解析數位果蠅腦神經元的連結矩陣，把生物圖譜變成演算法
最近，Google 與霍華休斯醫學研究所（HHMI）Janelia 研究團隊正式發表並開源了最完整的成年雄性果蠅完整中樞神經系統圖譜（MaleCNS）。這個資料庫不僅揭露了神經元之間的「上游」與「下游」關係（即誰連接到自己、自己又連接到誰），還詳細記錄了它們之間有多少個突觸、使用了哪種神經傳導物質，部分神經元甚至包含了細胞本體的 3D 空間位置。
這項資料公開沒多久，社群上就出現了許多神奇的應用，有人把果蠅的大腦迴路用來操作虛擬幣買賣，甚至讓數位果蠅玩魔術方塊！為什麼光是知道神經元之間「怎麼連結」，就可以拿來做出這些複雜的應用呢？
為了回答這個問題，讓我們先跳出果蠅的例子，用人類日常生活中「手被燙到會立刻縮回」的反射動作來做說明。這裡我們簡化介紹 5 顆關鍵神經元的關係：
- N1 (感覺神經元)： 負責接收外界刺激，釋放興奮性神經傳導物質（+）。
- N2a (興奮型聯絡神經元)： 專職「踩油門」，只釋放興奮性神經傳導物質（+）。
- N2b (抑制型聯絡神經元)： 專職「踩煞車」，只釋放抑制性神經傳導物質（-）。
- N3 (運動神經元A - 連接屈肌)： 負責控制肌肉縮手。
- N4 (運動神經元B - 連接伸肌)： 負責控制肌肉伸手。
假設 N1 的感覺神經元有 10 個突觸連接到 N2a，且這些突觸是興奮型的，我們將其權重記為 +10；同時 N1 也有 10 個興奮型突觸連接到 N2b（記為 +10）。
- 初始狀態：我們先建立一個代表 5 顆細胞活化狀態的向量。假設一開始，負責「伸手」的運動神經元正在興奮使手往前伸，則這五個細胞的狀態向量為 [0, 0, 0, 0, 100]。
- 手被燙到了：手突然被高溫燙到了！感覺神經元 (N1) 獲得了強度為 100 的刺激，訊號隨即分流到後方。興奮型與抑制型的聯絡神經元都接收到了 100 x 10 = 1000 的訊號。此時，向量狀態演變為 [0, 1000, 1000, 0, 100]（伸手的 100 暫時還在運作）。
- 產生反射動作： 下一步，訊號繼續傳遞到縮手與伸手的運動神經元。
- 縮手神經元 (N3) 接收到：1000 x 5 = 5000。
- 伸手神經元 (N4) 接收到抑制訊號，原本的強度加上抑制強度：100 + (1000 x -10) = 100 - 10000。由於神經脈衝的強度不會有負數，因此數值算作 0。 最終向量變成了 [0, 0, 0, 5000, 0]，伸手動作被完全煞車，並強烈觸發了「縮手」的反應！。
整個訊號傳遞的演算法，本質上就是把代表神經元狀態的向量，不斷去乘上這張「連結矩陣」。想像一下，如果我們把這套矩陣運算與真實的硬體裝置結合：你可以將「溫度感測器」讀取到的數值，輸入到向量的第一個元素（當作感覺神經元）；再將運算後第四個元素（運動神經元）的結果，輸出給一顆馬達。這麼一來，只要感測器偵測到高溫，馬達就會自動運轉。這其實就是將生物的神經圖譜，直接轉化為控制機器的「演算法」。
了解這個過程，你就知道為什麼光是取得神經元之間的「連結圖譜」，就能夠預測與模擬訊號是怎麼傳遞的。
例如，當我們把改成使用果蠅中樞神經系統圖譜（MaleCNS）時，我們面對的是約 14 萬個神經元與 5,000 萬個突觸。一旦科學家將這些連結關係建立出一個超級巨大的矩陣，這個矩陣就等同於一個大自然耗費上億年訓練出來的現成 AI 類神經網路。
那些網路上的多元應用正是利用了這個龐大矩陣的特性：他們將虛擬世界的資料（例如比特幣的即時價格走勢、魔術方塊的顏色分佈）轉譯成訊號，輸入給這隻數位果蠅的「視覺」或「嗅覺」感覺神經元。接著，讓訊號在這個巨大矩陣中層層相乘、傳遞，最後讀取「運動神經元」的輸出結果，將其翻譯成特定的動作指令（例如：買進/賣出，或向左/向右旋轉）。
說穿了，這就是把果蠅大腦的硬體接線圖，當作一套運算邏輯極度複雜的演算法。光是知道神經怎麼連結，我們就能在虛擬世界中完整模擬生物的決策迴路。