Computational Neuroscience Bio-Emulation & Gaming

Πλήρες Connectome Μύγας (166.700 Νευρώνες): Εκπαιδεύοντας έναν Ψηφιακό Εγκέφαλο σε DOOM, Super Mario 64 & Minecraft

🗓️ Ημερομηνία Δημοσίευσης: Σεπτέμβριος 2026 ⏱️ Χρόνος Ανάγνωσης: ~12-15 λεπτά 🔬 Dataset: Google Research / HHMI MaleCNS v1.0

1. Το Ιστορικό Ορόσημο: MaleCNS v1.0

Στις αρχές Σεπτεμβρίου 2026, η Google Research σε συνεργασία με το Janelia Research Campus του Howard Hughes Medical Institute (HHMI) και το Πανεπιστήμιο του Cambridge δημοσίευσαν στο περιοδικό Cell το πιο ολοκληρωμένο, βιολογικά ακριβές χαρτογραφημένο νευρικό σύστημα που δημιουργήθηκε ποτέ: το MaleCNS v1.0.

Πρόκειται για την πλήρη τρισδιάστατη χαρτογράφηση του εγκεφάλου και του νωτιαίου μυελού (Ventral Nerve Cord - VNC) μιας αρσενικής δροσόφιλας (Drosophila melanogaster). Το project αυτό απαιτούσε πάνω από μία δεκαετία έρευνας, όπου το νευρικό σύστημα του εντόμου τεμαχίστηκε σε εκατομμύρια υπέρλεπτες τομές, σκαναρίστηκε με ηλεκτρονικά μικροσκόπια (EM) και ανασυντέθηκε με τη βοήθεια αλγορίθμων Τεχνητής Νοημοσύνης και χιλιάδων ωρών χειροκίνητης επαλήθευσης.

Το αποτέλεσμα είναι ένα γιγαντιαίο ψηφιακό γράφημα που περιλαμβάνει πάνω από 166.700 νευρώνες, 125 εκατομμύρια συνάψεις και 11.691 διαφορετικούς τύπους νευρωνικών κυττάρων.

2. Doomfly: Το Πείραμα του Alex Wormuth

Μόλις τρεις ημέρες μετά την επίσημη δημοσίευση των δεδομένων (στις 6 Σεπτεμβρίου 2026), ο μηχανικός λογισμικού Alex Wormuth αποφάσισε να απαντήσει στο κλασικό ερώτημα της κουλτούρας του hardware/software: «Μπορεί να τρέξει το DOOM;».

Ο Wormuth δεν έγραψε έναν αλγόριθμο AI για να μάθει το παιχνίδι. Αντίθετα, δημιούργησε μια μηχανή εξομοίωσης (emulation layer) που συνδέει το παιχνίδι **απευθείας με τους βιολογικούς νευρώνες** του MaleCNS v1.0, αντιμετωπίζοντας το συνδεσίωμα ως έναν επεξεργαστή εισόδου/εξόδου σε πραγματικό χρόνο.

⚙️ Η Τεχνική Αρχιτεκτονική του Doomfly:

  • Οπτική Είσοδος (Optical Input): Κάθε καρέ (frame) του DOOM αναλύεται ως προς τη φωτεινότητα και το χρώμα. Το σήμα αυτό μετατρέπεται σε διέγερση για 3.335 νευρώνες R1-R6 (που ανιχνεύουν φως/σκιά) και 811 νευρώνες R8 (που λαμβάνουν χρωματική πληροφορία) του οπτικού λοβού της μύγας.
  • Κινητική Έξοδος (Motor Control): Η ηλεκτρική δραστηριότητα που διαδίδεται μέσα στο δίκτυο των 166.700 νευρώνων καταλήγει στους κατιόντες κινητικούς νευρώνες (Descending Neurons). Η ενεργοποίηση συγκεκριμένων ομάδων μεταφράζεται σε εντολές πληκτρολογίου: στρίψιμο αριστερά/δεξιά, προχώρημα και πυροβολισμό.
  • Σύστημα Ενίσχυσης & Πόνου (PPL101 Dopamine Signal): Όταν ο παίκτης δέχεται ζημιά (damage) ή πεθαίνει στο DOOM, το σύστημα στέλνει τεχνητό ηλεκτρικό παλμό σε **δύο εξειδικευμένους νευρώνες ντοπαμίνης PPL101**. Στη φυσική μύγα, οι νευρώνες αυτοί σηματοδοτούν αρνητικά ερεθίσματα, απειλή και τραυματισμό, λειτουργώντας ως μηχανισμός μάθησης/αποφυγής.

3. Super Mario 64, Beat Saber και Minecraft

Το εγχειρημα του Wormuth πυροδότησε μια αλυσιδωτή αντίδραση στην κοινότητα των προγραμματιστών και νευροεπιστημόνων, οι οποίοι προσάρμοσαν το συνδεσίωμα και σε άλλα δημοφιλή παιχνίδια:

Super Mario 64 (Jessica Paquette)

Η προγραμματίστρια Jessica Paquette συνέδεσε το συνδεσίωμα MaleCNS v1.0 με το Super Mario 64. Το αποτέλεσμα ήταν μια συναρπαστική παρατήρηση βιολογικής συμπεριφοράς: Ο Mario μέσα στο 3D περιβάλλον εκτελούσε συνεχώς αλλεπάλληλα άλματα και προσπαθούσε να «πετάξει».

Οι ερευνητές σημείωσαν ότι τα οπτικά ερεθίσματα του βάθους και της κίνησης στον τρισδιάστατο χώρο διεγείρουν τα κυκλώματα απογείωσης και ελέγχου φτερούγων της μύγας. Ο ψηφιακός οργανισμός, μην έχοντας αντίληψη ότι ελέγχει ένα ανθρώπινο σώμα (Mario), εφάρμοζε τα έμφυτα ένστικτα φυγής και πτήσης.

🎮 Άλλες Εφαρμογές του Connectome:

  • Minecraft (NeuroCraft Fly): Ο προγραμματιστής Evan Smith εισήγαγε το πλήρες δίκτυο 166.700 νευρώνων μέσα στο Minecraft, επιτρέποντας στη ψηφιακή μύγα να πλοηγείται αυτόνομα στον voxel κόσμο αντιδρώντας στο περιβάλλον.
  • Beat Saber (Lyra Bubbles): Χρησιμοποιώντας τεχνικές Reinforcement Learning πάνω στο συνδεσίωμα, εκπαίδευσαν το δίκτυο να κόβει κύβους στο ρυθμό της μουσικής, βασιζόμενο στην ταχύτατη απόκριση του οπτικοκινητικού κυκλώματος της μύγας.

4. Βιολογικό Connectome vs Τεχνητή Νοημοσύνη (ANNs)

Γιατί αυτό το πείραμα θεωρείται σταθμός για την επιστήμη; Τα σύγχρονα τεχνητά νευρωνικά δίκτυα (Deep Learning) βασίζονται σε πλήρως συνδεδεμένα στρώματα (layers) και εκπαιδεύονται με αλγόριθμους Backpropagation, απαιτώντας εκατομμύρια επαναλήψεις.

Αντίθετα, ο εγκέφαλος της μύγας είναι προϊόν εκατομμυρίων ετών εξέλιξης. Η συνδεσμολογία του (hardware wiring) είναι **προ-προγραμματισμένη** για άμεση επεξεργασία εικόνας, ανίχνευση κίνησης (Optic Flow) και λήψη αποφάσεων επιβίωσης σε ελάχιστα χιλιοστά του δευτερολέπτου, καταναλώνοντας ελάχιστη ενέργεια.

Η προσομοίωση αποδεικνύει ότι η αρχιτεκτονική του βιολογικού δικτύου μπορεί να παράγει αυτόνομη συμπεριφορά σε τεχνητά περιβάλλοντα, χωρίς την ανάγκη εκ των προτέρων εκπαίδευσης deep learning.

© 2026 thedarkmonster — Όλα τα δικαιώματα διατηρούνται. | Πολιτική Απορρήτου | Όροι Χρήσης | Disclaimer