В последние несколько дней в СМИ регулярно появляются новости о том, как учёные смогли получить полную виртуальную копию мухи-дрозофилы благодаря оцифрованному мозгу, а затем энтузиасты стали учить её разным действиям, начиная от игры в DOOM и заканчивая откровенным абсурдом вроде управления самолётом. В заголовках всё это звучит невероятно, и складывается впечатление, что человечество приблизилось к созданию аналога «Душегуба» из Cyberpunk 2077, то есть к полному переносу личности или сознания в виртуальное пространство. Однако на деле это не так. И чтобы это понять, нужно разобраться в сути всего происходящего.
Вот так взяли и скопировали мозг?
Не совсем. Начнём с очень грубой аналогии, так как проще всего это объяснить на примере любой электрической схемы, даже самой примитивной. Например, как на уроках физики в школе, где ученики соединяли источник в виде условной батарейки, лампочки и ключа (выключателя). Есть её физическое исполнение (то, что мы собрали на столе) и схема (то, что мы рисуем в тетради).
Точно так же можно сделать и с мозгом. Мы имеем физическое воплощение в виде органа, состоящего из тканей, которые, в свою очередь, состоят из клеток. Определённая доля этих самых клеток называется нейронами — они и нужны для функционирования мыслительного процесса, движений и так далее. Эти нейроны, в свою очередь, соединены сложной (а точнее невероятно сложной) сетью. Сами эти соединения называются синапсами, через них проходят как химические сигналы (нейромедиаторы), так и электрические (очень слабый ток).
В итоге мы можем создать полную карту (схему) нейронов и всех соединений, не учитывая все остальные клетки мозга и происходящие там процессы. А заодно мы получаем и топологию, то есть расположение составляющих этой схемы в пространстве, а не просто проекцию на плоскость с произвольной длиной проводов. Эта 3D-схема носит название «коннектом».
Задача оцифровки схемы на самом деле была выполнена ещё в 2024 году Принстонским университетом и международным консорциумом учёных. Мозг насекомого был залит специальной смолой, которая сделала ткани твёрдыми и при этом не деформировала их, оставив все синапсы и нейроны нетронутыми. Затем с помощью алмазного ножа орган был разрезан на 7 тыс. слоёв толщиной 40 нм. В конце каждый слой просканировали электронными микроскопами, получив массив из 2D-изображений. Их сложили заново в нужном порядке, тем самым вновь объединив в трёхмерную модель.
Само собой, на таком наноуровне всё не могло сойтись идеально. Восстановить синаптические связи между слоями поручили нейросети — для выполнения этой задачи она находила и анализировала синаптические утолщения и везикулы, то есть места контактов между клетками и контейнеры, в которых хранится нейромеидаторы. В итоге модель мозга была восстановлена на 99%, но довести работу до конца всё равно пришлось людям. Тысячи волонтёров и учёных занимались ручной доводкой модели. Учитывая, что она состоит из примерно 130 тыс. нейронов и 50 млн синапсов между ними, это заняло ещё какое-то время. Можно ли было обойтись без нейросети, если потом всё равно пришлось всё дорабатывать вручную? По оценке руководителя проекта, на это ушло бы примерно 50 тыс. человеко-лет, то есть если бы эту работу выполняли 50 тыс. человек (а это, если что, штат хоть и не топовой, но среднего размера транснациональной корпорации), то им пришлось бы потратить целый год.
Как виртуальный мозг заставили «работать»?
Задача, описанная выше, то есть по созданию коннектома мухи, впервые была решена в рамках проекта FlyWire, в котором участвовал международный консорциум учёных под руководством Принстонского университета. Но сам по себе мозг по отдельности работать не может. Вернее, «оживить» виртуальную муху только с помощью него нельзя. Управлением мышцами в организме занимается центральная нервная система, в которую, помимо головного мозга, входит спинной мозг, если мы говорим про человека. Аналогом этой самой второй составляющей у мухи-дрозофилы является вентральная (или брюшная) нервная система.
Чтобы получить её цифровую копию, Google Research и исследовательский кампус HHMI Janelia инициировали ещё один проект под названием MaleCNS. В этот раз для опыта были использованы органы самца (во FlyWire брали мозг самки). По той же схеме, только уже вместе с вентральной нервной системой, была получена ещё одна цифровая модель.
В итоге мы имеем ту самую «схему», но как нам понять, какие именно нейромедиаторы проходят через синапсы? И за что отвечают конкретные нейроны на этой схеме? Это удалось определить с помощью данных, собранных за десятилетия изучения дрозофил, в том числе с применением генетики и нанотехнологий. То есть учёные проводили миллионы сложнейших с технической и научной точки зрения опытов на мухах, изучая то, как они реагируют на те или иные входящие сигналы, какие нейроны при этом активируются и так далее.
Не обошлось и без искусственного интеллекта. Например, благодаря ему удалось проанализировать строение некоторых синапсов и тем самым определить, какой именно нейромедиатор в них используется. Далее, применяя биологический закон Лацина, согласно которому нейроны из одной эмбриональной линии (то есть нейроны, которые в процессе роста и развития организма появились из одной материнской клетки путём деления) почти всегда вырабатывают один и тот же главный нейромедиатор, можно понять назначение других клеток. Имея весь этот массив данных, ИИ смог составить не только коннектом, но и базу данных всей ЦНС мухи, определив все типы синапсов и нейронов с вероятностью около 90%.
Нейроны классифицируются по трём типам, из которых нам важны два: по функциям и по типу сигналов. Функциональные рецепторы, в свою очередь, есть трёх видов. Первый — чувствительные, или рецепторные, которые принимают информацию из внешней среды и передают их в ЦНС. Если упрощать, то это входные сигналы. Далее сигнал проходит по сети вставочных нейронов, а уже обработанные ими данные приходят на двигательные нейроны, управляющие железами, мышцами, органами и так далее. Они, по сути, формируют выходные сигналы.
Второй тип — возбуждающие и тормозные нейроны, которые регулируют активность мозга и, соответственно, других органов и частей тела. Они нужны, чтобы либо активировать, либо, наоборот, тормозить те или иные процессы. То есть сигнал, проходя через сложную разветвлённую сеть от чувствительных до двигательных нейронов, обрабатывается как тормозными, так и возбуждающими нейронами. И итоговая сумма этих замедлений и возбуждений и будет определять результат действия, в том числе его интенсивность, скорость и так далее.
Если представлять активность нейронов в числовом выражении, то это напряжение между внешним и внутренним слоями клеточной мембраны — когда оно достигает порогового значения, нейрон создаёт импульс. Поэтому в MaleCNS вместо сложных клеток используется математическая модель Leaky Integrate-and-Fire (LIF) — по сути, это несложные электрические цепи с резистором и конденсатором. Конденсатор накапливает потенциал, если на клетку постоянно приходят импульсы. В случае достижения пробивного потенциала конденсатор становится проводником, и теперь этот нейрон сам создаёт импульсы. А если импульсы на нашу клетку не приходят, то конденсатор со временем разряжается, так и не достигнув пробивного потенциала. В результате учёные превратили коннектом мухи-дрозофилы в электрическую схему.
Как муха научилась ходить?
Мозг, а точнее вся ЦНС мухи, у нас есть. Где теперь взять тело? А оно уже есть, как и среда физической эмуляции, в которой можно его запустить. Изначально движок MuJoCo был создан для моделирования и симуляции движения в робототехнике и биомеханике. В нём можно получить среду, в которой зашиты обычные земные условия, в том числе гравитация, твёрдость поверхностей, плотность воздуха и так далее. А тело муха получила благодаря исследователям из Федеральной политехнической школы Лозанны и их проекту NeuroMechFly. Это не просто модель насекомого для MuJoCo, а целая платформа, в которой реализованы сложная биомеханика конечностей, строение органов чувств, в том числе глаз и антенн, и другие особенности живой мухи. Если в очередной раз всё очень сильно упростить, то только виртуальной ЦНС ей и не хватало.
Все эти составляющие объединили учёные из стартапа Eon Systems в марте 2026 года. Они поместили модель мухи NeuroMechFly в среду на движке MuJoCo и записали видео, как насекомое обнаруживает запах разрезанного банана, само до него доходит, затем достаёт хоботок и ест.
Как здесь задействована модель мозга мухи? Она, по сути, анализировала окружение и отдавала сигналы, что именно делать телу NeuroMechFly. После запуска симуляции муха хаотично двигалась по зигзагу, пока не почуяла запах банана — работает врождённый поисковый режим, активируя нейроны, которые заставляют муху идти то влево, то вправо, пока не обнаружится что-то интересное. Когда появляется запах банана, мозг получает сигнал с антенн, которые муха использует для обоняния. Так как вначале муха повёрнута к банану правой антенной, концентрация запаха на ней выше. Срабатывают нейроны, активирующие поворот направо.
Далее по мере приближения к банану муха по чуть-чуть доворачивает то влево, то вправо, пытаясь выровнять концентрацию запаха на антеннах, тем самым выбрав оптимальный путь. По аналогии с самым первым поворотом на запах всем этим тоже управляют нейроны. Затем уже другие нейроны, отвечающие за рефлекс чистки, дают команду почистить антенны, когда по пути к банану на них попадает пылинка. Далее муха доходит до банана (постоянно поворачивая по зигзагу влево и вправо в поисках баланса концентрации запаха на антеннах). А когда лапки касаются кусочков фрукта, тут же включаются вкусовые рецепторы, которые выдают команду на выдвижение хоботка.
Во многих СМИ и материалах было указано, что оцифрованная модель мозга управляла конечностями и суставами виртуальной мухи, поддерживала равновесие, то есть формировала сложную анимацию передвижения. Однако на деле это не так. За анимации отвечает движок и модель NeuroMechFly — муха заранее обучена правильно ходить, сохранять равновесие и так далее. И эти анимации просто воспроизводятся по команде от виртуального мозга, когда включаются рецепторы движения вперёд. То же касается поворота, чистки усиков и выдвижения хоботка. Мозг здесь только жмёт кнопку Play, а сами движения — это в каком-то смысле ролик, который проигрывается.
В общем, если отвечать на вопрос в подзаголовке, то ничему эта самая виртуальная муха не училась. Она уже сразу всё умела: модель мозга запускала триггеры различных рефлекторных действий, а движок воспроизводил заранее просчитанные и соответствующие им анимации. А ценность эксперимента, по мнению учёных Eon Systems, в том, что в их случае они впервые в истории запустили эмуляцию мозга, которая без сторонних алгоритмов воспроизводила различные модели поведения.
Почему это вызвало такой ажиотаж?
СМИ чуть ли не каждый день рассказывают о каких-то научных открытиях. Большинство из них просто теряются в инфополе, но именно эксперимент с виртуальной мухой распространился на всех уровнях, начиная от сообщества техногиков и заканчивая пабликами с мемами. Как мы уже упоминали ранее, эксперимент состоялся в марте 2026 года, но спустя полгода Google разместила в открытом MaleCNS. После этого многие энтузиасты начали тестировать модель, пытаясь обучить муху различным задачам.
Самый нашумевший из подобных экспериментов — попытка научить муху играть в DOOM от разработчика Алекса Вормута. Он использовал модель глаз из NeuroMechFly (а точнее из библиотеки FlyGym, на которой она базируется), чтобы насекомое условно воспринимало картинку на экране так же, как это было бы в природе — в виде фасеточного изображения. Все те ролики и скриншоты, где муха сидит напротив монитора, — это попытки визуализировать эксперимент для обывателя. На самом деле в DOOMFLY (так называется опыт) никакого виртуального воплощения мухи, как в случае с экспериментом Eon Systems, нет. Взаимодействие с игрой происходит с помощью среды на языке программирования Python, которую разработал Вормут. Он привязал возбуждение конкретных нейронов, которое происходит при смене изображения, к нажатию нужных клавиш. То есть, грубо говоря, виртуальный мозг напрямую подключён к игре.
Чтобы было более понятно, представим следующую ситуацию. На экране мы смотрим в стену, а далее слева выскакивает противник, и левая часть экрана резко темнеет. Природная муха увидела бы это как быстрое приближение тени, что резко возбуждает один правый нейрон DNp20 (они у мухи парные, есть ещё левый). В природе муха сделала бы резкий вираж вправо, но в нашей симуляции DOOMFLY она будет нажимать клавишу D до тех пор, пока яркость с двух сторон не выровняется. Если же картинка стабильная в плане теней и света, то воздействие идёт на нейрон DNg11, отвечающий за движение вперёд, и тогда нажимается клавиша W.
Вормут также постарался добавить элемент обучения в свой проект. Когда персонаж в игре получает урон, стимулируются нейроны PPL101, которые отвечают за негативный опыт. После этого модель анализирует, какие нейроны в сети были активны за мгновение до потери здоровья, и связь между ним и тем, что видела муха, ослабляется. То есть если муха шла вперёд, получила урон от зомби, которого видела за мгновение до этого, то связь между зрительным образом зомби и движением вперёд должна стать менее яркой.
Так может ли муха играть в DOOM?
Практика показывает, что нет. Попытка внедрить алгоритм обучения ни к чему не приводит: муха всё так же продолжает действовать хаотично, а её «геймплей», по сути, никак не меняется. Спустя несколько тысяч смертей она так и не научилась осмысленно уворачиваться от противников, прицеливаться в них и стрелять. А редкие убийства — это лишь случайное стечение обстоятельств, когда противники сами становятся под пули в процессе хаотичной стрельбы. Поэтому громкие заголовки вроде «Муха научилась играть в DOOM» — не более чем кликбейт. Она даже базовые механики на специально созданной для неё тестовой арене усвоить не может. О полноценном прохождении сюжетных уровней речи вообще не идёт.
Ещё один нашумевший случай — муха, которая играет в Beat Saber и точно попадает в ритм. Но многие, прочитав только заголовок, не вникали в детали. Суть в том, что виртуальный мозг лишь обрабатывает заранее запрограммированную последовательность импульсов на заранее указанные нейроны, чтобы конечности с мечами приходили в определённую точку в нужный тайминг. Грубо говоря, мозг здесь — это процессор, обрабатывающий код, написанный на специальном языке, который понимает только этот самый мозг. Автор эксперимента Лира Бабблс уже работает над внедрением обучения с подкреплением (то есть методом проб и ошибок), но пока это реализовано не было. Поэтому включи мухе любой другой трек — она будет постоянно промахиваться, сколько симуляцию ни повторяй. Что касается видео, опубликованного Бабблс, то это запись геймплея с кастомным скином мухи и модом на произвольную камеру, а не та самая якобы живая муха из эксперимента Eon Systems.
Есть ещё несколько реальных экспериментов, где муха торгует криптовалютой или играет в Super Mario 64. Но все они упираются в то, что действия совершаются случайно и хаотично, и все попытки добавить модели какое-то обучение не приводят к какому-либо результату. А всё остальное вроде игры в CS, «Доту», регистрации на OnlyFans, посадки самолётов и прочего — это не более чем мемы и шутки. Казалось, что это должно быть всем понятно изначально, но, судя по комментариям в соцсетях, есть довольно много людей, которые воспринимают это всерьёз.
Оцифрованный мозг мухи — это не нейросеть
В своих экспериментах и шутках, которые распространяются в интернете, люди почему-то представляют себе мозг мухи как некую нейросеть, основу искусственного (или, если точнее, перенесённого в виртуальное пространство) интеллекта, который чему-то обучается, если ему давать какие-то данные или задачи и поощрять за нахождение верного решения. Но это абсолютная глупость.
Сам мозг — это нейросеть. Но в нашем случае мы имеем дело с коннектомом, а не с мозгом как полноценной биологической системой. А коннектом — это статичная карта связей мозга, а не математический алгоритм. Именно поэтому только в симуляции Eon Systems, где мозг «подключили» к привычным для него механизмам в виде детально проработанного тела, глаз и конечностей мухи, получился какой-то качественный результат, а не что-то непонятное, хаотичное и абсолютно бестолковое, как вышло в случае с той же DOOM. Потому что эти возможности закладывались миллионами лет эволюции, и связи, которые за них отвечают, практически не отличаются у конкретных особей.
Если сильно упростить, то процесс обучения для мозга — это формирование новых нейронных связей и изменение старых. У живых организмов эта особенность называется пластичностью. Мухи, хоть и обладают намного менее пластичным мозгом, чем любые млекопитающие, всё же способны усваивать полученный опыт, тем самым внося изменения в свой коннектом. И как раз нечто подобное и пытался реализовать Алекс Вормут, опираясь только на биологические правила. Но, как уже говорилось ранее, быстрого результата это не принесло. И не факт, что конкретно с игрой в DOOM это вообще когда-либо сработает, даже если симуляция будет работать многие годы.
Аналогичной работой занимаются не только энтузиасты, но и учёные из FlyWire и Google. Они используют как биологические правила, так и алгоритмы машинного обучения. Их конечная цель — создать полностью цифровую дрозофилу, которая будет пластично адаптироваться к физике виртуального мира. Но не похоже, что это получится сделать без вмешательства в саму архитектуру коннектома.
Цифровой коннектом мозга — это не цифровая копия личности и никогда ей не станет
Если учёные, оцифровав мозг мухи, и приблизились к созданию аналога «Душегуба» из Cyberpunk 2077, то есть возможности создавать цифровую копию личности, то в лучшем случае на доли миллиметра. И это если считать, что до цели нам осталось многие сотни километров. Ведь функционирование мозга нельзя сводить только к электрическим импульсам и не учитывать биохимию всех процессов.
Даже в эксперименте с мухой мы получили лишь доказательство того, что цифровая копия мозга способна управлять некоторыми функциями виртуального тела существа, которому этот мозг принадлежит, и реагировать на входящие сигналы, которые воспринимает центральная нервная система. Но такого же результата удалось добиться и в более простом эксперименте OpenWorm, где была полностью оцифрована ЦНС червя C. elegans из примерно 300 нейронов и нескольких тысяч синапсов. Проект был запущен в 2011 году, его авторы точно так же хотели создать цифрового двойника живого организма. Но эта цель так и не была достигнута. Формально работа всё ещё продолжается, но результата до сих пор нет. А всё потому, что в ходе работы стало ясно, что биохимические процессы в организме игнорировать нельзя. На поведение существ влияют не только импульсы в нейронах, но и гормоны, молекулярные взаимодействия и прочее. И для симуляции всего этого требуются гораздо более обширные объёмы данных и вычислительные мощности.
Благодаря вниманию, которое привлёк эксперимент с мухой, энтузиасты получили технологическую песочницу для собственных опытов. И немногие реальные попытки чему-то обучить этот оцифрованный мозг пока лишь доказали, что это не работает. Всё, что у нас есть, — электрическая схема замороженного состояния органа, который в живом организме должен быть пластичным. Какое здесь может быть обучение? И уж тем более вещам, с которыми даже человек не всегда справляется?
Одна из вещей, которую хотели доказать авторы эксперимента, — биологические модели нейросетей эффективнее, чем искусственные. В них на уровне самой архитектуры уже заложены базовые возможности, которым ИИ обучается, тратя огромное количество энергии и ресурсов. В то же время мозгу для функционирования нужно намного меньше энергии (на примере с мухой это милливатты). Но это вовсе не значит, что одного лишь коннектома нам достаточно, чтобы использовать эту самую нейросеть для прикладных задач, а остальные биохимические связи нам не важны. Пока что виртуальная муха только чуть-чуть прогулялась и нашла еду. А может ли она уворачиваться от угроз и так далее? Осталось ли это в цифровом мозге, который мы сейчас имеем? Раз учёные из Eon Systems до сих пор не проводили таких симуляций, то напрашивается вывод, что нет. Если же оцифровать не только коннектом, но и всю биохимию мозга, мы сможем решить эту проблему? На примере с более примитивным червём мы уже знаем, что на такие симуляции нужны огромные мощности. И тогда мы возвращаемся в начало и задаём вопрос: зачем всё это?
Ничего не изменится, в том числе если оцифровать коннектом мозга мыши, у которой нейронов уже 70 млн, а синаптических связей — миллиарды. А потом и мозг человека с 86 млрд нейронов, даже если бы текущий уровень развития технологий это позволял. Статичный коннектом — это даже не половина цифровой копии мозга, так как в реальности это пластичная и динамическая структура, которая постоянно меняется в процессе жизнедеятельности. Можно оцифровать хоть все коннектомы мира, но это едва ли приблизит к виртуальному воплощению мозга как полноценного органа со всем его функционалом. Даже если это самый примитивный червь.
Но даже если в теории эмулировать мозг полноценно получится, то будет ли это эмуляцией личности? Этот вопрос на текущем уровне развития науки больше лежит в философской плоскости, нежели в биологической или физиологической. Где именно хранится сознание, как оно формируется и так далее? Об этом есть несколько теорий, дискутировать о которых простым смертным нет никакого смысла — это предмет для обсуждения в научных кругах, которые понимают процессы, происходящие в мозге, на качественно другом уровне. И не факт, что кто-то из них вообще будет прав и его теория в итоге подтвердится даже через тысячу лет.
Все проблемы на пути к оцифровке личности, описанные выше, — это лишь самое очевидное. На деле таких препятствий тысячи, и некоторые из них сейчас кажутся абсолютно непреодолимыми. Но если после прочтения всего этого у вас напрашивается вывод, что подобные исследования не имеют смысла, то это отнюдь не так. Вернее, никто не знает, где это в итоге будет иметь прикладное значение, как и в случае со многими научными экспериментами. Просто не нужно ждать фантастических результатов и тем более делать неверные выводы, видя громкие заголовки. Чаще наука для обычного человека — это скучно и уныло. А даже если что-то сперва кажется весёлым, обычно на деле это либо работает совсем иначе, либо вовсе фикция.