DesktopFly：Mac里的数字果蝇
我本周发现了一个GitHub仓库，听起来像是某人作为玩笑构建然后两天后忘记的东西：一只住在你macOS桌面的3D果蝇。
然后我打开了代码。
这只苍蝇不仅仅是带着一堆随机动画状态四处游荡。它的一部分行为由来自FlyWire成年果蝇连接组的连接驱动。将光标快速移向它，应用程序将该运动转化为迫近刺激。该刺激被馈送到小模拟电路中的视觉神经元。如果电路足够强地驱动巨纤维逃逸神经元，苍蝇就会起飞。
这种区别很重要。作者没有构建完整的数字果蝇，这绝对不是住在SceneKit中的微小意识。但它也比带有神经科学皮肤的脚本化Tamagotchi更有趣。
奇怪的是，2024年作为前沿神经科学发布的布线图在2026年已经可以用作桌面玩具的原材料。
这比苍蝇本身的故事大得多。
1、DesktopFly实际在做什么
该项目名为DesktopFly。它是一个使用Cocoa和SceneKit用Swift编写的小型原生macOS应用程序。没有Electron外壳，没有Web运行时，没有隐藏在背景中的大型AI模型。
科学来源是FlyWire对成年雌性黑腹果蝇大脑的重建。根据2024年旗舰Nature论文，完整的FlyWire数据集包含139,255个重建神经元和约5450万个突触。FlyWire的Codex现在使该连接组可搜索和可下载，而不是将其埋在论文中。
DesktopFly并不模拟所有这些。仓库相当明确地说明了边界：
- 它在可选的大脑视图中渲染23,210个真实神经元胞体位置。
- 其实时脉冲模拟包含668个神经元和约19,000个围绕行为相关通路选择的突触连接。
- 该电路包括视觉迫近神经元如LC4和LPLC2、巨纤维逃逸神经元、转向神经元、前行神经元、梳理神经元、后行神经元和选定的感觉/上行伙伴。
- 模拟以1 kHz泄漏积分放电模型运行。
- 身体本身是程序化的。FlyWire给你一个连接组，而不是带有肌肉、翅膀和腿的现成3D苍蝇。
最后一点很重要，因为它告诉你什么是真实的，什么是模拟的。
连接来自生物学。时序规则、膜模型、感觉转换、一些电耦合假设、神经递质符号和身体力学是叠加在上面的工程选择。
这不是批评。这基本上是计算神经科学被迫做的事情：获取生物学的不完整测量，并构建一个足够明确的模型来测试。
2、逃逸反应是吸引我的部分
普通桌面宠物这样工作：
光标靠近 → 播放"害怕"动画
DesktopFly试图做一些更有趣的事情：
光标运动 → 迫近信号 → 视觉神经元 → 突触传播 → 巨纤维活动 → 起飞
仓库报告说，突然的迫近刺激可以在模型内以约4毫秒的延迟驱动巨纤维逃逸反应。所选电路中还有前馈抑制，因此可以容忍缓慢接近，而快速猛冲更可能触发逃逸。
我不会将确切的延迟视为经过独立验证的生物学结果。这是此实现及其建模假设的属性。但架构无论如何都是有趣的部分。
行为不仅仅是"如果距离 < X，运行动画Y。"开发者使用真实的连接图作为控制系统的一部分。
这是一个小的概念跳跃，但很有用。
3、我们正在达到连接组可以成为API的地步
FlyWire项目本身已经是一个巨大的技术成就。研究人员从电子显微镜重建了完整的成年苍蝇大脑，具有AI辅助分割、专家校对和大规模社区协作。结果是迄今为止产生的最大完整成年动物大脑连接组。
但我认为软件人员应该关注的是论文之后发生的事情。
数据变得可访问。
FlyWire Codex通过比传统神经科学出版物更接近数据库浏览器的工具暴露神经元、细胞类型、通路和连接性。研究人员可以查询它。开发者可以下载数据产品。不在连接组学实验室工作的人可以开始在图上构建东西。
DesktopFly是它解锁内容的一个有点荒谬的例子，但荒谬的例子通常很有用，因为它们使平台转变变得明显。
基因组学经历了类似的事情。一旦测序数据不再是只有少数实验室才能生产和检查的东西，整个软件层就出现在它周围：数据库、管道、搜索工具、临床解释系统和商业产品。
连接组学还远未达到那个成熟度。尽管如此，你可以看到它的形状。
大脑布线图正在慢慢成为机器可读的基底。
4、这并不意味着我们"上传了苍蝇大脑"
这是炒作可能很快变得愚蠢的地方。
连接组是布线图。它告诉我们大量信息，但它没有给我们重建活神经系统所需的一切。
一个有用的类比是拥有极其详细的电路板布局，但不知道每个电压、晶体管状态、温度相关效应、时序条件和运行其中的固件。
神经元有动态。突触会改变。神经调质改变电路行为。一些神经元使用分级信号而不是干净的数字外观尖峰进行通信。激素状态很重要。身体很重要。环境很重要。发育和可塑性很重要。
这个限制不是有争议的。一篇题为"连接组不够"的综述列出了缺失的部分：生理学、神经调节、机械模拟以及整合所有这些的工程问题。
普林斯顿研究人员仍在积极研究布线与活动之间的桥梁。2025年，普林斯顿神经科学研究所的一个团队获得了专门研究苍蝇布线图如何产生神经活动的资金。
所以不，我们不在"下载brain.zip并运行consciousness.exe"。
远非如此。
但我们已经从"我们不知道完整的布线"转变为"布线是可下载的、可搜索的并且越来越可执行的。"这是一个真实的变化。
5、AI角度比"生物学将取代变换器"更有趣
每当有人提到连接组和AI时，对话往往会崩溃为两种糟糕观点之一。
要么：
"我们映射了苍蝇大脑，所以AGI基本上是下一步。"
或者：
"这与AI无关，因为生物大脑完全不同。"
两者都太懒了。
有趣的中间地带是结构先验。
现代神经网络通常从人类选择的架构开始，然后从数据中学习大量参数。连接组给我们不同的东西：生物学已经花费进化时间塑造的图。
这并不意味着复制苍蝇大脑会产生更好的语言模型。它意味着布线本身可以在建模生物计算时充当约束或先验。
我们已经有了一个严肃的例子。2024年Nature论文"连接组约束网络预测整个苍蝇视觉系统的神经活动" 表明，受连接组结构约束的模型可以对苍蝇视觉系统中的神经反应做出有意义的预测。
这比模糊的"大脑启发AI"品牌更可信。
与其说"生物学是有效的，所以复制生物学"，研究问题变得可测试：
已知布线能否减少搜索空间？它能否提高样本效率？它能否帮助我们在实验测量每个神经元之前预测电路如何响应？我们能否发现哪些结构基元实际上对鲁棒控制有用？
这些问题首先对神经科学有趣，但最终可能对机器人技术、神经形态计算和低功耗自主系统也很重要。
6、桌面苍蝇也是一个小型具身代理
我喜欢这个项目的另一个原因：它关闭了一个循环。
苍蝇感知环境中的某些东西。信号进入神经模型。模型产生活动。活动改变身体。身体的行为改变它接下来感知的东西。
仓库甚至通过上行/本体感觉输入将一些身体状态反馈到模拟电路中。
这比当前"带工具的聊天窗口"代理定义更接近旧的控制论代理概念。
它很小且粗糙，显然。但形状是正确的：
环境 → 感觉 → 内部动态 → 行动 → 新环境
随着AI从文本框进入机器人、可穿戴设备、操作系统和始终在线的本地软件，这个循环可能会变得更加重要。
有用的代理不能只生成一个好的下一个令牌。它必须持续对状态做出反应，而不会将每个微小决策变成巨大的云推理请求。
DesktopFly用几百个建模神经元、一个小本地图和普通Mac硬件做到了这一点。这并不使它在人类意义上智能。它确实表明，当结构完成部分工作时，你可以从紧凑的闭环系统中获得多少行为。
7、这个玩具中隐藏着安全和隐私教训
我也检查了仓库，因为任何"住在你桌面上"的应用程序在获得该权限之前都值得进行安全检查。
当前代码看起来相当直接。它从Swift源代码原生构建，本地加载其大脑数据，我在检查的应用程序路径中没有找到运行时网络或遥测。
但苍蝇确实感知的比人们想象的要多。
它轮询macOS窗口列表，以便可以将窗口边缘视为地形。它读取鼠标位置。它监控全局鼠标点击，因此苍蝇附近的点击可以表现为基质点击。它检查键盘事件最近发生的时间，但不检查按下了哪些键。它还使用用户空闲时间和Mac的热状态来影响行为。
巧妙的部分是这些API不一定需要大的权限对话框。
这使得DesktopFly成为一个很好的提醒，这对桌面代理很重要：
无权限并不意味着无数据。
应用程序可以从元数据、时序和系统状态推断有用的上下文，而无需读取文档或记录密码。
在DesktopFly的当前源代码中，这些信号在本地使用，使昆虫更可信。在不太友好的应用程序中，相同类别的环境信号可能用于分析。
因此，随着桌面软件变得更加代理化，安全问题将不仅仅是"它是否有辅助功能权限？"我们还将关心从操作系统历史上认为无害的所有小型API中可以推断出什么。
8、出乎意料的重要部分：这很便宜
完整的FlyWire数据集是巨大的科学。这个应用程序使用的小型交互式衍生物不是。
仓库将其选定的大脑点和电路JSON文件打包在一起，大约一兆字节。模拟是几百个神经元，不是数千亿个参数。渲染由原生SceneKit处理。
这种差距很重要。
科学项目经常花费多年和大量资金创建基础数据集。一旦该数据集公开且结构化，开发者有时可以用笔记本电脑和几个文件在其上构建。
昂贵的步骤是映射生物学。
试验地图的边际成本正在崩溃。
这正是在有人为它们命名之前创建奇怪新软件类别的情况。
9、这可能的下一步
明显的下一步不是"明天模拟所有139,255个神经元。"更大并不自动意味着更忠实。
更困难和更有价值的路径是结合更多种类的生物学证据：
- 连接组结构，
- 测量的神经活动，
- 神经递质和神经调质效应，
- 突触动力学，
- 感觉模型，
- 肌肉和身体力学，
- 环境反馈，
- 最终多个动物之间的个体差异。
已经在这方面有进展。FlyWire的新数据集超越了原始仅大脑重建，该领域越来越专注于将静态布线转化为功能性和因果模型。
对于开发者，有趣的机会是这些数据集可能在神经科学拥有完整大脑理论之前很久就成为可用组件。
你不需要完整的空气动力学理论来构建飞行模拟器。你需要一个对其假设明确且在定义操作范围内有用的模型。
神经模拟可能会以同样的方式发展：具有不同生物保真度水平的模型层，每层对不同问题有用。
DesktopFly在这个阶梯上非常低，作者异常清楚。这是一件好事。
10、我一直在想的部分
苍蝇本身很有趣。我可能会让它运行一段时间，只是因为让一个连接组驱动的昆虫降落在我的窗户顶部正是我喜欢的那种不必要的软件。
但这个仓库有趣的原因与桌面宠物无关。
几年前，完整的成年苍蝇大脑连接组是一个主要的科学目的地。
现在它也是一种输入格式。
开发者可以获取真实的神经连接性，选择一个电路，添加一个明确的生理模型，将其连接到传感器和身体，并使结果在普通计算机上实时反应。
这不是大脑上传。
它不是AGI。
这是一个不那么戏剧性但可能更有用的东西：生物测量和可执行行为之间的距离正在缩短。
一旦科学地图变得可执行，人们就开始构建没有人放在原始资助提案中的东西。
原文链接: A Fruit Fly Is Living on my Mac. REAL LIVING FLY. That's Bigger Than It Sounds.
汇智网翻译整理，转载请标明出处