抄下真实大脑线路：NeuroFly与首个实测布线数字果蝇

如果把一只真果蝇的大脑线路，原封不动抄进电脑里，它能在屏幕上活过来吗？ 前天晚上，一个叫 NeuroFly 2.1 的开源数字实验室公开发布了。 不用高性能显卡集群，也不用繁琐地配置代码环境。 只要下载一个 178 兆的压缩包，解压打开。 你电脑屏幕里就会出现一只在玻璃盒子里发呆的果蝇。 它不仅有逼真的六条腿、翅膀和口器，更重要的是，它体内有一套完整的神经系统。 这不是游戏公司手捏的模型，也不是大模型训练出来的虚拟形象。 它体内的每一根神经线路，都是科学家用电子显微镜，从真实的活体果蝇身上一根根测量出来的。

在神经科学里，这套线路图叫作连接组。 过去十几年，剑桥大学、霍华德休斯医学研究所的 Janelia 园区以及 Google Research，投入了上亿美元。 他们把果蝇浸入树脂固化，用金刚石刀切成几千张只有几纳米厚的超薄切片。 在电子显微镜下一张张扫描，再用算法对齐重建。 这次的 NeuroFly，直接把两份重磅的公开图纸拼装进了同一个躯体： 大脑部分，调用了 2024 年发表在自然杂志上的 FlyWire 全脑数据，共 7,270 个脑神经元。 控制躯干的腹神经索，调用了今年刚公开的 MaleCNS 数据集，共 1,045 个神经元，专门指挥六条腿。 整个神经系统合计包含 784,219 条带正负极性的突触连接。 最绝的地方在于： 开发团队没有人工调过任何一个突触的连接权重。 每一条线路的粗细强弱，完全按照显微镜下数出来的真实突触数量原样输入。 神经递质也按生物实测严格标定：乙酰胆碱负责兴奋，GABA 与谷氨酸负责抑制。

一堆原封不动接好的死电线，没经过人类训练，真能动起来吗？ 团队给这套网络配上了最基础的物理规律。 神经元采用经典的漏电积分发放模型。 躯体按生物解剖学做出了真实的六足骨骼、重力、关节阻尼以及地面摩擦。 整个系统以每秒 120 次的频率闭环咬合： 每 1 毫秒计算一次神经放电，每秒 600 次计算机械运动，再把关节姿态与接触力实时反馈给感官。 接下来，奇迹发生了。 没有任何机器学习的奖励函数，也没有程序员写好的动作脚本。 这只数字果蝇在重力环境中自己站了起来。 它开始在盒子里四处溜达。 走累了停下来，它会抬起前肢擦脸、理触角。 地面放上一滴糖水，它的口器会自动探出来吸食。

这跟大语言模型走的是完全相反的路线。 大模型像一个黑盒子，千亿参数在后台进行统计运算，没人能说清具体哪颗参数决定了输出。 而在 NeuroFly 里，生命的行为是一根根物理电线。 每一个动作，都能顺藤摸瓜找到全部因果链条。 比如逃跑。 你在软件里朝着果蝇推过去一个虚拟的膨胀黑影。 只要黑影变大的速度越过 0.14 的阈值。 果蝇六条腿瞬间蹬直，拔地起飞。 从看见黑影到弹跳起步，神经潜伏期只有 5 毫秒。 打开软件的回路监控，你能把信号流看得一清二楚： 两只复眼捕捉到视野中的阴影变大。 视觉探测神经元 LC4 负责计算黑影扩张的速度，LPLC2 负责计算角度。 两条线路同时把电流汇聚到大脑深处的巨纤维下行神经元 DNp01。 巨纤维一被点燃，电信号立刻顺着神经索砸向胸腔的跳跃肌。 这套因果链真的可靠吗？ 你在软件里用鼠标右键点中 LC4 神经元，把它人为静默关掉。 巨纤维的放电量立刻暴跌 94%。 如果你把 LC4 和 LPLC2 两个神经元同时关掉，放电瞬间变成 0。 哪怕黑影直接砸在它脸上，它也呆立在原地，逃跑率从 100% 直降为 0%。 味觉决策也是一样的确定性硬件回路。 糖分感受器会直接驱动进食回路。 但只要你往它嘴边滴上一滴苦味溶液，苦味感受神经元就会沿途释放强烈的抑制信号。 当抑制强度达到 1.52 倍时，进食动作就会被一票否决。

那是不是说，人类已经在电脑里完全复活了一只昆虫？ 并没有。 这也正是这项研究最坦诚的地方。 在团队公开的 10 项基准实验里，它成功复现了 7 项，但有 3 项彻底失败了。 第一，它完全不会脱敏。 真实世界里的果蝇被连续吓唬几次，发现没有实质危险后，就会懒得再起飞。 但在软件里，你吓它一万次，它就老老实实起飞一万次。 第二，它完全学不会任何新东西。 如果在真实果蝇闻到某种气味时施加电击，几次之后它就会对这种气味敬而远之，产生联想记忆。 但这只数字果蝇，永远建立不起这种条件反射。 为什么？ 因为电子显微镜拍下的连接组，只是一张出厂时的静态物理接线图。 它固化了这只昆虫与生俱来的全部硬编码本能。 但生物能够学习的核心机制，即突触连接强度的动态可塑性以及多巴胺奖惩反馈，目前并没有装进去。

没有突触学习，它就只是一台纯粹由神经元齿轮咬合出来的精密发条钟。 但这正好给所有人展示了一个震撼的真相： 生命最底层的生存本能，并不需要玄学，也不需要神秘的灵魂。 只要把 7,000 多根生物电线按大自然原本的图纸接对。 生命自己就会在物理世界里奔跑逃命。