رفتن به محتوای اصلی
Koohestun
نقشه‌برداری عصبیتلفیق تکنولوژی· 5 دقیقه مطالعه· در بازی و ورزش‌های الکترونیک

مهندسان نرم‌افزار مغز نقشه‌برداری‌شده مگس میوه را برای بازی Doom و Super Mario 64 سیم‌کشی کردند

تنها چند روز پس از انتشار نقشه کامل سیم‌کشی عصبی یک مگس میوه نر بالغ توسط Google Research، توسعه‌دهندگان این مجموعه داده بیولوژیکی را به یک مدل نرم‌افزاری تبدیل کرده‌اند که می‌تواند بازی‌های ویدیویی کلاسیک را انجام دهد.

به قلم کامران احمدی

دانشمندان علوم اعصاب محاسباتی 45%مهندسان نرم‌افزار 40%منتقدان هوش مصنوعی 15%
دانشمندان علوم اعصاب محاسباتی
کانکتوم را به عنوان یک نقشه آناتومیک ثابت برای مطالعه بیماری‌ها می‌بینند و نسبت به برخورد با آن به عنوان یک شبیه‌سازی زنده هشدار می‌دهند.
مهندسان نرم‌افزار
با این مجموعه داده بیولوژیکی به عنوان یک معماری شبکه عصبی نوین برای یادگیری ماشین و تست نرم‌افزار برخورد می‌کنند.
منتقدان هوش مصنوعی
استدلال می‌کنند که اجرای نقشه مغز در بازی‌های ویدیویی با استفاده از کدهای تولید شده توسط هوش مصنوعی، به جای بینش علمی، داده‌های آشفته‌ای تولید می‌کند.

دیدگاه‌هایی که این گزارش پوشش نداده

  • زیست‌شناسانی که رفتار مگس میوه زنده را مطالعه می‌کنند
  • اعضای تیم اصلی Google Research

دقیق‌ترین نقشه سیستم عصبی بیولوژیکی که تاکنون ایجاد شده، در حال حاضر تلاش می‌کند تا از مرحله اول یک بازی شوتر اول‌شخص محصول سال ۱۹۹۳ جان سالم به در ببرد. در ۳ سپتامبر ۲۰۲۶، Google Research و پردیس تحقیقاتی HHMI Janelia مدل MaleCNS v1.0 را منتشر کردند؛ یک نقشه ساختاری کامل از مغز یک مگس میوه نر بالغ که شامل ۱۶۶,۷۰۰ نورون و ۱۲۵ میلیون اتصال سیناپسی است. در عرض سه روز، مهندسان نرم‌افزار مستقل این طرح بیولوژیکی را به پوشش‌های نرم‌افزاری سفارشی متصل کردند و کانکتوم دیجیتال را مجبور کردند تا بازی‌های Doom، Super Mario 64 و Beat Saber را انجام دهد.[2][3][5]

نتیجه، یک برخورد عجیب و پرسرعت بین علوم اعصاب محاسباتی و فرهنگ گیمینگ است که ثابت می‌کند داده‌های بیولوژیکی متن‌باز با چه سرعتی می‌توانند به یک بستر آزمایش نرم‌افزاری تبدیل شوند. این آزمایش بر ترجمه داده‌های بازی به محرک‌های بیولوژیکی شبیه‌سازی‌شده تکیه دارد. در ستاپ بازی Doom که توسط الکس ورموث، مهندس نرم‌افزار Coinbase ساخته شده است، هر فریم رندر شده توسط موتور بازی به ۳,۳۳۵ سیگنال روشنایی و ۸۱۱ سیگنال رنگی تبدیل می‌شود.[1][3][7]

این ورودی‌های بصری مستقیماً به گیرنده‌های نوری مصنوعی مدل دیجیتال تغذیه می‌شوند. از آنجا، نرم‌افزار ردیابی می‌کند که چگونه سیگنال الکتریکی شبیه‌سازی‌شده در میان ۱۱,۷۱۰ نوع سلول متمایز مگس جریان می‌یابد و مسیر را از پردازش بصری تا پاسخ حرکتی دنبال می‌کند. نورون‌های حرکتی خاص مستقیماً به ورودی‌های کیبورد نگاشت شده‌اند.[7]

وقتی سیگنال شبیه‌سازی‌شده به نورون حرکتی DNp20 می‌رسد، نرم‌افزار این جهش را به فرمانی برای چرخش زاویه دید بازیکن ترجمه می‌کند. با شلیک نورون DNpe017، شخصیت بازی همزمان به جلو حرکت کرده و تیراندازی می‌کند. ورموث در زمان انتشار مخزن متن‌باز در ۶ سپتامبر نوشت: «هر فریم Doom نورون‌های حسی را تحریک می‌کند. فعالیت عصبی به کنترل‌های بازی نگاشت می‌شود. آسیب دیدن، محرکی را به دو سلول دوپامین PPL101 به عنوان یادگیری تقویتی ارسال می‌کند.»[1][2][3][7]

نحوه تبدیل فریم‌های موتور بازی به محرک‌های بیولوژیکی شبیه‌سازی‌شده.

این محرک دوپامین، متغیر حیاتی در این آزمایش است. خود کانکتوم فقط یک نقشه ثابت است؛ یک نمودار سیم‌کشی از یک مغز، نه یک موجود زنده و متفکر. برای اینکه بتواند «بازی کند»، نرم‌افزار باید یک حلقه یادگیری را شبیه‌سازی کند. هر زمان که سرباز Doom از دشمن آسیب می‌بیند، کد ورموث یک پالس منفی ۲۰۰ میلی‌ثانیه‌ای را به سلول‌های PPL101 ارسال می‌کند که در یک مگس میوه زنده، وظیفه مدیریت تنبیه و اجتناب را بر عهده دارند.[4][6][7]

سوال بی‌پاسخ این است که آیا این حلقه بازخورد شبیه‌سازی‌شده واقعاً می‌تواند مسیرهای دیجیتال را به اندازه‌ای تغییر دهد که به مدل یاد دهد از شلیک‌های ورودی جاخالی دهد. نتایج اولیه همان‌طور که انتظار می‌رفت، پر هرج‌ومرج بوده‌اند. یک رابط وب زنده که آزمایش Doom را ردیابی می‌کرد، نشان داد که مگس دیجیتال در ۶,۳۰۰ راند اول خود به شدت درگیر است و در حالی که شبکه شبیه‌سازی‌شده تلاش می‌کند سیل اطلاعات حسی را درک کند، مدام دور خود می‌چرخد یا به دیوارها شلیک می‌کند.[1][7]

سوال بی‌پاسخ این است که آیا این حلقه بازخورد شبیه‌سازی‌شده واقعاً می‌تواند مسیرهای دیجیتال را به اندازه‌ای تغییر دهد که به مدل یاد دهد از شلیک‌های ورودی جاخالی دهد.

بازی Doom تنها میدان آزمایش نیست. جسیکا پاکت، توسعه‌دهنده، همین مجموعه داده ۱۶۶,۷۰۰ نورونی را به بازی Super Mario 64 نینتندو متصل کرد و کد یکپارچه‌سازی را کاملاً از طریق دستیار هوش مصنوعی GPT Astra تولید کرد. ویدیوهای اولیه نشان می‌داد که ماریو بارها و بارها به سمت یک دیوار می‌پرد، که نشان‌دهنده مراحل اولیه و آشفته آموزش عصبی شبیه‌سازی‌شده است.[1][2][3]

در همین حال، توسعه‌دهنده‌ای با نام مستعار Lyra Bubbles رویکرد متفاوتی را با بازی ریتمیک Beat Saber در پیش گرفت. او به جای رها کردن کانکتوم در یک محیط زنده، بازپخش‌های یک آهنگ کامل شده را به شبکه تغذیه کرد و با استفاده از یادگیری تقویتی به مدل آموزش داد که بر اساس داده‌های تاریخی، چه زمانی و کجا به بلوک‌های ورودی ضربه بزند.[1]

این آزمایش‌های گیمینگ بر پایه یک دستاورد علمی عظیم در حال اجرا هستند. نقشه‌برداری از سیستم عصبی مرکزی مگس سرکه (Drosophila melanogaster) نیازمند برش دادن یک مغز فیزیکی به میلیون‌ها بخش فوق‌العاده نازک، تصویربرداری از آن‌ها با میکروسکوپ‌های الکترونی و استفاده از هوش مصنوعی برای ردیابی شبکه درهم‌تنیده سیناپس‌ها بود. یک دهه کار توسط Google و HHMI Janelia طول کشید تا مجموعه داده‌ای تولید شود که محققان امیدوارند درک جدیدی از شرایط عصبی را به روی ما باز کند.[2][4]

رابط‌های وب زنده به تماشاگران اجازه می‌دهند تا تلاش کانکتوم دیجیتال برای زنده ماندن در برابر خطرات درون بازی را تماشا کنند.

از آنجایی که نقشه‌برداری از حدود ۸۶ میلیارد نورون در مغز انسان از نظر تکنولوژیکی هنوز غیرممکن است، دانشمندان برای درک اینکه چگونه مدارهای عصبی بر رفتار تأثیر می‌گذارند، به موجودات کوچک‌تر متکی هستند. اما یک نقشه دیجیتال یک ذهن زنده نیست و آزمایش‌های جامعه گیمینگ با هشدارهای بیولوژیکی جدی همراه است.[2][5][6]

گوگل صراحتاً اشاره می‌کند که MaleCNS v1.0 یک تصویر ساختاری است که فاقد سوپ شیمیایی پیچیده انتقال‌دهنده‌های عصبی و هورمون‌هایی است که رفتار بیولوژیکی واقعی را دیکته می‌کنند. آزمایش‌های Doom و Mario جهش‌های الکتریکی را که در مسیرهای شناخته‌شده حرکت می‌کنند شبیه‌سازی می‌کنند، اما به شدت به تقریب‌ها متکی هستند. یک مگس دیجیتال که در یک بازی ویدیویی آسیب می‌بیند، درد را احساس نمی‌کند یا محیط خود را آگاهانه درک نمی‌کند؛ بلکه صرفاً یک جریمه الکتریکی شبیه‌سازی‌شده را طبق قوانین نوشته شده توسط یک برنامه‌نویس پردازش می‌کند.[4][6]

با این حال، سرعتی که توسعه‌دهندگان یک مجموعه داده بیولوژیکی برجسته را به یک مدل نرم‌افزاری قابل بازی تبدیل کردند، نشان‌دهنده تغییری در نحوه تلاقی علوم اعصاب با علوم کامپیوتر است. با قرار دادن یک شبکه بیولوژیکی نقشه‌برداری‌شده در یک محیط دیجیتال کنترل‌شده و پرمخاطره، مهندسان در حال ایجاد نوع جدیدی از محیط‌های سندباکس هستند.[3]

در حالی که کانکتوم مگس میوه ۱۶۶,۷۰۰ نورون را نقشه‌برداری می‌کند، مغز انسان دارای حدود ۸۶ میلیارد نورون است.

کانکتوم مگس میوه ممکن است خودآگاه نباشد، اما همان‌طور که در راهروهای پیکسلی یک بازی ۳۳ ساله حرکت می‌کند، در حال ارائه یک تصویرسازی در لحظه از نحوه پردازش یک دنیای متخاصم توسط سیم‌کشی بیولوژیکی است. نقطه عطف بعدی این خواهد بود که ببینیم آیا مگس دیجیتال در نهایت می‌تواند بدون گیر کردن در یک گوشه، مرحله اول را به پایان برساند یا خیر.[1][3]

نکات کلیدی

  • Google Research و HHMI Janelia مدل MaleCNS v1.0 را منتشر کردند که ۱۶۶,۷۰۰ نورون و ۱۲۵ میلیون سیناپس یک مگس میوه را نقشه‌برداری کرده است.
  • مهندسان نرم‌افزار بلافاصله این مجموعه داده را برای بازی‌های Doom، Super Mario 64 و Beat Saber سیم‌کشی کردند.
  • آزمایش Doom فریم‌های بازی را به ۳,۳۳۵ سیگنال روشنایی تبدیل کرده و به گیرنده‌های نوری مصنوعی تغذیه می‌کند.
  • آسیب شبیه‌سازی‌شده یک پالس منفی ۲۰۰ میلی‌ثانیه‌ای را به سلول‌های دوپامین ارسال می‌کند تا یادگیری تقویتی را تحریک کند.
  • کانکتوم یک نقشه ساختاری ثابت است، به این معنی که مگس دیجیتال به جای شناخت بیولوژیکی واقعی، به تقریب‌های نرم‌افزاری سنگین متکی است.

بررسی عمیق دیدگاه‌ها

دانشمندان علوم اعصاب محاسباتی

کانکتوم را به عنوان یک نقشه آناتومیک ثابت برای مطالعه بیماری‌ها می‌بینند و نسبت به برخورد با آن به عنوان یک شبیه‌سازی زنده هشدار می‌دهند.

محققان تأکید می‌کنند که MaleCNS v1.0 یک تصویر ساختاری است، نه یک شبیه‌سازی یک‌به‌یک از یک ذهن زنده. آن‌ها اشاره می‌کنند که مدل دیجیتال فاقد سوپ شیمیایی پیچیده انتقال‌دهنده‌های عصبی و هورمون‌هایی است که رفتار بیولوژیکی واقعی را دیکته می‌کنند. از این منظر، آزمایش‌های گیمینگ تست‌های نرم‌افزاری جذابی هستند، اما به تقریب‌های سنگینی متکی‌اند که ثابت نمی‌کنند یک مگس دیجیتال واقعاً می‌تواند «یاد بگیرد» یا درد شبیه‌سازی‌شده را احساس کند.

مهندسان نرم‌افزار و مادسازها

با این مجموعه داده بیولوژیکی به عنوان یک معماری شبکه عصبی نوین برای یادگیری ماشین و تست نرم‌افزار برخورد می‌کنند.

برای جامعه توسعه‌دهندگان، انتشار کانکتوم، شبکه عصبی متن‌باز نهایی را فراهم کرد. مهندسان اکنون به جای ساختن یک شبکه عصبی مصنوعی از پایه، می‌توانند بررسی کنند که چگونه مجموعه‌ای شناخته‌شده از اتصالات بیولوژیکی در مواجهه با ورودی و بازخورد رفتار می‌کند. آن‌ها آزمایش‌های Doom و Mario 64 را به عنوان مرزهایی بسیار در دسترس برای آزمایش نحوه پردازش اطلاعات و انطباق با شکست توسط سیم‌کشی بیولوژیکی می‌بینند.

منتقدان اخلاق هوش مصنوعی و زیست‌شناسی

استدلال می‌کنند که اجرای نقشه مغز در بازی‌های ویدیویی با استفاده از کدهای تولید شده توسط هوش مصنوعی، به جای بینش علمی، داده‌های آشفته‌ای تولید می‌کند.

منتقدان در جوامع فناوری و زیست‌شناسی، کاربرد این یکپارچه‌سازی‌های سریع بازی‌ها را زیر سوال می‌برند. آن‌ها خاطرنشان می‌کنند پروژه‌هایی که کاملاً توسط دستیارهای هوش مصنوعی مانند GPT Astra کدنویسی می‌شوند، اغلب به کدهای آشفته و بهینه‌نشده‌ای منجر می‌شوند که خط پایه علمی را آلوده می‌کنند. این گروه استدلال می‌کند که شبیه‌سازی یک مغز بدون محیط شیمیایی آن و تکیه بر پوشش‌های تولید شده توسط هوش مصنوعی، محتوای وایرال سرگرم‌کننده‌ای تولید می‌کند، اما بینش واقعی کمی در مورد علوم اعصاب محاسباتی ارائه می‌دهد.

چرا مهم است

بازی‌سازی سریع کانکتوم مگس میوه ثابت می‌کند که داده‌های بیولوژیکی دیگر محدود به آزمایشگاه‌های دانشگاهی نیستند. با تبدیل یک سیستم عصبی نقشه‌برداری‌شده به یک مدل نرم‌افزاری آماده استفاده، توسعه‌دهندگان مرز جدید و بسیار در دسترسی را برای آزمایش نحوه پردازش اطلاعات و یادگیری از شکست توسط شبکه‌های بیولوژیکی ایجاد کرده‌اند.

اصطلاحات کلیدی

کانکتوم
یک نقشه جامع از اتصالات عصبی در یک مغز، که اغلب به عنوان نمودار سیم‌کشی یک سیستم عصبی توصیف می‌شود.
MaleCNS v1.0
مجموعه داده خاص منتشر شده توسط Google Research که حاوی سیستم عصبی مرکزی نقشه‌برداری‌شده یک مگس میوه نر بالغ است.
نورون حرکتی
یک سلول عصبی که وظیفه اصلی آن انتقال تکانه‌ها از مغز یا نخاع به یک عضله یا غده است.
سلول دوپامین
نوعی نورون که دوپامین ترشح می‌کند؛ یک ماده شیمیایی که به شدت در پاداش، انگیزه و یادگیری در موجودات بیولوژیکی نقش دارد.
یادگیری تقویتی
یک روش آموزش یادگیری ماشین که بر اساس پاداش دادن به رفتارهای مطلوب و تنبیه رفتارهای منفی است.

منابع

پوشش منابع

7 منبع

3 دیدگاه شناسایی‌شده

دانشمندان علوم اعصاب محاسباتی 45%مهندسان نرم‌افزار 40%منتقدان هوش مصنوعی 15%
  1. [1]PC Gamerمهندسان نرم‌افزار

    After Google mapped an adult male fruit fly's brain, software engineers made it play Doom, Mario64, and Beat Saber

    مطالعه در PC Gamer
  2. [2]Gizmodoدانشمندان علوم اعصاب محاسباتی

    Now It's Playing Doom and Super Mario 64

    مطالعه در Gizmodo
  3. [3]TechSpotمنتقدان هوش مصنوعی

    Google mapped a fruit fly brain, and it's already playing Doom and Super Mario 64

    مطالعه در TechSpot
  4. [4]TheGamerمنتقدان هوش مصنوعی

    Google mapped every neuron in a male fruit fly. 166,000 neurons, Millions of synapses playing mario 64 using a fly's brain

    مطالعه در TheGamer
  5. [5]Tom's Hardwareمهندسان نرم‌افزار

    Google maps entire brain and central nervous system of adult male fruit fly, software engineers immediately make it run Doom

    مطالعه در Tom's Hardware
  6. [6]Neoteoدانشمندان علوم اعصاب محاسباتی

    A Fruit Fly Brain Map Now Drives Digital Games

    مطالعه در Neoteo
  7. [7]RetroGemsمهندسان نرم‌افزار

    DOOMFLY Or How To Drop A Virtual Fruit Fly Into The Classic FPS

    مطالعه در RetroGems

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت بازی و ورزش‌های الکترونیک اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.