北京
科学家已经把果蝇的整个神经系统画了出来：每一个神经元、每一条连接，都存进了一个公开数据库，这种图谱叫连接组。我不是神经科学家，只是个开发者，但我忍不住想：如果从这张图里切一小块下来，让它去下井字棋，会怎么样？
这个念头最后变成了一个项目，叫 FlyCNS-TicTacToe。
它到底是怎么跑起来的
第一步是挑神经元。我选了那些把指令送出果蝇大脑的神经元，再加上给它们供信号的中央脑神经元。
第二步是用真实的接线。数据里写明了哪个神经元连到哪个、连得有多强、以及它是激活还是抑制下一个神经元。这三样我全用上了。
第三步是把棋盘变成信号。九个格子，每个格子分到一组神经元。你落子，就把这组神经元往一个方向推；对手落子，就往反方向推。
最后是读答案。一个小型模拟让信号沿着这些线路流动，九组输出对应九个格子，活动最强的那一个空格，就是果蝇"最想下"的位置。干活的是 Python，加上 neuprint-python、networkx 和 pandas。
真正在下棋的，是果蝇还是 minimax
答案偏向后者。果蝇这套回路没有前瞻能力，单独跑起来它会自己走进陷阱，也忘了该堵你。所以每一回合，先由 minimax 列出当前最好的几步，果蝇再从里面挑一步。胜负平由 minimax 判定，果蝇只负责在并列的选项里打破平局——而有时候只允许一步，那它连这点发言权都没有。
把智能体创建时的 unbeatable 参数设成 False，minimax 就关掉了。这时候裸回路独自上场，它会输，而且真的会输。
哪些是真的，哪些是我编的
真实的部分：神经元以及它们之间的连接，直接来自雄性果蝇的连接组数据；每条连接的强度，是真实的突触数量；一个神经元是激活还是抑制下一个，来自数据库预测的神经递质。我用了一条常见规则——乙酰胆碱激活，GABA 和谷氨酸抑制，其余算中性。这是预测，不是定论。
不真实的部分也得说清楚：
- 棋盘。果蝇身上没有任何部位见过 3x3 的格子。我把中央脑神经元拆成九组当"输入"，又挑了九组输出神经元当"格子"，这个映射是我自己的主意。
- 模拟。它只是一次简单的信号流动计算，没有脉冲，也没有真实的时间维度，所以它并不等于活体神经元的行为方式。
- 选神经元。我按自己的规则挑的，主要是看连进输出神经元的最强连接，所以我切出来的是一块我选的切片，而不是"果蝇的决策回路"。
- 学习。果蝇在这里什么都不学，接线是固定的。接线是真的，但拿它来下棋这件事，是我的设计。
想自己试试的话
代码放在 github.com/50RISHU/FlyCNS-TicTacToe。你需要一个免费的 neuPrint token，先跑一遍流程把回路搭出来，然后就能在终端里对局，具体步骤写在 README 里。代码是 MIT 许可，连接组数据是 CC-BY，用的话记得给数据的创建者署名。
这东西是我用 AI 做的，纯属好玩。如果你有想法，比如做一个真正的脉冲模型，或者有更好的办法把棋盘喂进去，我很想听听。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
