社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

果蝇大脑成功接上了ChatGPT

36氪 • 1 周前 • 85 次点击  

“我该怎么做?”
编辑所罗门
来源丨新智元(ID:AI_era)
封面来源丨Unsplash

“我闻到醋和酵母的味道。我尝到糖。又暖又亮。我该怎么做?”

这句话,来自一颗果蝇大脑的放电。

13.8万个神经元一齐发出的脉冲,被一个翻译器逐个解码成词,拼成句子,一字不改,发给了ChatGPT。

就在昨天,开发者@chetaslua宣布,他把一整颗果蝇大脑模拟接上了ChatGPT。

1500万个连接,一次一个脉冲地跑完,在一台MacBook上。

图片

没有神经芯片,也没有GPU。工具只有NumPy和一份连接组。连接组简单说,就是这颗脑子的布线图,神经元之间怎么连接的。

但就算是模拟,这件事的震撼程度丝毫没打折——

生物神经信号,第一次被翻译成自然语言,直接和AI对话。

在让果蝇“开口说话”之前,Chetaslua先做了一件更要紧的事:证明这颗模拟大脑跑出来的结果是靠谱的。

于是,他照着论文设计了一次合理性检验。

喂糖——负责喙部动作的MN9神经元以78 Hz放电。这说明,这只果蝇尝到甜味了,嘴巴以每秒78次的频率往前伸,准备开吃。

加进苦味——频率瞬间掉到3 Hz。缩回来了,不吃了。

方向和2024年发表在《Nature》上的论文结论对得上。

图片

喜欢和讨厌,在这颗脑子里就是两串频率。高频是伸嘴去吃,低频是缩回来。

有网友追问:78 Hz是真实连接组数据跑出来的,还是你的模型自己编的?

他回了两个词:its real(真实的)

图片

这一步很关键。模拟大脑最容易犯的毛病就是自说自话。

但先拿一个论文里有定论的通路去验证,对上了,后面的话才有人听。

放电怎么变成一句人话

这是整个实验最关键的一步,也是最妖的一步。

他在这颗大脑自己的活动上训练了一个“线性读出”。说人话就是一个翻译器——把不同的放电模式对应到不同的词上。

这只果蝇的大脑每产生一种特定的神经活动模式,翻译器就吐出一个对应的词。

训练时他做了一件特别讲究的事:把感觉神经元排除在外。

因为气味撞上嗅觉神经元的那一瞬间,信号最干净,读出来不算本事。就好比考试的时候你偷看了答案,那当然全对,但没意义。

他要的是:这股信号在脑子里传了好几站之后还剩下多少,能不能在下游被认出来。

也就是说,从“闻到了”到“准备动手”的中间环节里,信息还在不在。

结果:16个词全对,准确率100%。

他又把可用信号缩到只剩下行神经元和运动神经元。也就是从脑子往身体发指令的那一层,已经非常靠近“动手”了,准确率还有85%。

这意味着气味、味道、触觉这些感受,从感知层一路传到“准备行动”的那一层时,依然带着能被读出来的信息。信号没有在传递中被稀释掉。

然后,这些词被这只果蝇自己拼成prompt,一字不改发给ChatGPT。

开头那句话,就是这一串环节吐出来的第一句。

注意这个次序——先有放电,再有词,再有句子。中间没有人润色。

用笔记本跑果蝇全脑,其实不是头一回。

2024年10月,伯克利的研究者就用FlyWire连接组模拟了13.9万个神经元、5000万个连接,也是一台笔记本,模拟结果能预测真实果蝇受到刺激后的反应。

图片

这次新的地方在于:放电第一次被翻译成自然语言,一字不改地递给了一个大语言模型。

在此之前,模拟出来的神经活动只能拿去和真果蝇的反应对比。

而这套东西能做起来,前提是连接组数据完全公开。

数据的底座,是HHMI Janelia、剑桥大学和Google Research用了十年做出来的雄蝇中枢神经系统连接组——MaleCNS v1.0。

光人工校对就花掉44人年,9月3日登上《Cell》期刊,包含166700个神经元、1.25亿个突触连接,按CC-BY协议完全开源。

图片

注册拿个token,pip install几行代码,就能把任意神经元的上下游连接拉到本地。

MaleCNS论文发表仅仅两天后,佐治亚理工的研究生Evan Smith就借GPT-6 Astra,把这套连接组塞进了Minecraft,让一只虚拟果蝇在玻璃密室里飞,神经活动直接决定每一次转向。

图片

紧接着,又有人拿果蝇脑打Doom、跑马里奥64、玩Beat Saber。

十年的图谱,两天进游戏,再过几天开口和GPT对话。

Chetaslua还做了一轮反过来的测试。

“前方有墙”送进ChatGPT,ChatGPT回“向左”,再把这个指令打回果蝇的听觉神经元。

它服从了37次。一次不差。

但从来没找到过食物。

图片

指令执行得滴水不漏,觅食交白卷。这说明能驱动行为,和产生意识之间,还隔着一道暂时跨不过去的鸿沟。

服从只需要信号进来、动作出去。但找食物要的是另一套东西——得记住哪边试过了、哪边还没有,得把几步之前的信息攒着用,得在陌生环境里形成某种“策略”。

这套本事,这只果蝇没有展示出来。

它有没有闻到真实的醋,它有没有主观体验,没人知道。开发者自己也只说这是模拟。

轮到我们回答

过去,想拿全脑仿真做点什么,你需要一间顶尖实验室、一笔六位数的经费、一支跨学科队伍,以及漫长的等待。

现在,只需一台笔记本,一份下载来的布线图,和一个愿意折腾的周末。

13.8万个神经元的果蝇脑,一个开发者在家就跑通了,还接上了ChatGPT。

下一个让生物神经信号和AI对话的实验,也许不必再等论文排期、不必再等经费审批。它可能就发生在某个人的书桌上,某个深夜,某次灵光一闪之后。

果蝇的那句“我该怎么做”,是翻译器拼出来的一句模板句。

但这个问题本身,现在确实该轮到我们来认真回答了。

参考资料:

https://x.com/chetaslua/status/2098387725972123825

https://male-cns.janelia.org/

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/201111