Google Research、HHMI Janelia研究園區及多間科研機構於9月3日公佈了一項歷時多年的成果：研究團隊完成了成年雄性果蠅大腦與中樞神經系統的完整連接圖，覆蓋超過16.6萬個神經元，並整理出約1.17萬種神經元類型。這不是一張普通的腦部照片，而是一套精細到神經細胞連接關係的三維資源，研究人員可以據此追蹤視覺、味覺、運動和社交行為背後的信號路徑。

這項工作與 AI 密切相關，是因為原始材料來自大量極薄的組織切片和顯微圖像。單靠人工逐片識別、拼接和標註，其規模幾乎難以承受。計算機視覺與機器學習先將數百萬張二維圖像重構為三維神經結構，再由人類專家進行校正、分類和解釋。AI 承擔的是大規模重構和輔助標註的工作，而非替科學家自動得出所有生物學結論。

從切片到可查詢的神經路線

連結組學關注的並非是某個腦區大約在進行什麼活動，而是哪些神經元彼此連接、信號可能沿著什麼路線傳遞。果蠅雖然體型很小，卻擁有視覺、嗅覺、運動、求偶和学习等複雜的行為，因此長期以來都是神經科學的重要模型。研究團隊此前已經發布了成年雌性果蠅的完整腦圖；此次雄性果蠅的腦圖補上了另一半，使研究者首次能夠在全腦尺度上系統地比較兩性的相同與差異。

Google 公布的可视化圖表展示了從感覺器官到運動神經元的通路。果蝇的複眼和口器會接收外界刺激，信號經由中間神經元傳向控制動作的神經元。這個完整的路線圖讓實驗者能夠先在數據中提出假設，再通過遺傳或行為實驗來驗證，而不必從零開始尋找候選細胞。它更像是城市道路的底圖：地圖不會告訴研究者每輛車為何出發，卻能說明可能經過哪些路口。

雄性和雌性果蝇的大部分神经元相似，但部分細胞只出現在某一性別身上，另一些細胞雖然兩性都有，卻連接到不同的鄰近細胞。研究團隊稱這些差異與感覺處理、味覺以及求偶行為有關。三篇同期研究分別利用圖譜分析視覺系統、味覺和社會行為，說明數據庫已經從「完成繪圖」進入「用圖做研究」的階段。

數字規模也需要準確理解。超過16.6萬個神經元和近1.17萬種細胞類型，指的是這一果蠅中樞神經系統數據集，並不意味着研究者已經解釋了每個連接的功能。連接的存在並不等於每次都會傳遞相同強度的信號，動物的狀態、經驗和神經調質仍會改變網絡的運作。結構圖是基礎設施，而非最終答案。

AI e godisa bokgoni jwa borasaense jwa go ela tlhoko.

過去，電子顯微鏡能夠產生足夠精細的圖像，但數據處理成為了瓶頸。AI 將重複的邊界識別、跨切片追蹤和初步分類擴大到前所未有的規模，讓專家們能將時間用於錯誤修正與科學解釋上。這是一種典型的人機協作：模型提供高吞吐量的初稿，人類通過領域知識來保證連接關係的可靠性。

這種方法未來可以延伸到更複雜的動物身上，但規模將會急劇增加。果蠅的16.6萬個神經元已經需要龐大的計算量和人工校驗，而小鼠大腦的神經元數量則高出許多個數級。更大的樣本還會帶來儲存、算法誤差累積以及跨個體差異的問題。因此，果蠅的全腦圖是一個重要的里程碑，但卻不能直接等同於人腦完整圖譜即將完成。

開放數據的價值在於讓全球實驗室共享一張「底圖」。研究人員可以將自己的行為實驗、基因表達和神經活動數據疊加到同一個連接網路上，從而減少重複繪圖的工作。對於 AI 研究本身而言，這些真实的生物網路也能提供新的結構問題：簡單的神经元是如何組成穩定的行為的？網路在資源有限的情況下又是如何完成快速決策的？

圖譜還提供了可重複性的共同座標。過去不同的實驗室可能用不同的命名和局部切片來描述同類神經元，結果難以對齊；完整的數據集讓論文能夠指向同一個細胞類型和連接位置。後續研究如果發現分割錯誤，也能在公共資源中進行修訂，而不是讓錯誤長期隱藏在單篇論文中。這樣的基礎設施價值往往不體現在一次新聞發布中，卻會決定未來幾年實驗能否互相驗證。

醫學應用方面則需要保持距離。果蠅可以幫助發現神經迴路的一般規律，但它並非人類的縮小版，人腦在細胞數量、發育、語言和社會行為等方面要複雜得多。將果蠅的結論直接套用到人類疾病治療上，會超出證據支持的範圍。更現實的途徑是先利用果蠅快速篩選機制，再在更複雜的模型和臨床研究中逐步驗證。

這項成果的意義不在於宣稱「AI破解了大腦」，而在於將過去無法逐一處理的圖像轉化為可搜尋、可比較、可驗證的科學資源。真正的突破在於研究流程的變化：機器擴大了觀察的規模，人類則負責定義問題與驗證解釋。隨著配套論文和數據被更多實驗重複使用，這張雄性果蠅的全腦圖才會逐步顯示出它對神經科學的長期價值。