DoomFly: конектом дрозофіли керує Doom

Що насправді підключили до Doom

Перше, що варто виправити у вірусному формулюванні: живу дрозофілу тут не саджали грати в Doom. У відкритому репозиторії DoomFly Алекса Вормута описано інший, не менш дивний експеримент: до гри підключено симуляцію конектому центральної нервової системи самця плодової мушки MaleCNS v1.0. На момент публікації допису вихідний код уже був доступний для перевірки й відтворення.

Контур замкнений. Кадри Doom перетворюються на стимуляцію модельованих сенсорних нейронів, далі активність поширюється мережею, а вибрані вихідні сигнали переводяться в рух і стрільбу. Гра змінюється після команди, новий кадр знову надходить на вхід, тому симуляція не просто пасивно обробляє заздалегідь записане відео.

Масштаб справді вражає: у матеріалах проєкту для MaleCNS v1.0 вказано 166 700 нейронів і близько 125 млн синаптичних контактів. Але велика кількість вузлів сама по собі не означає розумної ігрової поведінки. Вирішальними є спосіб кодування зображення, вибір моторних виходів, часова динаміка та механізм навчання.

Інструкція із запуску вказує Python 3.11+, компілятор C++, ViZDoom і Node.js 22 для інтерфейсу спостерігача. Окремі етапи готують дані конектому й обчислювальне ядро, після чого сервер запускає експериментальну модель із навчанням. Це не просто ролик із гарним підписом, а технічний артефакт, який можна розбирати пошарово.

Водночас публічні описи говорять лише про обмежену арену та випробування на виживання. Формальних результатів щодо перемог, часу навчання або перенесення поведінки на інші сценарії немає. Тому точніше називати DoomFly демонстрацією closed-loop архітектури, а не доказом того, що муха опанувала Doom.

Чому експеримент корисніший за вірусний заголовок

Головна цінність DoomFly не в ігровій майстерності, а у відтворюваному поєднанні сенсорного входу, біологічно заданої мережі та моторного виходу. Для інженера це компактний референс зі збирання замкненого нейроінтерфейсу, де затримки й помилки перетворення відразу проявляються в поведінці агента.

• Дослідники отримують зрозуміле середовище з безперервним зворотним зв’язком.
• Відкритий код дає змогу відокремити властивості конектому від ручного вибору декодера.
• Doom забезпечує візуально очевидний результат без спеціального лабораторного обладнання.

Насамперед я б перевіряв, наскільки поведінку визначає власне нейронна динаміка, а наскільки — правила зіставлення сигналів із клавішами. Без порівнянь із простим контролером і без абляцій ефект легко переоцінити. DoomFly цікавий саме на цій межі: мозкоподібна складність уже є, але джерело спостережуваної поведінки ще треба чесно відділити від інженерної обв’язки.

Раніше ми розбирали кейс Codex на Raspberry Pi та те, чим ефектні демонстрації втіленого ШІ відрізняються від перевірюваної інженерної реалізації. Експеримент із дрозофілою в Doom продовжує цю розмову про межу між вражаючим прототипом і його реальним змістом.