В интернете завирусились видео, где виртуальную муху обучают кататься на скейте и играть в онлайн-игры. «Подопытной» стала цифровая модель мозга мухи-дрозофилы, которую исследователи выложили в открытый доступ. Какую практическую пользу несут подобные эксперименты, достижимы ли значимые результаты при оцифровке более сложного мозга и не опасно ли передавать ИИ данные об устройстве живого мира — рассказали специалисты.
В социальных сетях разошлись записи с виртуальной мухой. Насекомое играет в компьютерные игры, катится на скейтборде, управляет пивоварней и просматривает ленту соцсетей. Однако это не просто монтаж, а плоды дрессировки в цифровом пространстве. Пользователи тренируют детальную цифровую модель мозга мухи-дрозофилы, разработанную специалистами и опубликованную в открытом доступе.
Всё началось в 2024 году, когда учёные из Принстонского университета (США) впервые полностью оцифровали мозг дрозофилы в рамках проекта FlyWire. Сначала исследователи препарировали мозг настоящей мухи, разрезав его на 7 тыс. слоёв толщиной 40 нм. Слои были просканированы под микроскопом, после чего по 21 млн полученным 2D-изображениям восстановили трёхмерную модель. Крупную работу по сопоставлению данных выполнили нейросети, однако потребовалась дополнительная доработка — над ней трудились учёные и волонтёры.
В результате была создана модель, включающая около 140 тыс. нейронов и примерно 50 млн синаптических связей между ними.
Исследования не остановились на этом: в рамках проекта MaleCNS учёные оцифровали брюшную нервную систему дрозофилы — аналог человеческого спинного мозга, отвечающий за движения. Здесь тоже применялся искусственный интеллект. Нейросети проанализировали структуру синапсов и выявили, какие нейромедиаторы в них задействованы.
Виртуальная лаборатория и источник идей
С одной стороны, ИИ облегчает процесс воссоздания схемы мозга, но с другой — изучение принципов его работы содействует улучшению нейросетей.
«ИИ-технологии — это автоматизация когнитивных процессов. Среди них восприятие, память, сознание, мышление, логические операции, исполнительские функции, главная из которых — принятие решений. Чтобы понять, как лучше автоматизировать те или иные процессы, нужно разобраться, как они реализуются у природных организмов», — отметила профессор кафедры философии НИЯУ МИФИ, ведущий эксперт лаборатории цифровых исследований Екатерина Тихомирова.
Цифровой мозг и нервную систему мухи позже объединили с виртуальным телом. В Федеральной политехнической школе Лозанны (Швейцария) создали платформу NeuroMechFly, в которой воссоздан организм мухи с учётом всех биомеханических особенностей. В марте 2026 года специалисты стартапа Eon Systems при помощи виртуальных мозга, нервной системы и тела воспроизвели поведение живой мухи. Цифровое насекомое отреагировало на запах еды.
«Для нейробиологии модель — это виртуальная лаборатория: можно отключать отдельные нейроны, менять связи и предсказывать последствия, а затем проверять их на живом животном. Для ИИ мозг — источник идей о том, как организовать вычисления и обучение. Сама концепция искусственных нейросетей вдохновлена работой мозга, хотя современные сети сильно от него отличаются. Изучение обоняния мухи, например, уже подсказало новый алгоритм поиска похожих объектов. Более детальные модели способны дать новые полезные идеи», — отметил кандидат биологических наук, руководитель лаборатории разработки инвазивных нейроинтерфейсов института искусственного интеллекта МГУ Василий Попков.
В начале сентября полную карту мозга и нервную систему мухи опубликовали в открытом доступе. С тех пор проектом заинтересовались энтузиасты — уже не ради науки, а ради развлечения.
Чтобы «дрессировать» муху, пользователи сами придумывают для неё стимулы и описывают, какие реакции им соответствуют. К примеру, в одном из вариантов муха торгует на бирже. В зависимости от колебаний ценовых графиков она покупает, продаёт или сохраняет активы.
Ряд программистов пытаются обучить муху онлайн-играм — Super Mario 64, Doom и Minecraft. Для этого внутриигровые события выступают в качестве стимулов: визуальная информация поступает на зрительные нейроны, а урон вызывает выделение нейромедиаторов. Это упрощённая модель обучения с подкреплением — с поощрением правильного поведения и наказанием за ошибки.
«Разумеется, моделирование отдельных нейронных цепей не станет ключом к пониманию работы мозга. Мозг — одна из наиболее сложных естественных машин, и в обозримом будущем он вряд ли будет изучен полностью. Тем не менее эксперименты помогут продвинуться в математическом моделировании когнитивных процессов», — отметила Екатерина Тихомирова.
Василий Попков подчеркнул, что изучение моделей более сложного мозга способно привести к значимым открытиям. Так, на примере зрительной коры — участка мозга мыши — удалось установить взаимосвязь между сходством воспринимаемых признаков и связностью нейронов.
«В перспективе подобные модели позволят проверять гипотезы о том, как формируются воспоминания, приобретаются навыки и трансформируется поведение. Главное условие: модель должна предсказывать нечто новое, которое впоследствии подтверждается экспериментом. Одно лишь увеличение числа виртуальных нейронов открытия не гарантирует», — подчеркнул эксперт.
Кроме того, мозг мухи обучали управлять автомобилем, собирать кубик Рубика, вести пивоварню и просматривать ленту соцсетей (при этом у виртуального насекомого, по задумке пользователей, выделяется дофамин).
Наконец, цифровому мозгу предоставили физическую оболочку: систему поместили в движущиеся игрушки — конструктор, машинку и квадрокоптер. Данные собираются с помощью камеры и датчиков, а нейроны мухи анализируют окружение и управляют двигателем, что позволяет успешно обходить препятствия.
Если говорить о серьёзных исследованиях, то понимание когнитивных процессов и нейрофизиологии имеет значимую сферу применения. Однако ожидать скорых результатов здесь не приходится.
«Это аномалии психического и нейрофизиологического здоровья. Такие бичи человечества, как болезнь Альцгеймера или Паркинсона. Однако подобные исследования относятся преимущественно к фундаментальной науке, которая не даёт практических решений в краткосрочной перспективе», — объяснила Тихомирова.
«Риск определяется возможностями системы»
Какое практическое значение могут иметь подобные эксперименты, если допустить, что в качестве подопытных будут использоваться уже не мухи, — вопрос этического характера.
«Это вопрос биомедицинской этики: если мы пытаемся управлять живыми, «мокрыми» нейронными сетями, где проходят допустимые границы? Например, можно ли вживить чип в мозг живого существа и управлять им? С другой стороны, если использовать такие технологии для помощи людям с ограниченными возможностями, будет ли это оправданно? Таким образом, практическое применение возможно, но оно находится на грани или даже за гранью этики», — считает Екатерина Тихомирова.
Ещё один аспект вопроса — безопасность. ИИ развивается стремительными темпами, но даже его создатели не всегда понимают принципы его работы. Нейросети получают доступ к масштабным данным и всё лучше понимают, как устроена природа и мир людей.
«Я бы не выделял данные об устройстве мозга как особую причину для опасений, связанных с ИИ. Разработчики намеренно учат ИИ взаимодействовать с физическим миром: создают модели для робототехники и беспилотных автомобилей, обучают системы управлять дронами. Это направление развивается самостоятельно от картирования мозга… Риск определяется возможностями системы, целями её применения, доступом к реальным действиям и качеством контроля», — рассказал Василий Попков.
Как отметила Екатерина Тихомирова, предоставление новых данных нейросетям само по себе не создаёт угрозы.
«Паниковать не стоит. Модели типа GPT никогда не будут допущены к критической инфраструктуре — медицине, атомной энергетике и иным схожим областям. Для этих областей, во-первых, разрабатываются локальные модели. Во-вторых, эти модели работают под контролем человека, ответственность всегда остаётся на людях», — отметила эксперт.
Василий Попков, в свою очередь, подчеркнул, что ИИ уже работает с потенциально опасными данными, поэтому карта мозга принципиально новых угроз не создаёт.
