研究者用果蝇大脑连接组模拟驱动100个虚拟果蝇玩Doom

几周前，我看到了 MaleCNS，这是 HHMI Janelia、Google Research 及合作者完成的一项成年雄性果蝇中枢神经系统重建。它绘制了大约 166,700 个神经元和 1.25 亿个突触。

更有意思的是，我发现了 DOOMFLY，这是 nftechie 的一个开源项目，它把基于这个连接组的模拟接入了 Doom。它利用模拟果蝇大脑的神经活动来控制移动、转向和射击。

在看到一个 Reel 视频里果蝇大脑的成绩超过我的 Beat Saber 最高分之后，我想做个自己的实验。如果我开始关闭神经元，会发生什么？影响会局限在局部，还是仅仅禁用两个细胞就能引发数千个其他细胞的变化？

作为在 Namespace 实习的神经科学学生，我一直在试用 Devboxes——那种可以通过程序创建并并行运行的开发环境。给每个果蝇大脑分配一个自己的 Devbox，看起来再合适不过。

在 DOOMFLY 中，Doom 的帧会经过模拟视网膜，神经活动在网络中传播，然后一个解码器把这种活动翻译成游戏控制信号。虽然 DOOMFLY 大致映射了约 166,700 个神经元，但真正引起我注意的是，对控制器来说真正重要的神经元少得惊人。尽管 DOOMFLY 记录 14 个读出神经元的活动，它的控制器只依赖两对：

这些是人为设定的分配，不是果蝇自然的运动功能。仅仅让这两对上游的十二个 MeVP9 神经元中的两个沉默，就消除了所有游戏控制输出。更令人惊讶的是，模拟大脑的大部分实际上处于沉默状态。几乎所有活跃神经元都在视觉系统中，直接受刺激的群体之外只有 1,341 个活跃神经元。

我先让 DNp20、DNpe017 以及这两对一起沉默，把它们的传入和传出突触置零。正如预期，没有 DNp20 时转向完全停止，没有 DNpe017 时移动和射击停止。这些效果是解码器里预设好的。

但网络的其余部分就是另一回事了。

我最初的结果表明，让 DNpe017 沉默会改变其他 8,249 个神经元的脉冲计数。这大约相当于完整运行中活跃神经元的 70%。这种扰动是在大脑中扩散，还是我每次扰动模拟时都会发生这种情况？

为了弄清楚，我加入了假敲除——让活动性和连接性相当的随机神经元对沉默，排除直接向我研究的细胞类型提供输入的神经元。我还测试了上游的 MeVP9 对，并加入了两个视觉对照：黑屏和冻结的第一帧。

我先做了开环实验：每个大脑观看一局实时、带种子的 Doom 游戏，摄像机按脚本扫视，其命令被记录但从不应用。这确保了每个实验条件下的视觉输入完全相同。然后我转向闭环，每个大脑控制自己的游戏，每个动作都会塑造它接下来看到的内容。

两个实验采用相同设计：四个游戏种子，每个种子下进行 100 次两分钟的运行，包含六种实验条件、一个完整对照，以及每个种子十八个假敲除。在 100 个相同的开发环境中运行这个实验需要一些功夫，本文剩下的部分就讲我们是怎么做到的。

挑战在于让 DOOMFLY 在 100 个相同的环境中运行。

我使用 Namespace Custom Images 一次性打包依赖，而不是在每台机器上分别安装所有东西。然后，我用 TypeScript SDK 以编程方式创建 Devboxes。

准备就绪后，我可以启动 100 个 Devboxes，在开环运行中每个耗时 89 秒，闭环运行中在 59 秒内完成。我已经在四个 Devboxes 上测试过这个实验，100 次模拟在不到 13 分钟内完成。现在我想看看每次运行都有自己的机器时会发生什么。

NAMESPACE CUSTOM IMAGE DOOMFLY CODE pinned CONNECTOME DATA 166,700 neurons SIM KERNEL compiled building… 100 NAMESPACE DEVBOXES · OPEN LOOP ready in 89 s waiting for image live 000 OUTPUTS SPIKE COUNTS per neuron GAME LOG + frame hashes RUN SUMMARY data collected 000/100 INSIDE DEVBOX #42 · OPEN LOOP DOOM scripted camera RETINA simulated FLY BRAIN connectome DECODER 14 neurons ACTIONS recorded only booting

Namespace Custom Image 只构建一次。TypeScript SDK 从它并行创建 100 个 Namespace Devboxes，收集每次运行的结果，然后删除这些盒子。动画在开环和闭环实验之间交替。

我启动了实验，每个 Devbox 运行一个模拟。新一批在大约九分钟内完成，其中一次运行需要重试。除了速度，我还想确保实验没有改变结果。我在全部 100 个开环模拟上运行了 verify_results.py；每次运行都通过了。

结果与之前四 Devbox 运行逐字节完全相同，甚至精确到单个神经元的计数。四台机器还是一百台，科学结果完全一样。我可以扩展基础设施而不损害可重复性。

完整的果蝇并不算电竞明星。它朝同一方向绕圈，94% 的时间在射击，还不知怎么地在存活约 80 秒的同时击杀了大约 27 个怪物。显然，“边扫射边祈祷”加上绕圈跑是一种还算有效的 Doom 策略。

盲眼果蝇就更奇怪了。视觉输入只有黑屏，它仍然移动、转向，并取得了 22-29 次击杀。没有光，光感受器沉默了，释放了一些下游神经元的抑制。恒定的背景电流让它们保持放电，使果蝇在大约 44% 的游戏 tick 中射击。它在两分钟内也死了 12-13 次。看来你不用看见也能打中东西。活下来则是另一回事。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）