สมองแมลงวันทั้งหัวถูกเปิดเป็น open source แล้ว คนเอาไปทำอะไรกันบ้าง (ผมลองรันเองด้วย)

สมองของแมลงวันผลไม้เล็กกว่าเมล็ดฝิ่น แต่ตอนนี้มีแผนที่ครบทุกเซลล์ 139,255 เซลล์ และใครอยากเปิดดูก็เปิดได้ฟรีครับ

ข้อมูลชุดนี้ชื่อ FlyWire ตีพิมพ์ใน วารสาร Nature เมื่อ 2 ต.ค. 2024 (ราว 4 ทุ่มเวลาไทย) ทีมวิจัยปล่อยข้อมูลแบบเปิดตั้งแต่วันแรก ใช้สัญญาอนุญาต CC BY 4.0 คือเอาไปใช้ต่อได้ ขอแค่ให้เครดิต ผ่านมาเกือบ 2 ปี มีคนเอาไปต่อยอดเยอะมาก ตั้งแต่ทำนายว่าแมลงวันจะยื่นงวงกินน้ำหวานตอนไหน ทำแมลงวันจำลองที่เดินและบินได้ ไปจนถึงเอาไปเล่นในเกม Doom

ผมอ่านงานวิจัยตัวจริง 7 ฉบับ ข่าวจากมหาวิทยาลัยและสื่ออิสระอีกหลายชิ้น แล้วลองรันโมเดลสมองแมลงวันเองบนเครื่อง เพื่อดูว่ามันทำอะไรได้จริงแค่ไหน สรุปไว้ในบทความนี้ครับ บอกไว้ก่อนว่ามีบางเรื่องที่ข่าวพาดหัวเกินจริง ผมจะแยกให้ชัดว่าอันไหนพิสูจน์แล้ว อันไหนยังเป็นแค่ความหวัง

เกิดอะไรขึ้น (สรุป 30 วินาที)

• มีแผนที่สมองแมลงวันโตเต็มวัยครบทั้งหัว 139,255 เซลล์ประสาท กับจุดเชื่อมต่อระหว่างเซลล์ (synapse) ราว 54.5 ล้านจุด (Nature)
• ข้อมูลเปิดให้ทุกคน โหลดได้จาก Zenodo (CC BY 4.0) และค้นดูออนไลน์ใน FlyWire Codex ซึ่งต้องล็อกอินด้วยบัญชี Google ก่อน แต่ไม่เสียเงิน
• มีคนเอาแผนที่ไปสร้างโมเดลสมองที่รันได้บนแล็ปท็อป แล้วโมเดลทายผลการทดลองกับแมลงวันจริงถูก 91% จาก 164 ข้อที่ทดสอบได้ (Shiu et al., Nature)
• ปี 2026 ข้อมูลใหญ่ขึ้นอีก Janelia ปล่อยแผนที่ระบบประสาทแมลงวันตัวผู้ทั้งตัว 166,700 เซลล์ (Male CNS) และบริษัท Eon Systems เอาสมองจำลองไปต่อกับร่างจำลองจนเดินหาอาหารได้ ซึ่งนักวิทยาศาสตร์บางส่วนยังเถียงว่าเรียกแบบนั้นเกินไป
• สิ่งที่มันไม่ใช่: มันไม่ใช่แมลงวันที่มีความรู้สึกอยู่ในคอมพิวเตอร์ และไม่ใช่ทางลัดไปสู่การอัปโหลดสมองคน

ทำไมเรื่องนี้เกี่ยวกับคุณ

แมลงวันฟังดูไกลตัว แต่มันเป็นสัตว์ทดลองที่วงการแพทย์ใช้มากว่า 100 ปีแล้วครับ Princeton บอกว่าแมลงวันมี DNA คล้ายคนราว 60% และโรคทางพันธุกรรมของคนประมาณ 3 ใน 4 มีโรคแบบเดียวกันในแมลงวัน

เรื่องนี้เกี่ยวกับเราได้ 3 ทาง

1. ถ้าคุณเป็นนักเรียนหรือครู นี่คือข้อมูลวิทยาศาสตร์ระดับ Nature ที่เปิดดูได้ฟรีบนเว็บ Codex บอกว่ามีผู้ใช้เกิน 60,000 คนแล้ว ตั้งแต่นักวิจัยไปจนถึงโครงการของโรงเรียนมัธยม
2. ถ้าคุณทำ AI หรือหุ่นยนต์ นี่คือ “วงจร” ของสมองจริงที่วิวัฒนาการมาแล้ว ใครอยากรู้ว่าสมองเล็กๆ คุมการเดิน การบิน การเลือกกินได้ยังไง ก็มีโค้ดตัวอย่างให้รันได้เลย
3. ถ้าคุณแค่ชอบอ่านข่าว AI คุณจะได้เห็นข่าวแนว “อัปโหลดสมองสำเร็จ” บ่อยขึ้น บทความนี้จะช่วยให้แยกออกว่าส่วนไหนเป็นเรื่องจริง ส่วนไหนเป็นพาดหัว

แผนที่สมองทำได้ยังไง

แผนที่สมองแบบนี้เรียกว่า connectome คือแผนผังว่าเซลล์ประสาทแต่ละตัวต่อสายไปหาใครบ้าง ขั้นตอนตามที่ Princeton และ UC Berkeley เล่าไว้มีประมาณนี้

1. หั่นสมอง สมองแมลงวันตัวเมีย 1 ตัว ขนาดประมาณ 750 × 350 × 250 ไมครอน ถูกหั่นบางๆ ราว 7,000 แผ่น
2. ถ่ายภาพ ด้วยกล้องจุลทรรศน์อิเล็กตรอน ได้ภาพ 21 ล้านภาพ ส่วนนี้มาจากทีมของ Davi Bock ที่ Janelia
3. ให้ AI ลากเส้น ทีมของ Sebastian Seung ที่ Princeton ใช้ AI แยกว่าเนื้อเยื่อตรงไหนเป็นของเซลล์ไหน
4. ให้คนตรวจทาน AI ยังผิดเยอะ เลยต้องให้คนช่วยแก้ ทั้งนักวิจัยและอาสาสมัครที่เคยเล่นเกม EyeWire รวมแล้วใช้แรงงานประมาณ 33 ปีคน ทีมบอกว่าถ้าไม่มี AI ช่วยจะต้องใช้ราว 50,000 ปีคน
5. เปิดให้ทุกคนใช้ ผ่าน Codex และไฟล์บน Zenodo

อุปมาแบบไทย: แผนที่สายรถเมล์ทั้งกรุงเทพฯ

ลองนึกถึงแผนที่ที่บอกครบทุกป้ายรถเมล์และทุกสายในกรุงเทพฯ ครับ

• ป้ายรถเมล์ คือเซลล์ประสาท
• สายรถเมล์ บอกว่าป้ายไหนวิ่งไปป้ายไหน
• จำนวนคันที่วิ่งระหว่างสองป้าย คือจำนวน synapse ยิ่งเยอะ สัญญาณยิ่งแรง
• บางสายเป็นสาย “เร่ง” บางสายเป็นสาย “เบรก” เหมือนเซลล์ที่กระตุ้นกับเซลล์ที่ยับยั้ง

แผนที่แบบนี้ช่วยให้เดาได้ว่าถ้ามีคนขึ้นรถที่ป้าย A จะไปถึงป้ายไหนได้บ้าง แต่มันไม่ได้บอกว่าตอนนี้รถติดไหม ถนนไหนปิดซ่อม คนขับขับเร็วแค่ไหน หรือผู้โดยสารหิวหรือเปล่า เรื่องพวกนี้ในสมองจริงคือฮอร์โมน การเรียนรู้ ความแรงจริงของ synapse และสภาพร่างกาย ซึ่ง connectome ไม่มีเก็บไว้

แล้วโมเดลสมองทำงานยังไง

งานของ Philip Shiu และทีม เอาแผนที่นี้ไปสร้างโมเดลแบบง่ายมาก ทุกเซลล์ใช้กฎเดียวกัน คือรับสัญญาณเข้ามาสะสมไว้ ถ้าเกินเกณฑ์ก็ยิงสัญญาณต่อ (โมเดลแบบนี้เรียกว่า leaky integrate-and-fire) ความแรงของการเชื่อมต่อดูจากจำนวน synapse และดูจากชนิดสารสื่อประสาทที่ AI ทายไว้ว่าเป็นตัวเร่งหรือตัวเบรก

จุดที่ผมว่าน่าทึ่งคือ เขาไม่ได้สอนโมเดลด้วยข้อมูลพฤติกรรมเลย ใช้แค่แผนที่ แล้วถามว่า “ถ้ากระตุ้นเซลล์รับรสหวาน เซลล์ไหนจะทำงานตาม” โมเดลตอบว่าเซลล์ประสาทสั่งการชื่อ MN9 ที่คุมการยื่นงวงจะยิงสัญญาณ ซึ่งตรงกับแมลงวันจริงที่ยื่นงวงเมื่อเจอน้ำหวาน

ทีมยังลองแกล้งโมเดล โดยสลับน้ำหนักการเชื่อมต่อแบบสุ่มแต่ให้ภาพรวมเหมือนเดิม ผลคือ MN9 ทำงานแค่ 1 ใน 100 รอบ ขณะที่ใช้แผนที่จริงทำงาน 100% (ฉบับเต็มบน PMC) แปลว่าสิ่งที่โมเดลทายถูกมาจากการต่อสายจริงๆ ไม่ได้มาจากความบังเอิญ

ผมลองรันเอง: ป้อนรสหวานให้สมองจำลอง

ผมโหลดโค้ดจาก GitHub ของ Shiu (สัญญาอนุญาต MIT) มารันบนเครื่อง Linux ของผม ใช้ข้อมูลเวอร์ชัน 630 ที่มากับโค้ด กระตุ้นเซลล์รับรสหวาน 21 ตัวที่ความถี่ต่างกัน แต่ละแบบรัน 5 รอบ รอบละ 1 วินาทีในโลกจำลอง แล้วดูว่า MN9 ยิงสัญญาณกี่ครั้งต่อวินาที

ผลที่ได้ออกมาแบบนี้ครับ

• ใส่รสหวาน 50 Hz: MN9 ยิงเฉลี่ย 20.8 ครั้งต่อวินาที
• 100 Hz: 70.6 ครั้งต่อวินาที
• 150 Hz: 86.4 ครั้งต่อวินาที
• 200 Hz: 94.2 ครั้งต่อวินาที
• ใส่รสขมอย่างเดียว 100 Hz: MN9 ไม่ยิงเลย
• ใส่หวาน 100 Hz พร้อมขม 100 Hz: MN9 เหลือแค่ 4.4 ครั้งต่อวินาที

แปลเป็นภาษาบ้านๆ คือ ยิ่งหวานมาก โมเดลยิ่งอยาก “ยื่นงวงกิน” แต่ถ้ามีรสขมปนมาด้วย มันแทบไม่ยื่นเลย ซึ่งเป็นแนวเดียวกับที่ทีม Shiu รายงานไว้ในเปเปอร์ จุดที่ผมชอบคือไม่มีใครเขียนกฎ “ขมแล้วห้ามกิน” ไว้ในโค้ด ผลนี้ออกมาจากการต่อสายในแผนที่ล้วนๆ

ทั้งหมด 6 แบบ แบบละ 5 รอบ ใช้เวลาจริงไม่ถึง 10 นาที บนเครื่องที่มี 8 คอร์และแรม 15 GB ในแต่ละแบบ มีเซลล์ที่ยิงสัญญาณอย่างน้อยหนึ่งครั้งแค่ราว 59–440 เซลล์ จากทั้งหมดกว่า 127,000 เซลล์ในข้อมูลชุดนี้ แปลว่าการกระตุ้นจุดเดียวไม่ได้ทำให้ทั้งสมองสว่างไปหมด

ข้อควรรู้: นี่เป็นผลจากโมเดลบนเครื่องของผม ไม่ใช่การทดลองกับแมลงวันจริง ผมใช้รายชื่อเซลล์รับรสหวานและรสขมจากเปเปอร์ และใช้ข้อมูลรุ่นเก่าที่มากับโค้ดเพื่อให้เทียบกับเปเปอร์ได้ตรงๆ

คนเอาไปใช้ทำอะไรกันบ้าง

ผมรวบรวมเฉพาะงานที่มีแหล่งอ้างอิงจริง เรียงจากที่พิสูจน์แล้วมากที่สุดไปหาที่ยังเป็นความหวัง

1. ตั้งสมมติฐานวงจรสมอง แล้วไปพิสูจน์ในแมลงวันจริง

นี่คืองานหลักของ Shiu et al. โมเดลทายวงจรการกินน้ำหวาน การกินน้ำ และการทำความสะอาดหนวด แล้วทีมไปพิสูจน์ด้วยการทดลองจริง เช่น ใช้แสงเปิดปิดเซลล์ (optogenetics) และถ่ายภาพการทำงานของเซลล์ ผลคือ 91% จาก 164 การทำนายตรงกับการทดลอง ถ้าตัดชุดทดลองด้วยแสงออกจะเหลือ 84% ประโยชน์จริงคือช่วยเลือกว่าควรทดลองอะไรก่อน แทนที่จะลองสุ่มเป็นพันแบบ

2. ทายการทำงานของระบบการมองเห็น

Lappalainen et al. ใน Nature ใช้แผนที่ส่วนการมองเห็น 64 ชนิดเซลล์ รวม 45,669 เซลล์ สร้างโมเดลที่มีค่าที่ต้องปรับแค่ 734 ค่า แล้วฝึกให้มองการเคลื่อนไหว ผลที่ได้ตรงกับงานทดลองจริง 26 ชิ้น โค้ดเปิดเป็น flyvis (MIT)

3. หาวงจรสั่งหยุดเดิน

Sapkal et al. ใช้ connectome หาเซลล์ที่ทำให้แมลงวันหยุดเดิน และพบว่ามีมากกว่าหนึ่งแบบ แบบหนึ่งเหมือนปิดสวิตช์การเดิน อีกแบบเหมือนเหยียบเบรก ซึ่งใช้ในสถานการณ์ต่างกัน เช่น ตอนกินกับตอนทำความสะอาดตัว

4. สร้างร่างแมลงวันจำลองให้เดินและบิน

สมองอย่างเดียวขยับไม่ได้ เลยมีทีมทำ “ร่าง” ด้วย

• NeuroMechFly v2 จาก EPFL สร้างจากภาพสแกน CT ของแมลงวันจริง มี 87 ข้อต่อ มองเห็นได้ ได้กลิ่นได้ และตามกลิ่นได้ โค้ดชื่อ flygym (Apache-2.0)
• flybody จาก Janelia ร่วมกับ Google DeepMind ใช้ฟิสิกส์จำลอง MuJoCo และ reinforcement learning ฝึกให้เดินและบินได้ ตีพิมพ์ใน Nature ปี 2025 (Apache-2.0)

งานกลุ่มนี้มีประโยชน์กับคนทำหุ่นยนต์ เพราะได้เห็นว่าสัตว์ตัวเล็กคุมขาหกขากับปีกยังไง

5. เอาสมองจำลองไปต่อกับร่างจำลอง (ยังถกเถียงกันอยู่)

เดือนมีนาคม 2026 บริษัท Eon Systems โพสต์เดโม ที่เอาโมเดลของ Shiu ไปต่อกับ NeuroMechFly แล้วให้แมลงวันจำลองเดินหาอาหาร ทำความสะอาดตัว และกินได้ ข่าวไปไกลมาก The Register ก็เขียนถึง

แต่ในโพสต์เทคนิคของ Eon เอง ก็ยอมรับว่าจุดต่อระหว่างสมองกับร่างถูกเลือกด้วยมือ ใช้เซลล์สั่งการไม่กี่ตัว โมเดลไม่มีการเรียนรู้หรือความจำ และภาพที่แมลงวันเห็นแทบไม่ได้มีผลอะไร ส่วนเว็บของบริษัทเขียนว่า “แม่นยำ 91%” ซึ่งเป็นตัวเลขจากงานของ Shiu เรื่องการทายวงจร ไม่ใช่ความแม่นของพฤติกรรมในเดโมนี้

The Transmitter รายงานว่านักวิจัยอย่าง Bing Wen Brunton ทำ “สฟิงซ์ดิจิทัล” คือเอา connectome ของหนอนไปขับร่างแมลงวัน แล้วก็ฝึกให้เดินได้เหมือนกัน คำถามคือถ้าสมองผิดตัวยังเดินได้ การเดินได้ก็ไม่ใช่หลักฐานว่าสมองจำลองถูกต้อง แม้แต่ Shiu ซึ่งตอนนี้เป็นหัวหน้าฝ่ายวิศวกรรมของ Eon ก็บอกสื่อนี้ว่ามัน “ไม่ใช่สำเนาเต็มรูปแบบ” ควรเรียกว่าโมเดลที่มีร่างกายมากกว่า

6. ทดสอบชิปแบบสมอง (neuromorphic)

ทีม Sandia National Laboratories รันโมเดล FlyWire ทั้งสมอง บนชิป Intel Loihi 2 จำนวน 12 ชิป และบอกว่าเร็วกว่ารันบน CPU ตั้งแต่ราว 3 เท่าถึง 350 เท่าแล้วแต่งาน งานนี้ยังเป็นเปเปอร์บน arXiv ที่ยังไม่ผ่านการตรวจโดยผู้เชี่ยวชาญ (peer review) สมองแมลงวันเลยกลายเป็น “โจทย์ทดสอบ” ที่ดีของฮาร์ดแวร์ AI แบบใหม่

7. วิทยาศาสตร์ภาคประชาชนและการศึกษา

FlyWire สร้างได้เพราะมีอาสาสมัครช่วยตรวจ และ Codex เองก็มีคนใช้ตั้งแต่นักวิจัยถึงนักเรียนมัธยม Princeton บอกว่าโครงการรวมกว่า 146 แล็บจาก 122 สถาบัน นี่คือหลักฐานว่า open data ทำให้คนทั่วโลกช่วยกันได้จริง

8. งานอดิเรกแนวสนุก (ไม่ใช่วิทยาศาสตร์)

หลัง Janelia ปล่อยข้อมูลแมลงวันตัวผู้ Eon รวบรวมโปรเจกต์ของชุมชน ที่เอาสมองจำลองไปใส่ใน Minecraft, Doom, Mario 64 และวิดีโอ Bad Apple ตัวบริษัทเองเรียกงานพวกนี้ว่า “flyslop” สนุกดี แต่ไม่มีใครวัดว่าตรงกับแมลงวันจริงแค่ไหน

9. งานวิจัยโรค (ความหวังระยะยาว)

ผู้อำนวยการโครงการ BRAIN ของ NIH บอกกับ Princeton ว่า connectome จะช่วยให้เข้าใจโรคทางสมองได้ดีขึ้น ทีม Sandia ก็พูดถึงการใช้ “แฝดดิจิทัล” ทดสอบวิธีหยุดอาการชัก แต่ทั้งหมดนี้ยังเป็นแผนในอนาคต ผมยังไม่เจองานที่เอาโมเดลสมองแมลงวันไปใช้รักษาโรคในคนได้จริง

ลองเล่นเอง

ลิงก์ทั้งหมดนี้ผมเปิดเช็กแล้วเมื่อ 10 ต.ค. 2026

• FlyWire Codex ค้นชื่อเซลล์ ดูภาพ 3 มิติ และดูว่าเซลล์ต่อกับใคร ต้องล็อกอินด้วยบัญชี Google (ฟรี) ลองพิมพ์คำว่า MN9 ดูก็ได้ครับ
• โมเดลของ Shiu บน Google Colab กดรันในเบราว์เซอร์ได้เลย ไม่ต้องติดตั้งอะไร README บอกว่าใช้เวลาราว 20 นาที
• Male CNS Explorer ข้อมูลแมลงวันตัวผู้ทั้งตัว 166,700 เซลล์ ปล่อยเวอร์ชัน 1.0 เมื่อ 8 มิ.ย. 2026
• NeuroMechFly / flygym สำหรับคนที่อยากลองร่างแมลงวันจำลอง ต้องเขียน Python ได้นิดหน่อย
• flybody สำหรับสาย reinforcement learning

ถ้ารันบนเครื่องตัวเอง ต้องมี RAM พอสมควร ตอนผมรันพร้อมกันหลายงาน แต่ละงานกินแรมราว 2.6 GB และรอบแรกโดนระบบปิดเพราะแรมไม่พอ

ข้อมูลที่ยังไม่ชัด และจุดที่แหล่งข่าวพูดไม่ตรงกัน

ตอนอ่านหลายแหล่ง ผมเจอตัวเลขไม่ตรงกันหลายจุด ส่วนใหญ่ไม่ได้ผิด แต่นับคนละแบบ

• จำนวนเซลล์: Nature บอก 139,255 เซลล์ หน้าเว็บ Codex เขียนว่า “ประมาณ 150K” ส่วนเปเปอร์ของ Shiu และ The Register เขียน “125,000 กว่า” เพราะใช้ข้อมูลเวอร์ชันเก่า (630) ที่ตรวจไม่ครบเท่าเวอร์ชัน 783
• จำนวน synapse: Nature บอกราว 54.5 ล้านจุดระหว่างเซลล์ที่ตรวจแล้ว แต่ตารางข้อมูลบน Zenodo มีจุดที่ตรวจเจอทั้งหมดราว 130 ล้าน (รวมจุดที่ยังไม่รู้ว่าเป็นของเซลล์ไหน) ส่วน Codex นับ “การเชื่อมต่อ” 3.7 ล้านคู่ ซึ่งเป็นการนับคู่เซลล์ ไม่ใช่นับ synapse
• ตัวเลข 91%: มาจากการทายวงจรในงานของ Shiu ไม่ใช่ความแม่นของพฤติกรรมแมลงวันจำลองของ Eon และไม่ใช่ “95%” ตามที่บางเว็บเขียน
• คำว่า “อัปโหลด”: Eon ใช้คำนี้ในพาดหัว แต่นักวิจัยหลายคนรวมถึง Shiu เองมองว่าควรเรียกว่าโมเดลที่มีร่างกาย
• วันปล่อยข้อมูลตัวผู้: ข้อมูลเวอร์ชัน 1.0 ปล่อยเดือนมิถุนายน 2026 แต่เปเปอร์ใน Cell ออกเดือนกันยายน บางแหล่งเลยเรียก “ข้อมูลเดือนกันยายน”
• ที่ยังไม่มีใครรู้: โมเดลที่มีแต่สายไฟจะไปได้ไกลแค่ไหน ถ้าไม่ใส่ฮอร์โมน การเรียนรู้ และสภาพร่างกาย ทีม Shiu เขียนเองว่าโมเดลไม่มี gap junction ไม่มีสาร neuropeptide และไม่มีสภาวะภายในอย่างความหิว

ความเห็นของผม

ผมมองว่า ข่าวนี้สำคัญจริง แต่สำคัญคนละแบบกับที่พาดหัวชอบเขียน สิ่งที่น่าตื่นเต้นไม่ใช่ “แมลงวันมีชีวิตในคอม” แต่คือโมเดลง่ายๆ ที่รู้แค่ว่าใครต่อสายกับใคร ก็ทายผลการทดลองได้ดีเกินคาด แถมเปิดให้ทุกคนตรวจสอบได้

ผมมองว่า บทเรียนสำหรับคนทำ AI คือเรื่อง open data มากกว่าเรื่องสมอง ข้อมูลชุดเดียวที่เปิดฟรี ทำให้เกิดงานใน Nature ตามมาหลายชิ้น เกิดบริษัท เกิดชิปทดสอบ และเกิดโปรเจกต์ของนักเรียนด้วย

แล้วเราควรทำอะไร

• ถ้าอยากเข้าใจเร็ว: เปิด Codex แล้วค้น MN9 ดูว่าเซลล์ยื่นงวงรับสัญญาณจากใครบ้าง ใช้เวลาไม่ถึง 10 นาที
• ถ้าเขียนโค้ดได้: รัน Colab ของ Shiu แล้วลองเปลี่ยนความถี่ของรสหวานเหมือนที่ผมทำ
• ถ้าเป็นครู: ใช้เป็นตัวอย่างสอนเรื่องระบบประสาทและวิทยาศาสตร์แบบเปิด เพราะมีทั้งภาพจริงและข้อมูลจริง
• เวลาเจอข่าว “อัปโหลดสมอง”: ถาม 3 ข้อ คือ ทดสอบกับสัตว์จริงหรือยัง ผ่าน peer review หรือยัง และโมเดลมีการเรียนรู้หรือความจำไหม
• อย่าแชร์ต่อว่าคนจะอัปโหลดสมองได้เร็วๆ นี้ สมองคนมีเซลล์หลายหมื่นล้านเซลล์ และยังไม่มีแผนที่สมองคนครบสักคน

สิ่งที่น่าจับตาต่อ

ผมจะดู 3 เรื่อง คือ (1) มีใครพิสูจน์ได้ไหมว่าสมองจำลองที่ต่อกับร่าง “ต้องใช้” แผนที่ที่ถูกต้องถึงจะทำงาน ไม่ใช่สมองอะไรก็ได้ (2) งานที่เอาข้อมูลแมลงวันตัวผู้มาเทียบกับตัวเมีย จะอธิบายพฤติกรรมที่ต่างกันได้แค่ไหน (3) งานบนชิปแบบสมองของ Sandia จะผ่าน peer review หรือเปล่า

สุดท้าย ผมชวนคิดข้อเดียวครับ ถ้าวันหนึ่งโมเดลทายพฤติกรรมแมลงวันได้ 99% เราจะเรียกมันว่า “เข้าใจสมอง” แล้วหรือยัง

Recap

• FlyWire คือแผนที่สมองแมลงวันตัวเมียครบทั้งหัว 139,255 เซลล์ เปิดฟรีแบบ CC BY 4.0
• โมเดลง่ายๆ จากแผนที่นี้ทายผลการทดลองจริงถูก 91% จาก 164 ข้อ
• คนเอาไปใช้ทายวงจร ทายการมองเห็น สร้างร่างจำลอง ทดสอบชิป และสอนนักเรียน
• เดโมแมลงวันจำลองเดินได้ของ Eon ยังถูกตั้งคำถาม และไม่ใช่การอัปโหลดสิ่งมีชีวิต
• โมเดลยังไม่มีความจำ การเรียนรู้ หรือความหิว
• ลองเองได้ที่ Codex (ล็อกอิน Google) และ Colab ของ Shiu