离谱，网友用AI扒下苍蝇大脑，暴打老头环女武神！

外网最近出现了一波苍蝇潮！

一颗苍蝇的大脑，166,000 个神经元，1.25亿个突触连接，被人类完整扒了下来，塞给了 AI 。

有人让它炒币，在Coinbase上真金白银做交易。

还有人让苍蝇打老头环，直接去挑战 BOSS “女武神”玛莲妮亚。

甚至把它放进了机器人里，给了它一副赛博肉身。

离谱，现在连苍蝇都活得这么卷了吗？

一、离谱案例

一开始，事情还在可控制的范畴。

一位叫 Jessica Paquette 的工程师把苍蝇大脑接进了《超级马里奥64》，用苍蝇的神经元信号操控马里奥。

结果视频里的马里奥像喝多了一样，不停跳跃、反复撞墙，完全不知道自己在干什么。

后面，事情就逐渐不对劲起来。

一个叫 shmidt 的博主把苍蝇大脑接入了《反恐精英2》这款枪战游戏。

结果苍蝇拿着狙击枪就开始精准爆头，反应延迟只有 10 毫秒，比人类快了将近 20 倍。

Shmidt 不禁在推文里发出了一句灵魂拷问：一只苍蝇反应速度比你全队都快，你还在打什么？

如果说前面这些还只是小打小闹，后面这个才是真的上强度。

一位叫 BuBBliK 的博主，把苍蝇大脑接进了《艾尔登法环》。

按他的说法，这只苍蝇花了五天，就打通了整个主线。

还去挑战了让无数玩家怒摔手柄的 BOSS“女武神”玛莲妮亚。

不过，点开博主录的视频一看，女武神没见着，倒是杰洛特在里面忙着砍怪。

博主随后解释，自己同时也在做《巫师3》的模拟实验，不小心把视频放错了。

这个案例到底有多少水分，暂时不确定。

但博主公开的 GitHub 仓库里确实实现了一个由 96 个模拟神经元组成的脉冲神经网络，并给出了从游戏画面输入到键盘操作输出的控制架构。

仓库链接：https://github.com/bubblik525/elden_ring

打完游戏，还有人给苍蝇安排上了文化课，教它写字。

日区博主 Zyvex 分享了一个项目：打开网页，给屏幕里的虚拟苍蝇看一个平假名，它就会抬起前腿，按照笔顺，把自己认出的答案写在地上。

你也可以用鼠标手写一个字，当场考察它。

据项目说明，开发者利用苍蝇脑模型中的“蘑菇体”神经回路训练字符识别。

在换上训练时没见过的字体后，苍蝇对全部 46 个平假名的识别准确率达到了 76.1%。

屏幕上的写字动作，则由程序按照预设笔画生成。

仓库链接：

github.com/satorunet/hae

如果说前面的只是消遣，后面已经有人指望苍蝇挣钱了。

一位叫 Alex Wormuth 的开发者，给苍蝇脑模型安排了 100 美元本金，再通过 Coinbase 执行比特币交易。

每当赚到钱，系统就会刺激模型中的多巴胺神经元，给苍蝇一点“快乐”。

9 月 11 日，Alex 欣喜地表示：苍蝇赚了 1 美元。

仓库链接：

https://github.com/nftechie/stonkfly

在让苍蝇炒币的基础上，又有人做了升级。

一个叫 Fruit fly dev 的团队，把不同币的名字映射成模拟气味，再将信号输入苍蝇脑模型。

对苍蝇来说，每个币就有了自己的“味道”。

当它停在某个币的卡片上，程序会把神经反应换算成买卖决定。

倾向靠近，就买入；倾向回避，就卖出已有持仓。反应越强烈，交易金额就越大。

更离谱的是，这个项目已经从选币折腾到了发币。

按仓库记录，开发者搭建的系统在苍蝇脑模型参与驱动下，完成了名为 FLYBRAIN 的代币发行，还公开了对应的合约地址和交易记录。

仓库链接：

https://github.com/fruitflydev/flycoinrh

折腾到最后，网友还不满足。

竟然给苍蝇办起了 MMA 格斗赛，让它们上擂台争夺冠军腰带。

一位叫 Utkarsh Agrawal 的开发者训练了四只虚拟苍蝇，再从中挑出两只上场对打。

这套模拟用到了 165,122 个神经元。两只选手会根据对手的情况选择招式，让比赛随着双方的反应继续进行。

比赛结束后，获胜的苍蝇拿到了冠军腰带，可能还会来个倒立庆祝。

但博主的计划还没结束。

他准备再训练一批“观众苍蝇”，教它们给选手下注，把这套实验做成全天直播的苍蝇 MMA 赛事。

还有一位叫 Frank 的网友，已经不满足于让苍蝇在屏幕里折腾，干脆给它安排了一副机械身体。

他把苍蝇的大脑，接到了一台 Strandbeest 多足机器人上。

模拟大脑产生的神经活动，会通过他编写的接口转成运动指令，驱动机械腿迈步。

于是，苍蝇的活动范围从电脑屏幕延伸到了现实世界。

前面还在打游戏，到了这里，已经迈着机械腿出来溜达了。

这是准备让苍蝇“机械飞升”啊。

二、苍蝇的来源

看完这些案例，最让人好奇的，恐怕是这些人从哪里搞来了“苍蝇大脑”。

这波热潮背后，有一项持续多年的正经科研工程。

科学家一直想搞清楚大脑是怎么工作的，但人脑太复杂，没法直接下手。

果蝇虽然脑子小，该有的功能一样不少。

于是研究人员用电子显微镜把果蝇的神经组织一层层拍下来，让 AI 追踪每根神经元的走向，再由人工检查修正，花了好几年，把脑子里的"线路"一根根画了出来。

2026 年 6 月，HHMI Janelia 和 Google Research 机构公布了一份叫 MaleCNS 的雄性果蝇神经系统图谱。

内含16.6 万个神经元，1.25 亿个突触连接，大脑和运动相关的腹神经索全部覆盖。

数据链接：

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

不过，想让这张图里的神经元真的跑起来，光有接线图还不够。

还得告诉程序，一个神经元被刺激后怎么反应、信号怎么往下传。

这部分也有前人做过，Philip Shiu 等研究者公开了一套模拟代码，输入刺激，就能观察整个果蝇神经网络怎么响应。

仓库链接：

https://github.com/philshiu/Drosophila_brain_model

一切都是现成的。开发者要做的就是让本地的 AI 模型给项目“换根接线”。

把眼睛的输入换成游戏画面，把身体的输出换成键盘操作，就能达到以上的效果。

对苍蝇脑模型来说，它并不知道自己在打游戏，只是收到了一堆视觉信号，然后做出了反应。

emmm...所以，与其说苍蝇在玩游戏，不如说开发者在拿游戏去试探苍蝇的神经反射。

补充一点，这些项目用的不全是同一只苍蝇。

比如，让苍蝇玩《超级马里奥64》和在 Coinbase 炒币的项目，用的是 MaleCNS 雄性果蝇数据，共 16.6 万个神经元。

而教苍蝇认日文那个项目用的是 FlyWire，一只 2024 年发表的雌性果蝇数据，共 139,255 个神经元。

三、总结

既然一份苍蝇的模拟神经数据，就可以达到这样的效果，那真的神经元呢？

这件事，也已经有人做了。

2022 年，澳大利亚公司 Cortical Labs 的研究团队发表了一项实验：把培养的人类或小鼠神经元接上电极，让它们控制乒乓球游戏 Pong 中的球拍。

五分钟，80 万个活的神经元就学会了把球打回去。

到了 2025 年，Cortical Labs 更进一步，推出了名叫 CL1 的商用生物计算机。

里面养着由人类干细胞培养出来的神经元。

它们生长在芯片的电极阵列上，通过真实的放电活动参与信息处理。

程序负责送入刺激、读取反应，设备里的生命维持系统则负责让这些细胞活下去。

每台 CL1 的用电功率仅为 30 瓦；而一块英伟达 H100 SXM GPU 的功耗为 700 瓦。

也就是说，生物神经元在能耗上的优势，非常惊人。

四十亿年的进化，给了生物一套极其高效的信息处理方案。

零训练、几十微瓦功耗，就能对环境做出实时反应。

而今天最强的 AI 做到类似的事，需要的算力和电费都是天文数字。

这个效率差距本身，就是生物计算值得被认真对待的理由。

虽然这只是一次整活，但它验证的那条路，是通的。

文章来自于微信公众号 “JackCui”，作者 “JackCui”