Мозг мухи в компьютере: что скрывается за мемами

Последние недели соцсети наводнили ролики, где дрозофилу — или её мозг, с ходу не разберёшь — заставляют заниматься вещами, к которым природа её не готовила. В одном видео она играет в Doom: бегает по коридорам, стреляет, пытается выжить. В другом — отправляется в Minecraft. Кто-то сажает муху за руль автомобиля, кто-то даёт торговать криптовалютой. Дальше — больше: дроны, роботы, танки, музыка, «камень, ножницы, бумага».

Порой у неё действительно что-то получается. Она убивает противников в Doom, в автомобильных экспериментах ловко рулит, а системы на основе её нервной системы управляют движением роботов и летательных аппаратов. Насколько это заслуга самой мухи — вопрос отдельный. Но на видео всё выглядит достаточно убедительно, чтобы интернет придумывал ей новые испытания.

История превратилась почти в соревнование. Одни проекты выглядят как серьёзные инженерные эксперименты, другие — как идеи сумасшедшего учёного. Чем больше таких роликов смотришь, тем труднее понять, что именно тебе показывают. Муху? Её мозг? Цифровую копию? Нейросеть по его образцу? В самих видео обычно не церемонятся: вот муха, вот Doom, вот она куда-то побежала.

Легко представить сюжет для «Чёрного зеркала»: животное погибло, но его мозг каким-то образом продолжает существовать в компьютере — только вместо полётов над залежавшимся бананом вынужден стрелять в демонов, парковать машину и листать рилсы. Есть, правда, одна проблема. Никакого мозга мухи внутри компьютера нет. И никакой «цифровой мухи», пережившей собственное тело, — тоже. Так что же тут вообще происходит?

Формально история началась около десяти лет назад. Планов научить муху играть в Doom у исследователей тогда, естественно, не было. За проектом стоял куда более фундаментальный вопрос: как из работы отдельных нервных клеток и связей между ними возникает поведение живого существа? Почему оно поворачивает в одну сторону, а не в другую, как понимает, что видит перед собой, запоминает информацию, выбирает действие и учится на собственном опыте?

Отвечать на эти вопросы сразу на примере человеческого мозга было бы слишком самонадеянно: в нём около 86 млрд нейронов. Учёным нужна была нервная система компактнее — такую, которую хотя бы теоретически можно разобрать целиком, клетка за клеткой и связь за связью.

Можно было взять совсем простой организм. Полную карту нейронных связей крошечного круглого червя с 302 нейронами получили ещё в 80-х годах XX века. Но здесь возникала другая проблема: чем проще нервная система, тем меньше сложного поведения на ней можно изучать. Нужен был своего рода компромисс.

Дрозофила подошла почти идеально. У неё относительно небольшая нервная система, но сама муха уже умеет видеть и ориентироваться в пространстве, искать пищу, запоминать запахи, учиться, ухаживать за партнёром и выполнять довольно сложные движения. Плодовая мушка больше века остаётся одним из главных модельных организмов биологии — о её генах, клетках и поведении учёные знают более чем достаточно.

Именно поэтому исследователи из проекта FlyEM — исследовательского кампуса Медицинского института Говарда Хьюза HHMI Janelia — взялись за составление подробной карты её нервной системы. Работа шла постепенно: начинали с отдельных участков, а с 2014 года к проекту подключился Google, помогавший превращать огромное количество снимков электронного микроскопа в трёхмерные модели нервных клеток.

Как именно это происходило, чуть понятнее «Фонтанке» объяснил кандидат биологических наук, руководитель лаборатории разработки инвазивных нейроинтерфейсов Института искусственного интеллекта МГУ Василий Попков. После машинной обработки результат проверяли и исправляли люди. С каждым новым этапом учёные охватывали всё большую часть нервной системы.

К лету 2026 года они добрались почти до финиша. 8 июня появилась версия MaleCNS v1.0 — практически полная карта центральной нервной системы взрослого самца дрозофилы. Её сразу выложили в открытый доступ. С этого момента данные можно было скачивать, изучать и использовать в собственных проектах.

Но по-настоящему история вырвалась за пределы научного сообщества почти три месяца спустя. 3 сентября в журнале Cell вышла итоговая работа большой международной команды исследователей, название которой можно примерно перевести как «Половые различия в нервной системе дрозофилы: полная карта нейронных связей самца». В тот же день о результате подробно рассказал Google Research. Именно после этого и началась нынешняя волна экспериментов.

Научный результат получился впечатляющим и без мемов про муху с дробовиком. Учёным удалось собрать практически всю центральную нервную систему взрослого самца дрозофилы: центральный мозг, обе зрительные доли и вентральную нервную цепочку — структуру, которая у насекомых во многом выполняет ту же роль, что спинной мозг у позвоночных. Всё это связано в единую карту, на которой теперь можно проследить путь сигнала от клеток, получивших зрительную информацию, через мозг и дальше — к цепям, связанным с движением.

Для существа размером всего несколько миллиметров цифры получились совсем не маленькими: около 166,7 тысячи нейронов, примерно 125 миллионов синаптических контактов и более 11 тысяч типов нервных клеток. По числу восстановленных нейронов это самая крупная полная карта нервной системы такого рода на сегодняшний день.

Если очень грубо, получилась невероятно подробная схема проводки. Можно выбрать конкретный нейрон, рассмотреть его форму, проследить его отростки и увидеть, с какими другими клетками он соединён. Всё это можно делать прямо на сайте проекта MaleCNS. И тут возникает главный вопрос: если учёные смогли настолько подробно восстановить нервную систему мухи, значит ли это, что саму муху действительно удалось перенести в компьютер?

Нет — саму муху в компьютер никто не переносил. Здесь как раз и проходит граница между эффектной картинкой и реальной научной работой. MaleCNS — это не запись работавшего мозга мухи и тем более не его резервная копия. Никто не зафиксировал, о чём она «думала», что помнила или какие сигналы бежали по её нейронам в последние секунды жизни.

В компьютере оказалась прежде всего очень подробная анатомия нервной системы. Учёные знают форму отдельных нейронов, места контактов между ними, могут определить типы многих клеток и даже дают прогнозы о том, какие нейромедиаторы они используют. Всё это действительно можно найти в открытом наборе MaleCNS.

Но это всё ещё не работающий мозг, а лишь подробная карта его устройства. Она не говорит, какие именно нейроны должны быть активны в конкретную секунду, с какой частотой они должны посылать импульсы, как меняется сила связей во время обучения и в каком состоянии находился весь организм. Иными словами, учёные очень подробно выяснили, что с чем соединено, но это ещё не означает, что они полностью знают, как всё это работает. На ту же проблему указывали ещё пять лет назад в научном журнале eNeuro: одной карты связей для этого недостаточно.

Попков предлагает представить вместо мозга огромный дата-центр Google или «Яндекса». Само по себе знание этой «проводки» уже даёт очень много: можно прослеживать возможные пути сигнала, искать закономерности и строить гипотезы о работе всей системы. Но даже самая подробная схема всё ещё очень далека от действующего мозга.

Поэтому никакая погибшая дрозофила внутри компьютера, конечно, не проснулась. У неё нет воспоминаний о прошлой жизни, ощущения собственного тела или понимания того, куда её в очередной раз подключили разработчики. И тут мы возвращаемся к главной странности всей этой истории: кто или что тогда заставляет её играть, водить и летать?

Чтобы понять, как неподвижная карта нейронных связей вдруг начинает что-то делать, проще всего разобрать один из самых известных экспериментов — проект DoomFly. Здесь используется именно наша «цифровая муха»: около 166,7 тысячи нейронов и более 25 миллионов направленных связей между ними. Но просто загрузить эти данные в компьютер и нажать кнопку «Играть» не получится. Между картой нервной системы и Doom разработчикам пришлось построить целую систему.

Кадр из шутера компьютер переводит в сигналы для тех клеток, которые у мухи связаны со зрением. Затем сигнал проходит через модель её нервной сети, а активность выбранных нейронов на выходе превращают в команды персонажу — идти, поворачивать или стрелять.

Здесь появляется важная деталь. У настоящей мухи, естественно, нет нейрона, отвечающего за выстрел из дробовика. Разработчик сам выбирает определённые клетки и решает, какое действие в игре будет означать их активность. Но дальше он уже не управляет каждым движением вручную: сигналы проходят через модель нервной сети, и именно её активность определяет, что произойдёт на экране. Так кто же в этой системе принимает решение — «муха» или всё-таки программист?

То есть разработчик не рисует поведение мухи целиком и не говорит ей в каждый момент, куда идти. Сигнал действительно проходит через сеть, построенную по реальной нервной системе. Но именно человек задаёт правила, по которым эта сеть «оживает»: как должен вести себя виртуальный нейрон, что именно он получает на входе и во что затем превратится активность на выходе.

Авторы DoomFly и сами довольно чётко проводят эту границу. В подробном разборе проекта они описывают систему гораздо осторожнее: в её основе лежит карта связей MaleCNS, а правила работы самих нейронов разработчикам приходится задавать отдельно. Уже эта система управляет специально созданным интерфейсом Doom. Поэтому говорить, что «муха понимает Doom» или «научилась играть», авторы пока не готовы. Более того, экспериментальная версия не прошла собственные проверки, которые должны были подтвердить работу зрения, обучение и способность лучше выживать в игре.

С машиной принцип тот же, хотя выглядит всё ещё страннее. В проекте Flyhard к карте MaleCNS добавили правила работы нейронной сети и виртуальное тело мухи, лапа которого поворачивает руль, связанный с автомобильным симулятором CARLA. Но до полноценного водителя ей пока далеко: самостоятельное визуальное вождение и одновременную работу рулём и педалями эта версия ещё не освоила.

Доходит дело и до летательных аппаратов. Правда, здесь нужно сделать оговорку: некоторые проекты используют не MaleCNS, а более раннюю полную карту мозга самки дрозофилы FlyWire. Например, в проекте flybrain такую сеть пытаются использовать как контроллер для DJI Tello: в репозитории есть и симуляция, и код для работы с реальным дроном. При этом способ, которым сигналы нервной сети превращаются в команды аппарату, по-прежнему содержит немало заданных разработчиком допущений.

Есть и опыты, в которых цифровую муху научили управлять цифровой моделью двухколёсного велосипеда: после 1238 падений насекомое вдруг сумело сохранить равновесие и поехало прямо. И вот здесь возникает следующий вопрос: если значительную часть правил задаёт человек, можно ли вообще говорить, что муху чему-то научили?

В этой истории действительно очень трудно не поддаться искушению и не сказать: муху «научили». Но здесь возникает важная подмена. Если программист заранее решил, что активность определённых нейронов будет означать поворот направо, сама система от этого ничему новому не научилась. Ей просто заранее задали, во что должен превращаться этот сигнал.

Настоящее обучение начинается, когда система что-то делает, получает результат — и в похожей ситуации потом ведёт себя уже иначе. И вот здесь некоторые нынешние проекты действительно начинают приближаться к чему-то более интересному.

В том же Flyhard система до обучения не справилась ни с одним из 100 контрольных заданий на поворот руля, а после, как и в случае с велосипедом, — выполнила все 100. То есть в процессе её работа действительно изменилась. Но сами авторы подчёркивают, что пока речь идёт лишь об узком навыке: повернуть руль на заданный угол. Они отдельно оговаривают, что это не доказательство того, что удалось воспроизвести обучение настоящей мухи.

Ещё показательнее устроен Stonkfly — тот самый проект с торговлей криптовалютой. Там прибыль используется как сигнал «награды», убыток — как отрицательный сигнал, а после этого некоторые связи внутри системы могут меняться. На бумаге это уже гораздо больше похоже на обучение. Но и здесь авторы сразу предупреждают: того, что система действительно научилась прибыльно торговать, они пока не показали.

Так что одно дело — заставить карту нервных связей выдавать команды. Другое — показать, что благодаря предыдущему опыту система действительно начинает решать задачу иначе и лучше. И даже если это удастся, останется ещё один вопрос: что всё это вообще сможет рассказать нам о настоящем мозге?

Даже если завтра цифровая муха идеально припаркует вашу ласточку и поможет заработать пару тысяч на бирже, само по себе это вряд ли расскажет нейробиологам что-то принципиально новое о мозге дрозофилы. Именно здесь и появляется настоящая научная ценность, утверждают эксперты.

Допустим, исследователь считает, что определённая цепочка нейронов отвечает у мухи за конкретную реакцию. В компьютерной версии можно изменить работу нужных клеток, убрать какую-то связь, усилить или ослабить сигнал — и посмотреть, что после этого произойдёт. А затем похожий эксперимент провести уже с настоящей дрозофилой.

Если живая муха отреагирует примерно так же, это станет аргументом в пользу того, что исходное предположение было верным. То есть смысл здесь не в том, сумела ли виртуальная муха кого-нибудь подстрелить в Doom или правильно повернуть руль, а в том, удалось ли с помощью восстановленной нервной системы предсказать поведение настоящего животного. Поэтому нынешние эксперименты с играми, автомобилями и криптовалютой пока находятся немного в стороне от этой задачи.

Отсюда следует ещё одна любопытная вещь: неудача такой системы иногда может оказаться для учёных не менее интересной, чем успех. Если исследователи взяли настоящую карту нейронных связей, добавили всё, что сегодня знают о работе этих клеток, а получившаяся система всё равно не способна сделать то, с чем без труда справляется живая дрозофила, значит, в нашем понимании её нервной системы чего-то не хватает.

И, скорее всего, дело далеко не в одной детали. Одна из самых очевидных — сам организм, частью которого этот мозг изначально был.

Мозг дрозофилы развивался вместе с шестью ногами, крыльями, сложно утроенными глазами, мышцами и органами чувств. Каждое движение тут же возвращает ему новую информацию: меняется картинка перед глазами, положение тела, сигналы от мышц и суставов. На работу нервной системы влияют голод, температура и химическое состояние самого организма.

Поэтому даже очень подробная карта нейронных связей оказывается вырвана из среды, в которой настоящий мозг работал всю жизнь. И просто убрать тело, оставив одну нервную систему, — совсем не нейтральная операция. Насколько сильно отсутствие настоящего организма меняет работу такой системы?

Поэтому вокруг карты нервных связей разработчикам фактически приходится собирать для мухи новое, искусственное тело. Камера заменяет глаза, двигатель — мышцы, а сигнал компьютера превращает активность нейронов в движение, поворот или выстрел.

И здесь вся история начинает приобретать слегка неприятный оттенок научной фантастики. Биологическая муха давно погибла, а построенную по её нервной системе конструкцию продолжают помещать в новые миры и заставлять решать задачи, о существовании которых настоящая дрозофила никогда не подозревала.

В кино похожий мотив появляется не раз: цифровые копии сознания продолжают существовать отдельно от своих биологических оригиналов. А происходящее непосредственно с мухой перекликается с названием рассказа Харлана Эллисона «У меня нет рта, а я должен кричать»: «У меня нет крыльев, но я должен летать». К счастью для мухи, пока это всего лишь литературная метафора. Но что, если однажды цифровая версия сможет не только воспроизводить работу мозга, но и по-настоящему мыслить?

На мухе эта история, конечно, не заканчивается. Тот же подход в принципе можно применить и к гораздо более сложным организмам: сначала получить подробную карту нейронных связей, а затем попытаться понять, как она работает.

С мышью, обезьяной и тем более человеком масштаб задачи вырастает уже на несколько порядков. Но, как считает Василий Попков, принципиально невозможной она от этого не становится. Но получить схему — ещё не значит понять, как работает мозг. И чем сложнее организм, тем больше оказывается расстояние между этими двумя задачами.

А если когда-нибудь пройден будет и он? Если компьютерная версия человеческого мозга начнёт говорить как конкретный человек, вспоминать его детство, узнавать близких, бояться смерти и утверждать, что она и есть тот самый человек, — что именно появится внутри компьютера? Модель? Копия? Или уже кто-то, кто сам считает себя человеком? На отсутствие единой общепринятой теории сознания указывают и авторы обзора в Nature Reviews Neuroscience.

Так что до «Чёрного зеркала» пока ещё далеко. Но граница между фантастикой и реальным экспериментом за последние годы всё-таки стала чуть менее отчётливой. Ещё недавно полная карта нервной системы животного, которую можно загрузить в компьютер и использовать для собственных экспериментов, звучала бы как завязка научно-фантастического рассказа. Теперь такая карта лежит в открытом доступе, а разработчики уже наперегонки испытывают её во всё новых ролях.

Почти наверняка, пока этот текст готовится к публикации, кто-нибудь уже придумал для мухи новую профессию. Возможно, однажды ей доверят что-нибудь по-настоящему ответственное. Например, писать статьи для «Фонтанки». Впрочем, не исключено, что этот день уже наступил.