Муха обыграла ИИ в тетрис! :)
Смотрите счёт на видео!
Как мы с Гермесом это сделали:
1. Скачали коннектом- Взяли полный коннектом мозга дрозофилы (MaleCNS v1.0, проект FlyWire):
connectome-weights.feather (~1 ГБ) +
body-annotations.feather.
- Это 211 577 нейронов и 26 028 386 синаптических связей.
2. Собрали граф-
save_graph.py →
graph.npz: вершины = нейроны, рёбра = связи с весами и знаком (возбуждающие/тормозные).
- Выделили 1314 нисходящих (моторных) нейронов как «выход» и ~105K зрительных как сенсорику.
3. Сделали резервуар- Класс
FlyBrain: поле Тетриса (200 клеток) → случайная проекция на
8000 нейронов по всему мозгу → 5 синаптических шагов по коннектому → чтение с 1314 моторных нейронов.
- Коннектом заморожен (не обучается), обучается только тонкий слой чтения. Шаг полного графа — 24 мс.
4. Написали игру и награду-
Tetris +
DopamineLearner: дофамин = RPE (награда минус ожидание), eligibility trace обучает слой чтения.
- Награда:
+5 за исчезнувшую линию, −0.5 за дырку, −0.1 за рост высоты (награду за «заполнение клетками» убрали — она учила строить пирамиду).
5. Добавили учителя- Эвристика Dellacherie (
best_placement): перебор 40 укладок, симуляция дропа, стоимость доски — берёт лучшую. Это «заглядывание вперёд», которого реактивному мозгу мухи не хватает.
6. Обучили-
Чередование: учитель играет 30 с (муха имитирует его укладки через кросс-энтропию), потом муха играет сама.
- Муха
предлагает топ-12 укладок, оценивает каждую своей системой награды и берёт лучшую — кора предлагает, базальные ганглии оценивают.
- Итог: муха закрывает ~8–11 линий за партию (учитель ~50) — честный «разрыв планирования».
7. Сделали живую демку- Flask + Three.js/WebGL: 3D-мозг по реальным координатам сомы, тепловая карта активности, частицы-«разряды» на возбуждённых областях, плашка реакций, график «ИИ vs муха», счёт.
Код выложил на канале в
ИИзбранном.
Заходите, - там самое интересное
#дрозофила
———
@tsingular