我的服务器里住着一只果蝇，到写这篇为止已经存活三十多个小时。它不是那种几行 if-else 拼出来的假虫子——行为背后是一份真实的神经接线图和一套极简的放电规则。

一、它的脑子是一份接线图

2024 年，FlyWire 联盟（Google、普林斯顿、剑桥和 HHMI）完成了成年果蝇全脑重建：139,255 个神经元、270 多万个突触连接，谁跟谁相连、连接强度多少，全部数清、开源。此前只有线虫做到过这个精度，线虫是 302 个神经元，果蝇是它的四百多倍。

我的果蝇用的就是这份数据。原始数据是一张几百万行的连接表，我把它预处理成二进制：每个神经元存一个“下游列表”——连到哪、权重多少。运行时全脑其实就两个数组：一个存 13.9 万个神经元各自的电位，一个存 270 万条连接。

二、每个神经元只有三条规则

模型叫 LIF（泄漏积累发放），每个神经元每个节拍只做三件事：

  • 攒电荷：上游传来的脉冲累加到自己电位上；
  • 漏电：每拍电位乘以 0.95——像桶底有缝，不持续注水就存不住；
  • 放电：电位超过 1.0 就给下游发一个脉冲，然后强制休息 3 拍。

没有训练，没有权重调整。整个仿真一轮全脑 1.6 毫秒算完，当前每秒约 18 万次放电。

有个细节能看出这套规则有多简单：因为每拍漏 5%，持续刺激下电位上限就是刺激强度的 20 倍。想让某个神经元群稳定放电，要么加大注入，要么多打几个脉冲——代码里饿度升高时，饥饿信号从每拍 1 个脉冲涨到 3 个，就是这个道理。

三、一圈计算的完整流程

每 500 毫秒一轮，分三步。

第一步，把身体和环境翻译成神经语言。饿不饿、怕不怕、闻到什么，换算成脉冲打进接线图里对应的真实神经元群：饿打进 DRIVE_HUNGER，食物气味打进嗅神经 OLF_ORN_FOOD，被戳一下打进鬃毛机械感受器 MECH_BRISTLE。

第二步，传播。脉冲沿 270 万条连接扩散，该激活的回路自己激活，没有任何人为路由。

第三步，出动作。脑的下行神经元（GNG_DESC）活跃之后，代码据此合成胸神经节的运动输出——相当于替脊髓干活：左腿一组信号、右腿一组、翅膀和头各一组。转向是左右信号相减，速度是相加。

没有任何一行代码写“往左走”。方向是 13 万个神经元的放电不对称性算出来的，漫游时的随机抖动每拍 ±8.6 度，也是显式写在代码里的。行为从接线图里长出来，但土壤里有几处手工胶水，下一节说。

四、诚实的边界

有人复现了同一份数据的更精细版本，评价很中肯：真实的接线、简化后的神经元、手工写的胶水——与其说是一只蝇，不如说是一份很细的电路仿真。

具体到我这只：13.9 万个神经元是一个简化单元，没有神经调质，不会学习，没有输入时全脑静默——而真蝇的脑子从不安静。觅食那一步也是手写的分支：饿超过 0.3 且闻到食物，才朝食物转向。

但这些恰恰是最有意思的地方。

五、有时候它会饿着肚子转圈

昨天我发现它的饥饿指标满格，却一直在原地转圈，以为出毛病了。研究了代码才看懂，也顺带看懂了这套架构的分寸。

饿本身不携带任何方向信息，它只负责把饥饿信号从 1 个脉冲放大到 3 个。方向信息在另一条通道里：嗅觉神经闻到食物才会点亮。两条通道各管各的，缺一个都不成立。

那天的问题是食物全撒在它 300 单位嗅觉半径之外。动机的指标已经拉满，方向通道却一片安静，它只能在漫游噪音里打转。看清这个机制之后，转圈反而成了我最喜欢的一个行为——它不是坏了，是诚实。它非常饿，但是它找不到食物。

最初我考虑给觅食加点“智能”，就是在饥饿的时候会稍加引导它往食物的位置移动，最后放弃了这个想法。这套模型可贵就在于每一层都笨得透明，它就是一只果蝇，不是一段代码，它找不到食物就是找不到，不能去过多干预它的行为。

虽然它离真的活着差得远，14 万个神经元对人脑的 860 亿约等于零。但每次打开面板，看它在夜里一圈一圈溜达，仿佛它真的活着。