被熱炒的“賽博果蠅”，真的在模擬大腦行為嗎？

一篇新的預印本顯示，一個基于線蟲連接組的神經(jīng)網(wǎng)絡可以像操控木偶一樣驅(qū)動一只數(shù)字果蠅的身體。這項工作發(fā)布的時間距離總部位于舊金山的神經(jīng)技術公司Eon Systems宣布其已“上傳”一只果蠅大腦，并發(fā)布該大腦在虛擬世界中控制一個生物力學果蠅模型的視頻，僅僅過去了兩周。

“在解讀這類工作時，我們必須非常謹慎，”華盛頓大學生物學教授Bing Wen Brunton說。她在上周將這篇新的預印本發(fā)布在bioRxiv上，以回應Eon Systems的聲明。Brunton與她的團隊將一個果蠅身體的生物物理模型，與秀麗隱桿線蟲的連接組模擬連接起來，并使用深度強化學習訓練這個被預印本命名為“數(shù)字獅身人面像”的系統(tǒng)行走——而這個系統(tǒng)的“腦”，根本不是果蠅的大腦。

冷泉港實驗室助理教授Benjamin Cowley表示，Brunton的工作為那些試圖將深度學習與連接組學結合來模擬果蠅行為的研究者提供了一個重要的對照。他說，這讓人們可以提出一個問題：“如果我只是構建一個隨機連接的連接組，它也能產(chǎn)生同樣的行為嗎？”

霍華德·休斯醫(yī)學研究所Janelia研究園區(qū)研究組負責人Srinivas Turaga指出，連接組模型的問題在于，它們無法捕捉神經(jīng)元的生物物理特性，也無法體現(xiàn)調(diào)節(jié)神經(jīng)通信的神經(jīng)遞質(zhì)庫，而且這些模型是在沒有身體的情況下存在的。

為了解決這些不足，研究人員開始使用深度強化學習，將連接組與行為聯(lián)系起來。但正如Brunton及其團隊所構建的模型所展示的，這種方法在用于模擬生物過程時也存在陷阱。

Brunton說，深度強化學習本質(zhì)上是一種優(yōu)化過程，而生物系統(tǒng)并不總是以最優(yōu)方式運作。她表示，即便模型在生物學上并不真實，這種方法仍然可以“非常好地”捕捉果蠅的行為。

Eon將其果蠅模型建立在三個此前發(fā)表的數(shù)據(jù)集之上：一個名為NeuroMechFly的果蠅身體生物物理模型、一份果蠅大腦連接組數(shù)據(jù)，以及果蠅視覺系統(tǒng)的一部分。該公司同樣使用深度強化學習將這些部分拼接在一起，訓練網(wǎng)絡去模擬一只會行走的果蠅。但這一視頻很快遭到質(zhì)疑，Turaga表示，以這種方式連接到NeuroMechFly模型上的任何隨機網(wǎng)絡，都可能生成一只會走路的果蠅。由于Eon尚未公開其構建模型的具體細節(jié)，目前尚不清楚該模型是否比隨機網(wǎng)絡更準確。

Eon Systems的工程負責人Philip Shiu并不完全反對這種看法。他說：“可以說，這并不是一只完整復制的果蠅。我個人可能更傾向于把它稱為數(shù)字孿生或具身模型。”他補充道：“顯然，公司的一部分意圖是表明：這是一件非常令人興奮、很酷的事情，而且不再像過去那樣只是科幻。”

Cowley補充說，即便是一個“只有300個神經(jīng)元的小網(wǎng)絡”，也包含足夠的信息，使深度學習能夠提取出驅(qū)動真實行為的模式。“這個網(wǎng)絡中有足夠的隨機性，可以把它映射到果蠅的腿上，并讓它們以合理的方式運動。”

Brunton表示，在Eon發(fā)布這項工作之前，她就已經(jīng)了解該公司的研究。去年年初，該公司曾聯(lián)系她和她的同事、華盛頓大學神經(jīng)生物學與生物物理學教授、該預印本的研究者之一John Tuthill，希望開展合作，但最終未能實現(xiàn)。Brunton還表示，她在去年的神經(jīng)科學學會會議上看過Eon關于其虛擬果蠅的海報展示。

她還審閱過多個提出類似項目的基金申請，因此她意識到“很多人都有這個想法”。Brunton和她的團隊直到去年12月才啟動數(shù)字獅身人面像項目。但當Eon的視頻發(fā)布后，Brunton迅速將團隊的模型加入她在上個月計算與系統(tǒng)神經(jīng)科學（Computational and Systems Neuroscience，COSYNE）年會的報告中，并在飛往會議的途中完成了預印本的撰寫。

Tuthill說，這一切活動“只是說明這個領域正在發(fā)生很多事情，人們對此充滿熱情”，“但我們認為我們的角色是讓局面冷靜下來，從而保持腳踏實地”。

Brunton也同意這一評價，并補充說，他們的論文為越來越多從事這些模型構建與解讀的人敲響了警鐘。“如果要直說的話，”她說，“這里面有太多不靠譜的東西了。”

作者：Natalia Mesa

譯者：EY

https://www.thetransmitter.org/systems-neuroscience/digital-sphinx-raises-questions-about-connectome-models/