DoomFly: коннектом дрозофилы управляет Doom

Что на самом деле подключили к Doom

Первое, что я бы поправил в вирусной формулировке: живую дрозофилу здесь не сажали за Doom. В открытом репозитории DoomFly Алекса Вормута описан другой, не менее странный эксперимент: к игре подключена симуляция коннектома центральной нервной системы самца плодовой мушки MaleCNS v1.0. К моменту публикации поста исходный код уже был доступен для проверки и воспроизведения.

Контур замкнутый. Кадры Doom преобразуются в стимуляцию моделируемых сенсорных нейронов, затем активность распространяется по сети, а выбранные выходные сигналы переводятся в движение и стрельбу. Игра меняется после команды, новый кадр снова поступает на вход, поэтому симуляция не просто пассивно обрабатывает заранее записанное видео.

Масштаб здесь действительно цепляет: в материалах проекта для MaleCNS v1.0 указаны 166 700 нейронов и около 125 млн синаптических контактов. Но большое число узлов само по себе не означает разумное игровое поведение. Критически важны способ кодирования изображения, выбор моторных выходов, временная динамика и механизм обучения.

Инструкция по запуску указывает Python 3.11+, компилятор C++, ViZDoom и Node.js 22 для интерфейса наблюдателя. Отдельные этапы готовят данные коннектома и вычислительное ядро, после чего сервер запускает экспериментальную модель с обучением. Это уже не ролик с красивой подписью, а технический артефакт, который можно разбирать по слоям.

Публичные описания при этом говорят лишь об ограниченной арене и испытаниях на выживание. Формальных результатов по победам, времени обучения или переносу поведения на другие сценарии нет. Поэтому точнее называть DoomFly демонстрацией closed-loop архитектуры, а не доказательством того, что муха освоила Doom.

Почему эксперимент полезнее вирусного заголовка

Главная ценность DoomFly не в игровом мастерстве, а в воспроизводимом соединении сенсорного входа, биологически заданной сети и моторного выхода. Для инженера это компактный референс по сборке замкнутого нейроинтерфейса, где задержки и ошибки преобразования сразу проявляются в поведении агента.

• Исследователям доступна понятная среда с непрерывной обратной связью.
• Открытый код позволяет отделить свойства коннектома от ручного выбора декодера.
• Doom дает визуально очевидный результат без специальной лабораторной аппаратуры.

Я бы первым делом проверял, насколько поведение определяется самой нейронной динамикой, а насколько правилами отображения сигналов на клавиши. Без сравнений с простым контроллером и без абляций эффект легко переоценить. DoomFly интересен именно на этой границе: мозгоподобная сложность уже есть, а источник наблюдаемого поведения еще предстоит честно отделить от инженерной обвязки.

Мы ранее разбирали кейс Codex на Raspberry Pi и то, как эффектные демонстрации воплощённого ИИ отличаются от проверяемой инженерной реализации. Эксперимент с дрозофилой в Doom продолжает этот разговор о границе между впечатляющим прототипом и его реальным содержанием.