比讀懂標題有用。