模拟大脑技术实现果蝇神经信号与大型语言模型对话的进展

近期公开资料展示了利用模拟大脑技术，成功将生物神经信号转化为自然语言，并实现了果蝇系统直接与ChatGPT进行对话的实验结果。这一进展标志着脑科学和人工智能交叉领域的一个重要节点。

在具体的实验流程中，研究人员构建了一个从放电到词汇再到句子的完整转化路径，整个过程无需人工润色。模拟大脑的“线性读出”翻译器能够将果蝇的大脑活动模式对应到词汇上，并且在排除了感觉神经元之后，其准确率达到了100%，成功识别了16个词。

进一步的测试展示了该系统的鲁棒性。当可用信号缩减至仅包含行神经元和运动神经元（即从大脑向身体发出指令的层级）时，模拟大脑的识别准确率仍维持在85%。此外，研究还观察到更基础的行为关联：例如，喂糖刺激使负责喙部动作的MN9神经元以78 Hz放电，这与果蝇尝到甜味并准备开吃这一生物学行为相对应。

早期的探索阶段也展示了该系统的潜力。伯克利的研究者在2024年10月使用FlyWire连接组模拟了包含13.9万个神经元和5000万个连接的系统，并具备预测真实果蝇受到刺激后反应的能力。

更进一步的应用层面，研究人员还成功地将ChatGPT返回的指令反馈给果蝇。具体操作是，开发者让ChatGPT接收到“前方有墙”的指令，随后将ChatGPT返回的“向左”指令打回了果蝇的听觉神经元，使果蝇服从了37次。

构建用于模拟大脑所需的连接组数据本身是一个长期积累的过程。这些连接组数据来源于HHMI Janelia、剑桥大学和Google Research，是研究人员历经十年时间完成的雄蝇中枢神经系统连接组——MaleCNS v1.0。

从技术可及性的角度看，当前使用模拟大脑和ChatGPT对话的实验可以在一台笔记本电脑上完成，这极大地降低了实验门槛，使其无需顶尖实验室、六位数经费或漫长的等待时间。

回顾整个时间线来看，该研究展示了一个清晰的技术递进过程：从构建基于十年积累数据的连接组（MaleCNS v1.0），到模拟出神经元网络并预测反应，再到实现信号的初步翻译和对话交互，最终达到可直接与大型语言模型进行双向信息交换的阶段。

需要强调的是，所有关于果蝇大脑成功接上ChatGPT的实验结果均来源于新智元发布的可追溯公开资料。该研究展示了从生物电信号到AI指令流的完整链条，但其实现依赖于模拟大脑这一关键技术载体，而非直接在活体果蝇脑中完成。

综上所述，这项工作不仅验证了神经信号与自然语言处理之间的潜在桥梁，也为未来构建更复杂的生物-计算接口提供了可操作的、低成本的技术路径。