全腦連接組的科學啟示與心智的未竟之問
第一節 一隻沒有生命的果蠅，走了第一步
2024年秋天，在普林斯頓大學與劍橋大學的聯合研究團隊的實驗室裡，一隻果蠅走了第一步。
不過，這句話有幾個地方需要修正。首先，那不是一間傳統意義上的實驗室，沒有培養皿，沒有顯微鏡下的活體標本。那裡只有一組運算伺服器，以及在伺服器裡運行的一個物理模擬環境。其次，那隻果蠅不是一隻果蠅。它沒有幾丁質的外骨骼，沒有複眼，沒有會在紫外線下振動的翅膀。它只是一組數學方程式，準確地說，是139,255個洩漏積分發放神經元模型（leaky integrate-and-fire neurons），透過約五千萬個突觸連接相互作用，然後封裝在一具虛擬的六足身體裡，放進一個有重力、有地面摩擦力、有空氣阻力的數位物理世界中。
然後，它開始走了。
不是隨機的肢體抽搐，不是某種統計學意義上「近似於行走」的運動模式。它的六條腿以與真實果蠅幾乎完全一致的步態交替擺動著，以所謂的三腳步態（tripod gait），前足與後足的同側加上中足的對側，三隻腳同時著地，另外三隻同時抬起，交替前進。這個步態的時序精確度、關節角度的變化曲線、身體重心的移動軌跡，與活體果蠅在高速攝影下的行為數據，其吻合度之高令人驚訝。
這個結果令人如此驚訝的原因，不是來自於它的技術難度，而是它的來源。
驅動這隻虛擬果蠅行走的神經網路，不是研究者從零設計的人工智慧架構。它不是一個被訓練來「學會走路」的深度學習模型，它沒有經歷過數百萬輪的強化學習迭代，沒有被獎勵函數一步步引導出行為。它的全部資訊來源，是一隻真實果蠅的死後大腦，一顆在電子顯微鏡下被切成數千片超薄切片、經過三維重建後還原出完整神經接線的大腦。研究者所做的只是把這張接線圖忠實地翻譯成數學模型，然後接上一副虛擬的身體，放進一個虛擬的世界。
沒有任何額外的學習，也沒有任何人為的參數調校。光只是接線圖本身，就足夠了。
然而，這件事情所顯示的意義，需要放在一段更長的科學歷史中，我們才能充分地理解。
1986年，南非裔英國生物學家約翰・懷特（John White）與他的團隊，在歷經超過十年的追蹤後，發表了秀麗隱桿線蟲（Caenorhabditis elegans）的完整神經系統接線圖，包含302個神經元、以及約7,000個突觸連接。這是人類歷史上第一次擁有一個活體生物的完整神經線路圖，也開啟了一個全新的科學領域：連接組學（connectomics）。
但線蟲的302個神經元，在規模上，僅接近於一個精緻的電路板而非一顆大腦。它能告訴我們神經迴路的基本組織原則，卻無法回答一個更根本的問題：當神經元的數量從數百個擴展到數十萬個，當網路的複雜度從線性結構躍升為高維度的全局連通，「結構」與「行為」之間的關係，是否仍然是一樣的？是可以被我們解讀的？
因此，從302個神經元到139,255個神經元；從線蟲到果蠅，就不只是一個數量級的跳躍。
線蟲的連接組可以被攤平在一張紙上，用鉛筆追蹤每一條路徑。果蠅的連接組則是一個龐大到需要專門開發視覺化軟體才能觀看的高維結構。139,255個節點、五千萬條邊，形成一個幾乎所有區域都與其他區域存在路徑連結的巨型網路。它不是一棵樹，不是一條流水線，而是更接近於一團密不可分、每一個局部都同時與全局相關的結構。
現在從這團結構裡，走出了一隻會走路的虛擬果蠅。
在神經科學的歷史上，「結構決定功能」一直是一個被反覆爭論的命題。支持者認為，如果我們能完整地掌握一個神經系統的所有接線，原則上就能推導出它的所有行為。反對者則指出，大腦不是靜態的電路；神經傳導物質的動態變化、突觸強度的即時可塑性、乃至個體的生命經驗，都在接線圖之外施加著不可忽視的影響。這場爭論持續了數十年，雙方各有道理，但也各有盲點。
果蠅連接組的模擬結果，以一種出人意料的方式介入了這場爭論。雖然，它沒有證明「結構決定百分之一百的一切」，但它仍然證明了一件同樣驚人的事實：結構決定了「幾乎一切」，只是還有百分之五的行為誤差。至少在果蠅這個層級的神經系統中，一張從死後大腦提取的靜態接線圖，在被賦予身體和物理環境之後，就足以重現絕大多數的行為表現。這意味著，對於果蠅而言，「活著」與「擁有正確的接線」之間的距離，比我們過去想像的要近得多。
達成這樣的「認識」讓我們興奮不已，但也有一些些令人不安。
興奮，是因為它暗示了一條通往理解複雜生物大腦的可行路徑：如果我們能夠以足夠的解析度取得接線數據，並以足夠的精確度進行模擬，那麼原則上，從結構推導出功能，不再是科幻式的幻想，而是一個可以逐步實現的科學工程目標。從果蠅的十四萬個神經元，到小鼠的七千萬個，再到人類的八百六十億個，規模的差距雖然是巨大的，但到達的路徑卻是清晰的。
不安，則來自一個更深層的問題，一個在實驗數據的表面之下安靜地等待著的問題。
那隻虛擬果蠅在模擬環境中行走時，它的六條腿的運動模式與真實果蠅幾乎無法區分。如果我們把畫面放給一個不知情的果蠅研究者看，他大概會以為自己在看一段活體行為的錄影。從外部觀察，虛擬果蠅「在做」與真實果蠅一樣的事情。
但它在「經歷」什麼嗎？
當真實果蠅的腿接觸地面，感覺神經元將壓力信號傳回中樞神經系統，觸發下一輪的運動指令。在這個閉環的某個環節，在電位變化與化學信號的交織之中，有沒有某種東西「像是什麼」（what it is like）？有沒有一個微小的、也許永遠無法從外部觀察到的主觀視角，在感覺著地面的硬度、腿部肌肉的張力、身體在重力中的平衡？
而當數位果蠅的數學方程式產出了相同的活動模式，當那些洩漏積分發放神經元模型的膜電位按照同樣的時序越過閾值，當突觸權重矩陣將信號沿著同樣的路徑傳遞，在這個計算過程中，有任何東西「像是什麼」嗎？
或者，這個問題本身就是錯誤的？
這篇文章不會急著回答這些問題。我甚至不確定這些問題在目前人類的知識庫中是否有可能有答案。但果蠅連接組的研究所做的一件真正重要的事，是它把這些問題從哲學研討會的抽象討論，拉進了一個有具體數據、有可比較的行為輸出、有可以操控的實驗變項的場域。我們不再需要用思想實驗來想像「如果我們完整複製了一個大腦的結構會怎樣」。因為，在果蠅的尺度上，這件事已經在發生了。
而要理解它正在發生的全部意義，我們需要先回到起點，去看清楚這件事究竟是怎麼做到的。一顆芝麻大小的果蠅大腦，是如何被拆解到奈米級的解析度、又如何被拼回一個可以運行的數位模型的？這個過程本身，就藏著比結果更有趣的故事。
第二節 如何拆解一顆大腦，又把它拼回去
要讓一隻虛擬果蠅走路，首先需要一張地圖。不是隱喻意義上的地圖，而是一張真正的、精確到每一個突觸連接的神經線路圖。而要取得這張地圖，必須先做一件聽起來相當暴力的事：把一顆大腦切碎。
切片的瘋狂
果蠅的大腦大約只有一粒芝麻的大小，寬度不到五百微米。但就在這個肉眼幾乎無法辨認的體積裡，擠著139,255個神經元和超過五千萬個突觸連接。要看見這些結構，光學顯微鏡的解析度是遠遠不夠的。突觸間隙的寬度只有二十到三十奈米，而光的波長本身就有數百奈米，物理定律在這裡設下了不可能逾越的觀測極限。唯一的選擇是電子顯微鏡，而電子顯微鏡的代價是：樣本必須是固定的、脫水的、被切成極薄的切片。
2018年，Zheng、Lauritzen、Perlman及其同事在《Cell》上發表了這個數據集的基礎：一隻成年雌性果蠅的完整大腦，經過化學固定、重金屬染色、樹脂包埋之後，被連續切割成數千片超薄切片，每一片的厚度大約在四十奈米，大概是一根人類頭髮直徑的兩千分之一。每一片切片都在電子顯微鏡下成像，產生一幅高解析度的二維灰階圖像，圖像中的每一個體素（voxel）捕捉了大約一立方奈米的腦組織結構。
整個數據集的規模令人瞠目：大約一百兆個體素（100 teravoxels）。如果把這些圖像以印刷品質列印出來，鋪在地上，面積大約相當於一個小型足球場。而這些圖像所記錄的，是一顆芝麻大小的大腦。
但擁有圖像只是起點。一幅電子顯微鏡圖像所呈現的，是一片灰階的超微結構叢林，包含著細胞膜的深色邊緣、粒線體的同心圓、突觸囊泡的細小黑點。所有東西密密麻麻地擠在一起，沒有任何天然的標籤告訴你這條暗色曲線是神經元A的軸突，還是神經元B的樹突。要從這片叢林中辨識出每一個獨立的神經元，追蹤它的每一根分支穿過數百片連續切片，並且標記出它與其他神經元在哪些位置形成了突觸連接，這是一項在規模上幾乎不可能由人類獨自完成的任務。
Sebastian Seung後來回憶說，如果完全依靠人工來做這件事，估計需要大約五萬人年的工作量。
用人腦修正AI，去重建另一顆腦
這時就是機器學習進場的時候了。深度學習演算法被訓練來進行所謂的「實例分割」（instance segmentation）：在電子顯微鏡圖像中，自動辨識出每一個神經元的輪廓，將屬於同一個神經元的所有體素歸為一組，並在三維空間中將它們拼合成完整的形態。演算法的速度是人類的數千倍。但它的錯誤率也不容忽視，它會把兩個緊鄰的神經元誤判為同一個（合併錯誤），也會把一個神經元的不同分支判斷為兩個獨立的細胞（分裂錯誤）。在一個擁有十三萬九千多個神經元的系統中，即使每個神經元只有百分之一的錯誤機率，累積起來也將產出數以千計的錯誤連接，足以讓整張線路圖變得不可信賴。
這就是FlyWire計畫真正獨特的地方，不在於它使用了機器學習，而在於它設計了一套讓全世界的人類來修正機器學習的系統。
2022年，由普林斯頓大學的Mala Murthy和Sebastian Seung共同領導，FlyWire作為一個線上協作平台正式對外開放。它的設計邏輯是這樣的：AI先完成粗略的自動分割，產出一份包含所有神經元初步輪廓的三維重建；然後，這份重建被分配給全球各地的校對者，包括受過訓練的神經科學家、來自超過一百二十個機構的研究人員、以及一群被稱為「公民科學家」的非專業志願者，在瀏覽器上直接對三維結構進行檢查和修正。
他們所做的工作，是在三維空間中旋轉、放大每一個神經元的分割結果，用肉眼判斷AI是否把某條軸突的某一段接錯了地方，然後進行手動的切割或合併操作。這不是一種簡單的是非判斷，而是一種需要空間直覺和耐心的精密勞動。有些神經元的軸突可以穿越整個大腦，途中經過數十片切片，而AI可能在其中任何一個轉折處犯下不易察覺的錯誤。
Amy Sterling，EyeWire的執行總監兼FlyWire的群眾協作管理者，後來描述了這個計畫的規模：在排名前一百的非專業校對者中，許多人經歷了專門的線上訓練課程，學習辨識不同類型的細胞和分割錯誤，然後投入實際的校對工作。這群精英公民科學家總共校對了約一萬八千個神經元，並為超過三萬八千個神經元添加了細胞類型標註。整個社群，包括專業研究者和志願者，從2019年起累計投入了相當於三十三個人全職工作一整年的勞動量。然而，如果沒有AI的自動分割作為起點，同樣的工作需要大約五萬人年。
讓我們在這個數字上停一停：三十三人年與五萬人年。這個差距不只是效率的提升，而是它重新定義了這類科學研究計畫的可能性，但更耐人尋味的是這個協作的結構本身所揭示的東西。
在FlyWire的工作流程中，AI負責的是速度，它以人類無法企及的速率掃過一百兆個體素，產出第一版的分割結果。人類負責的是判斷，他們用視覺系統數百萬年演化而來的模式辨識能力，去察覺AI在局部細節上的失誤。AI不能沒有人類，因為它的錯誤會在大尺度上累積成災難性的失真。人類不能沒有AI，因為在這個數據量面前，任何單純的人力方案都不可行。兩者之間的關係不是取代，而是互補，更準確地說，是一種互相校驗的迴圈：機器快速產出，人類精確修正，修正後的數據又回頭改善下一代機器的訓練。
用人類的視覺皮層去修正機器學習演算法，以重建一隻昆蟲的神經網路。這件事本身，就是一個關於智慧如何運作的縮影。我們用一種智慧去理解另一種智慧，而在這個理解的過程中，兩種智慧都展現了各自不可被對方替代的特性。
2024年10月，FlyWire在《Nature》上發表了一組九篇論文的特刊，其中由Dorkenwald、Matsliah、Sterling、Schlegel等人領銜的旗艦論文，正式描述了這張完整的成年果蠅全腦連接組：139,255個經過校對的神經元、超過五千萬個化學突觸，以及由Schlegel等人完成的全腦神經元層級式分類標註，總共識別出8,453種細胞類型，其中4,581種是全新發現的。
但一張線路圖，即使再完整，本身並不會做任何事。它是靜態的。它記錄了每一個神經元連接到哪些其他神經元，但不包含這些連接在活體中如何運作的動態資訊，例如電位如何傳遞、突觸如何激發、信號如何隨時間演變等。要讓這張圖「活過來」，需要將它翻譯成一種可以在電腦中運行的數學語言。
Shiu等人在同一期《Nature》特刊中發表的論文，做了這件事。他們將每一個神經元簡化為一個洩漏積分發放神經元模型（LIF model），這是計算神經科學中最基本的神經元數學模型，它將神經元的行為描述為一個會隨時間「洩漏」電位的電容器，當累積的輸入電位超過閾值時，就發射一個脈衝。每一個突觸連接的強度，則根據電子顯微鏡影像中觀測到的突觸數量來估算。而每個連接是興奮性還是抑制性的，則依賴另一項關鍵的配套研究：Eckstein、Buhmann、Cook等人開發的機器學習分類器，它能夠直接從突觸間隙的超微結構形態，即囊泡的形狀、密度、排列方式，預測該神經元使用的是哪一種神經傳遞物質（乙醯膽鹼、GABA、谷氨酸、多巴胺、章魚胺或血清素），從而推斷連接的極性。至此，一個死去果蠅的大腦，已經被翻譯成了一組可以在電腦中運行的數學方程式。
但這只是大腦。
光有大腦是不夠的
接著是整個故事中最關鍵的轉折，也是最容易被忽略的一個。
研究者很早就發現，如果只運行這個神經網路模型，即使它忠實地複製了全部139,255個神經元和五千萬個突觸連接，產出的結果與真實果蠅的行為之間仍然存在顯著的落差。神經元會按照預期的模式激發，信號會沿著正確的路徑傳遞，但當你試圖將這些神經活動「解讀」為具體的行為輸出時，你會發現缺了一個關鍵的中間環節：身體。
一個沒有身體的神經網路模擬，就像一個沒有鍵盤和螢幕的中央處理器。它在運算，但它的運算結果無法被轉譯為任何可觀察的輸出。更重要的是，真實大腦的運作方式，本來就不是「先計算好要做什麼，再把指令發送給身體」這種單向流程。大腦發出運動指令，身體執行動作，動作改變了身體與環境的物理關係，改變後的物理狀態被感覺神經元偵測到，新的感覺信號又回傳大腦，影響下一輪的運動指令。這是一個閉環的、持續運轉的感覺-運動迴路。沒有身體和環境，這個迴路就是斷開的，而一個斷開的迴路所產出的神經活動，與完整迴路中的神經活動，是可以具有質的差異的。
這就是NeuroMechFly登場的背景。
NeuroMechFly最初由瑞士洛桑聯邦理工學院（EPFL）Pavan Ramdya的神經工程實驗室在2022年開發，並在2024年發表了大幅升級的第二版（NeuroMechFly v2）。它是一具數位果蠅的身體，不止是概念圖或示意圖，而是一個從真實果蠅的X射線微斷層掃描（micro-CT）數據中精密重建的三維解剖模型。這個模型包含67個身體部件、66個關節、102個自由度。每一條腿的每一個關節都有生物學上合理的活動範圍限制；觸角可以俯仰和偏轉；頭部與胸部之間的頸部關節經過重新校準，可以正確地模擬頭部穩定反射。第二版還加入了視覺和嗅覺的感官輸入介面，以及腿部末端的附著力模型，模擬昆蟲足墊上的凡德瓦力，讓虛擬果蠅能夠像真實果蠅一樣，在行走時，腿能夠牢固地抓住地面。
這具身體被放進了MuJoCo，一個由DeepMind開發的開源物理引擎，專門用於高精度的剛體動力學模擬。MuJoCo為這個虛擬世界提供了重力、地面摩擦、接觸力學，以及Guido Novati為果蠅的尺度專門設計的流體力學模型，因為在果蠅這樣微小的體型下，空氣的阻力特性與我們日常經驗中截然不同。
到這裡，所有的組件都到齊了。一顆從死後大腦提取的完整神經接線圖，被翻譯成數學模型。一具從真實果蠅身體掃描並精密重建的虛擬軀體。一個遵守物理定律的模擬環境。
接線圖被接上身體。身體被放進世界。感覺-運動迴路被閉合。然後，虛擬果蠅走了起來。
這一整個過程中有一個極為重要的關鍵之處，值得我們細思：研究者在這一步做了什麼，以及他們沒有做什麼。他們做的，是把三個獨立開發的系統：連接組的數學模型、生物力學的身體模型、物理引擎的環境模擬，組裝在一起。他們沒有做的，是對神經網路模型進行任何行為層面的調校。沒有人告訴這個模型「行走的正確步態長這樣」，沒有人用強化學習去訓練它產出特定的運動模式，沒有人在突觸權重上做任何與行為目標相關的微調。連接組提供了大腦的結構，身體模型提供了物理的約束，環境提供了即時的反饋，結果，行走的步態，就從這三者的交互作用中，自己出現了。
這個「自己出現了」，就是湧現。而湧現的程度之精確，與真實果蠅行為的吻合度超乎預期地高。Shiu等人的計算模型對運動指令的預測準確率達到約百分之九十五，而當這個模型被接上虛擬身體放進物理環境後，Eon團隊報告整體行為的吻合度約為百分之九十一。正是這些數據讓這個結果如此引人注目，也是讓它如此值得繼續追問。
百分之九十五的吻合意味著什麼？那剩下的百分之五又意味著什麼？我們將帶著這兩個問題，進入下一個層次的探索。
第三節 結構告訴了我們什麼，以及它沉默的地方
百分之九十五。
這個數字來自Shiu等人2024年發表的全腦計算模型。它的意思是，一張從死後大腦提取的靜態接線圖，不包含任何關於神經活動時序的動態記錄，不包含任何關於個體生命經驗的資訊，不包含任何關於神經調質即時濃度的數據，在被翻譯成最基本的數學模型、接上虛擬身體、放進物理環境之後，就能夠預測一隻果蠅在面對特定感官刺激時，大腦會向運動系統發送什麼樣的指令。而當這個模型進一步被接上虛擬身體、放進物理環境後，整體行為的吻合度仍然維持在百分之九十以上。
Philip Shiu在描述他的模型時，用了一個值得玩味的詞：他說自己最初建構這個模型的動機，是出於對味覺迴路研究數據的「挫折感」（frustration）。他刺激了味覺迴路中的大約一百個神經元，發現其中約有十五個神經元會導致果蠅伸出口器吸食，另外八十五個則沒有引起任何可觀察的反應，而且原因完全不明。直到連接組完成，他才能追蹤每一個神經元的完整連接路徑，看清楚它們之間如何相互影響，那個令人困惑的數據才突然變得透明。
這個小故事揭示了連接組真正的科學價值所在：它不只是一張漂亮的地圖，它是一個解釋機器。在連接組出現之前，神經科學家面對的是一個只有局部線索的謎題，你知道某些神經元在特定行為中會激發，但你不知道為什麼是這些神經元而不是那些神經元。連接組則為我們提供了因果鏈的完整拓撲，讓「為什麼」這個問題第一次有了可以被系統性追問的結構基礎。
地圖所揭示的
讓我們從這張地圖的幾個關鍵特徵開始理解。
第一個特徵是全腦的高度連通性。Murthy在發表會上提到了一個令人印象深刻的發現：在果蠅的大腦中，幾乎任何一個神經元只需要經過四次突觸跳躍（four hops），就可以與大腦中的任何另一個神經元建立信號通路。這意味著果蠅的大腦不是一座被整齊劃分成獨立部門的辦公大樓，而更像是一個所有房間都與所有其他房間存在走廊連接的迷宮。傳統神經科學中「模組化」的隱喻：視覺區處理視覺、運動區處理運動、記憶區處理記憶，在這張全腦連接圖面前，顯得過於簡化了。果蠅大腦的七十八個神經纖維區（neuropils），每一個都與其他區域存在著密集的連接。感覺的處理與運動的規劃，不是在分離的模組中依序發生的，而是在同一個高度交織的網路中幾乎同步進行的。
第二個特徵是極致的計算效率。果蠅的大腦功耗大約在十微瓦的量級。這是一個幾乎無法想像的數字。以一個運行深度學習模型的現代GPU作為對比，功耗通常在數百瓦的範圍，而它處理的資訊維度遠不及一隻果蠅在飛行中需要即時整合的感官輸入。這種效率的來源之一，是神經網路的稀疏性（sparsity）：儘管全腦高度連通，但在任何給定的時刻，只有一小部分神經元處於激發狀態，絕大多數連接都處於靜默。這種「只在需要的時候才開燈」的計算策略，是生物演化在數億年中精煉出來的節能方案，而當前的人工神經網路架構，動輒需要所有節點同時參與運算，在效率上與它相比，幾乎是浪費的。
第三個特徵，也許是最讓人感到意外的一個：大量複雜行為是「硬連線」的。在果蠅的連接組中，研究者發現許多行為，避障、趨光、翅膀振動頻率的調節、特定感官刺激下的特定運動反應，不是透過個體經驗的學習和突觸強度的調整而習得的，而是直接編碼在發育完成的接線結構中。這意味著，在果蠅這個層級的生物，大自然的策略不是「給一個空白的大腦，讓它從經驗中學習」，而是「在基因組中預載一套經過數億年演化測試的行為程式，透過發育過程直接把它接線進神經系統」。果蠅不需要學會如何走路，就像我們不需要學會如何讓心臟跳動，接線本身就是程式。
百分之九十五的成功意味著什麼
把這三個特徵放在一起，百分之九十五這個數字開始顯露出它更深層的意義。
它不只是一個技術指標。它是一個關於生命本質的實證性陳述：至少在果蠅這個層級的神經系統中，行為在很大程度上是被結構所決定的。接線圖包含了足夠的資訊，使得一個極其簡化的數學模型，每個神經元被壓縮為一個單一方程式、每個突觸被簡化為一個數值權重，就能重現絕大多數的行為輸出。這暗示了一個強烈的命題：對於果蠅而言，「知道它的大腦長什麼樣」和「知道它會做什麼」，幾乎是同一件事。
這個命題對連接組學的未來有巨大的鼓舞作用。如果結構包含了百分之九十五的行為資訊，那麼投入巨額資源去取得更大規模的連接組，小鼠、靈長類、乃至於人類，就不是一場賭博，而是一個有合理回報預期的投資。Sebastian Seung在接受採訪時就表達了這種樂觀的看法：「我們的模型顯然不完美。但隨著你增加複雜度，它應該會越來越好。在果蠅上做到了這一點之後，我看不出有任何理由認為類似的方法不能在小鼠和人類身上同樣有效。」
但在這個樂觀的敘事中，有一個裂縫。它不大，只佔百分之五。但是這條裂縫，卻指向了一整個被這張地圖遺漏的維度。
百分之五的沉默
Shiu自己對模型的限制有著坦率的認識。他指出，這個LIF模型是一種「化約主義的建模策略」（reductionist modelling approach），它刻意簡化了個別神經元和突觸的模型，以聚焦於連接拓撲所扮演的角色。這種策略在預測對感官刺激的即時反應方面表現出色，但它的設計邏輯本身就排除了幾個已知的重要因素。
第一個被排除的因素是電突觸（electrical synapses）。果蠅的神經元之間不只存在化學突觸，透過神經傳遞物質傳遞信號，還存在間隙連接（gap junctions），允許電位直接在神經元之間傳遞。Shiu的模型只納入了化學突觸，因為這是連接組數據所能提供的。電突觸的連接圖譜，目前在全腦尺度上仍然是未知的。
第二個被排除的因素是非線性突觸動力學。在真實的生物神經系統中，一個突觸的傳遞效率不是固定的，而是會根據近期的活動歷史而變化。連續快速的刺激可能導致突觸疲勞（synaptic depression），也可能導致突觸增強（synaptic facilitation）。這種短期可塑性讓同一條迴路在不同的時間尺度上可以產出不同的行為輸出。LIF模型將每個突觸視為固定權重的連接，無法捕捉這種動態。
但最重要的被排除因素，是第三個：神經調質（neuromodulation）。
化學幽靈
果蠅的大腦中存在著少量但功能強大的神經元群體，它們不透過突觸將信號精確地傳遞給特定的下游目標，而是將多巴胺、血清素、章魚胺等化學物質釋放到較大範圍的神經組織中，以一種瀰漫性的方式改變周圍神經元的活動特性。這些神經調質不改變接線，誰連接到誰沒有變，而是改變接線的運行模式。同樣一條從感覺輸入到運動輸出的神經迴路，在多巴胺濃度高的時候和低的時候，可以產出截然不同的行為。
一個餓了的果蠅和一個剛吃飽的果蠅，面對同樣的食物氣味，會有完全不同的行為反應。但它們的連接組是一樣的，接線在兩個狀態之間沒有改變。改變的是多巴胺和章魚胺等神經調質的濃度梯度，它們像是覆蓋在電路板上的一層化學薄霧，微妙地調節著每一個節點的響應閾值和增益。
Lappalainen等人在2024年發表於《Nature》的研究中，使用連接組約束的模型來預測果蠅視覺系統中單一神經元對動態視覺刺激的反應，取得了令人印象深刻的準確度。但他們在論文中明確地列出了模型的局限性，其中包括無法解釋電突觸、非線性化學突觸以及神經調質在該迴路中所扮演的角色。同樣的，探索連接組與因果模型之間關係的「效應組」（effectome）研究也指出，連接組指明了神經元之間可以相互影響的突觸路徑，但不能告訴我們它們在活體中實際上以多強的力道影響彼此，而神經調質正是決定這個「力道」的關鍵變數之一。
如果把連接組比喻為一座城市的道路網，那麼神經調質就是交通管制系統，紅綠燈、單行道標誌、臨時施工的路障。道路網決定了哪些地方之間存在可通行的路徑，但在任何給定的時刻，哪些路會被實際使用、流量有多大、是否會塞車，取決於交通管制的即時狀態。一張精確的道路圖可以告訴你這座城市的結構，但它無法告訴你今天下午五點鐘的車流量分布。
那百分之五的預測失敗，很可能就坐落在這個缺口裡。當行為主要由固定的迴路結構所驅動時，例如對觸覺刺激的立即反射、視覺追蹤中的基本運動模式，接線圖就足夠了。但當行為需要依賴內在狀態的調控時，飢餓、警覺、疲勞、動機的切換，靜態的接線圖就觸及了它的極限。它知道所有的路，但不知道此刻哪些路是通的。
結構決定了很多，但不是全部
讓我們把這一節的線索加以收攏，果蠅連接組的模擬結果告訴我們兩件事，而這兩件事同等重要。
第一件事：結構的力量遠超過去的想像。一張靜態的接線圖，加上最基本的數學抽象，就能重現百分之九十五的行為。這意味著，對於果蠅這個層級的神經系統，結構不只是功能的「基礎」或「約束條件」，而幾乎就是功能本身。演化在基因組中預載了行為的硬體，而這個硬體的忠實度之高，讓即使以粗糙的數學翻譯都能產出驚人的結果。
第二件事：結構不是全部。那百分之五的缺口不是隨機的雜訊，它指向一個系統性的遺漏，接線圖之外的化學層。神經調質、電突觸、突觸可塑性，這些不在靜態連接組中的動態因素，正是讓同一套硬體能夠在不同的內在狀態下產出不同行為的機制。沒有它們，模型能跑，但跑出來的是一隻永遠處於同一種「心情」的果蠅。它會走路、會追蹤光源，但不會因為餓了而改變覓食策略，不會因為受到威脅而切換到不同的運動模式。
把這兩件事情合在一起，就構成了一個精確的知識座標：我們知道了結構能做什麼，也知道了它不能做什麼。然後，在「不能做什麼」的那個邊界上，一個更有趣的問題開始浮現。
如果百分之九十五的行為是由結構決定的，那麼產出這些行為的，真的是「大腦」嗎？讓我們回想一下第二節結尾的那個關鍵細節：虛擬果蠅的行走步態，不是從神經網路模型中直接「讀出」的，而是在神經網路、虛擬身體、物理環境三者的交互作用中湧現的。大腦提供了結構，但結構本身並不「包含」行走，行走只有在身體踩到地面、地面給出反作用力、反作用力被感覺神經元偵測到、新的信號回傳大腦這個完整的閉環中，才會出現。
那麼，行為的真正「所在地」是哪裡？是大腦裡？是身體裡？還是在大腦、身體、與環境之間那個持續流動的互動之中？
這個問題，將我們帶向一個在認知科學中已經被爭論了數十年、但直到果蠅連接組的實驗才獲得了一個異常清晰的實證場景的理論框架。
第四節 沒有身體的大腦，只是一張電路圖
在第二節中，我們描述了一個事實：只運行神經網路模型而不接上虛擬身體和物理環境，行為就不會出現。當時，這個事實是作為故事的轉折點被帶過的。它解釋了為什麼NeuroMechFly的加入是必要的。但我們沒有停下來追問一個更根本的問題：為什麼會這樣？為什麼一個忠實複製了全部十三萬九千個神經元和五千萬個突觸的模型，在缺少身體的情況下就無法產出行為？這不是一個可以用更精確的神經元模型來解決的問題。它是一個結構性的問題，根源在於大腦的運算方式本身。
大腦不是指揮官
在我們的日常直覺中，大腦是身體的指揮官。它接收感覺資訊，進行處理和決策，然後發出運動指令，身體照辦。這個「輸入→處理→輸出」的線性模型，是自笛卡兒以來西方思想中根深蒂固的一種認知架構，它也是絕大多數人工智慧系統的設計邏輯：感測器收集數據，中央處理器運算，執行器輸出動作。
但果蠅連接組的模擬結果，提供了一個近乎教科書級別的反例。
當虛擬果蠅在MuJoCo物理引擎中行走時，它的步態不是大腦「計算」好之後「發送」給腿部的。事實上，如果你只看大腦模型中運動相關神經元的輸出，你根本無法從中「讀出」三腳步態的完整時序模式。三腳步態的出現，依賴一個持續運作的閉環：大腦的下行神經元（descending neurons）發出運動指令；指令驅動虛擬腿部的肌肉模型產生力矩；力矩使腿在有重力和摩擦力的環境中移動；移動改變了足部與地面的接觸狀態；接觸狀態被腿部的機械感受器偵測到；感覺信號經由上行通路回傳大腦；大腦根據新的感覺輸入調整下一輪的運動指令。
這個迴圈在每一個時間步長中都在運轉。行走不存在於迴圈的任何單一環節中，不在大腦裡，不在腿裡，不在地面上，而只存在於整個迴圈的持續運作之中。如果你切斷迴圈的任何一個環節，拿掉身體，或拿掉物理環境，或切斷感覺回傳，行走就消失了。這不止是變得「不精確」而已，而是根本不會出現。
這就是為什麼NeuroMechFly v2的存在不是錦上添花。Pavan Ramdya的團隊在EPFL花了數年時間開發這具虛擬身體，不是為了讓模擬看起來更逼真，而是因為沒有身體，模擬就不成立。身體不是大腦指令的被動接收者，它是認知過程的共同參與者。環境不是行為發生的「背景」，它是行為得以存在的結構性條件。
一個理論框架從實驗中長出來
認知科學中有一個被稱為「4E認知」的理論框架，它的核心主張恰恰是：認知不是被封裝在頭骨裡的計算過程，而是一個分布在大腦、身體和環境之間的動態系統。四個E分別指向這個主張的四個面向。
Embedded：嵌入的。認知發生在一個特定的環境脈絡中，不能被抽離出來單獨理解。一隻果蠅的視覺處理方式，與它生活在一個有光源、有障礙物、有其他果蠅的特定物理環境這件事，是不可分割的。它的視覺迴路在演化過程中被這個環境所塑造，它的運算邏輯隱含了關於這個環境的統計假設。把大腦從它的環境中抽離出來進行模擬，就像把一片拼圖從拼圖板上拿下來，然後試圖從它的形狀推斷整張拼圖的內容。
Embodied：具身的。身體不是大腦的外接設備，而是認知架構的一部分。果蠅的六條腿的力學特性、每一個關節的活動範圍、每一條肌肉的收縮速度、每一個足墊的附著力，不是行走的「執行細節」，而是行走之所以以三腳步態而非其他步態出現的物理原因之一。如果你給同樣的神經網路接上一具不同的身體，比如一具只有四條腿的身體，它產出的步態將會完全不同，不是因為大腦的指令變了，而是因為身體的力學約束變了。大腦和身體共同決定了行為，而不是一方決定、另一方服從。
Enactive：生成的。認知不是對外部世界的被動表徵（representation），而是在與世界的主動互動中被生成（enacted）的。虛擬果蠅的大腦模型中，沒有任何地方「儲存」著一幅關於外部世界的內部地圖。果蠅對環境的「認知」，是在每一個時間步長中，透過感覺-運動迴路與環境的即時互動中被即時生成的。它不是先「理解」世界然後「行動」，而是通過行動來理解世界，或者更準確地說，「理解」和「行動」在果蠅的神經架構中根本就不是兩個分離的過程。
Extended：延伸的。認知的邊界不止於頭骨，甚至不止於皮膚。當虛擬果蠅的腿接觸地面時，地面的物理性質，硬度、摩擦係數、傾斜角度，直接參與了下一輪運動指令的計算。地面不只是腿「踩在上面」的東西，它是整個感覺-運動迴路不可或缺的計算組件。在這個意義上，果蠅的「認知系統」不只包含它的大腦和身體，也包含它所處的物理環境。認知是一個延伸到有機體之外的分布式過程。
這四個面向合在一起，構成了一種與笛卡兒傳統截然不同的認知觀：心智不是一個住在頭骨裡的小人（homunculus），透過感官的窗戶觀看外部世界，然後用理性的槓桿操控身體。心智是一個跨越大腦、身體、環境邊界的動態過程，它在每一個瞬間都在被這三者的交互作用所共同生成。
過去，4E認知框架主要依賴哲學論證和零散的行為學實驗來支撐。它的批評者常常指出，這套理論聽起來很優雅，但缺乏足夠精確的實驗場景來與傳統的計算認知模型進行判別性的比較。果蠅連接組的全腦模擬，意外地提供了一個幾乎完美的判別場景：我們擁有了一個完整的神經網路模型，我們可以精確地控制它是否「接上身體」、身體是否「放進環境」，然後觀察每一個條件下的行為輸出差異。而實驗結果清楚地表明：沒有身體和環境，行為就不會出現。
這不再是哲學論證。這是實驗數據。
湧現：不在任何一個層級，而在層級之間
談到這裡，「湧現」這個概念可以被更精確地理解了。
在第二節的結尾，我們第一次看到湧現：行走的步態從神經網路、身體、環境的交互作用中「自己出現了」。在第三節，我們看到結構的力量，百分之九十五的行為可以從接線圖中推導出來。現在，我們可以把這兩個觀察整合為一個更完整的圖像。
湧現不是「從結構中讀出功能」。如果是那樣，我們就不需要身體和環境，直接從接線圖中就可以推導出行走的完整模式。事實上，研究者嘗試過這樣做，結果並不成功。
湧現也不是「隨機的複雜性產生了不可預測的結果」。虛擬果蠅的行走步態不是隨機的，它是高度規則的、可重複的、與真實果蠅高度一致的。
湧現是這樣一回事：當一組結構性的約束，神經網路的接線拓撲、身體的力學特性、環境的物理定律，在一個閉環系統中同時作用時，系統的整體行為展現出一種不能被歸結為任何單一組件的特性。行走不「在」大腦裡，不「在」腿裡，不「在」地面上。行走是一個系統性質（system-level property），它只存在於所有組件同時運作、相互約束、相互反饋的動態過程之中。
這個認識對於理解生物智慧有深遠的意義。它意味著，即使我們完整地擁有了一個生物體的全部神經接線數據，我們仍然不能宣稱自己「理解」了它的行為，除非我們同時理解它的身體力學和它所處的物理環境如何與那些神經接線互動。連接組是必要的，但不是充分的。它是基底，但不是全部。
一面照向AI的鏡子
如果我們在這裡暫時把目光從果蠅移開，然後望向當代人工智慧的主流研究路線，會看到一個有趣的對照。
當前最強大的AI系統，大型語言模型、視覺生成模型、多模態基礎模型，幾乎無一例外地採用了一種可以被稱為「tabula rasa」的學習策略：從一個幾乎沒有先天結構的網路開始，用海量的數據灌注，讓梯度下降算法從數據中「學出」所有需要的結構和功能。它們不預設任何關於世界的先驗知識，不內建任何特定任務的迴路架構，不依賴任何身體或物理環境的反饋。
果蠅連接組的研究結果，從一個完全不同的方向，對這條路線提出了一個值得深思的問題。
果蠅的神經系統採用的是幾乎相反的策略：大量的行為功能被預載（pre-wired）在先天的接線結構中，這些結構是數億年演化過程的產物，本質上是一種經過自然選擇測試的「結構化先驗知識」（structured priors）。果蠅不需要用海量數據來學會走路，因為走路的迴路已經被基因組編碼在發育程序中了。而這些先天結構之所以能夠產出適應性的行為，不是因為它們本身包含了所有需要的資訊，而是因為它們被設計來在一個特定的身體和環境脈絡中運作，演化不只預載了迴路，也預載了這些迴路與特定身體力學和特定物理環境的匹配關係。
這並不意味著tabula rasa的AI路線是「錯誤的」，它在大規模語言理解和生成等任務上的成就是毋庸置疑的。但果蠅的案例暗示了一種可能性：某些類型的智慧，特別是需要在物理世界中即時行動、與環境進行閉環互動的智慧，可能本質上具備結構化的先驗知識和具身性（embodiment），而不是僅僅依靠從數據中學習。
如果這個暗示是正確的，它對AI研究的意義是深遠的。它意味著，通往某些形式的機器智慧的路徑，可能不是「更多的數據加更大的模型」，而是「更好的先天架構加更真實的身體和環境互動」。果蠅用十四萬個神經元和十微瓦的功耗，就能在三維空間中進行即時的感覺-運動協調，這個事實本身就是一份演化工程的設計圖，而我們才剛剛開始學會閱讀它。
第五節 湧現的極限：一隻數位果蠅「看見」光了嗎？
接著，還有一個更有趣的問題等著我們深思。
虛擬果蠅走了起來。它的步態與真實果蠅幾乎無法區分。從外部觀察，它在「做」真實果蠅做的事。但它在「看見」什麼嗎？當它的虛擬視覺神經元對模擬光源產生電位變化時，那個變化「是什麼感覺」？還是，它根本什麼都不是？
這個問題，需要我們走進一個截然不同的討論領域。而在走進去之前，我們也許應該先問：提出這個問題的那些科學家自己，是怎麼看待它的？
翻閱FlyWire的九篇《Nature》論文、Shiu等人的全腦計算模型論文、Lappalainen等人的視覺系統預測研究、以及Eon團隊後續的具身模擬報告，你會注意到一個系統性的語言選擇。
這些論文使用的詞彙是：「預測」（predict）、「模擬」（simulate）、「重現」（reproduce）、「功能性模型」（functional model）、「行為輸出」（behavioral output）、「迴路動力學」（circuit dynamics）。它們描述的是資訊流如何在神經網路中傳遞，是哪些神經元在特定刺激下被激活，是模型的預測與實驗數據之間的吻合程度。他們從未使用過以下任何一個詞：「體驗」（experience）、「感覺」（feeling）、「意識」（consciousness）、「主觀」（subjective）、「感質」（qualia）。
這個沉默不是疏忽。它是經過深思熟慮所設定的學術邊界。
科學家的沉默
讓我們試著理解這個沉默的內在邏輯。
Shiu在接受柏克萊新聞採訪時說，他的模型的目標是「弄清楚連接組在多大程度上允許我們預測和理解大腦的工作方式」。Murthy說，連接組讓我們能夠「追蹤資訊在大腦中的流動方式」。Dorkenwald說，他們建造的「在很多方面是一部地圖集」。Sterne說，一旦我們理解了神經迴路所執行的「計算」，就可以追問這些計算在疾病中如何被破壞。
注意這些陳述的共同特徵：它們全部落在「功能」的層次上。它們追問的是「什麼連接到什麼」、「什麼激活了什麼」、「什麼預測了什麼」，而不是「這一切像是什麼」。研究者們把自己嚴格地限制在一個他們的方法論可以觸及的問題空間裡，而那個問題空間的邊界，恰好精確地止步於意識問題的門檻之前。
這種克制不是因為他們對意識問題不感興趣。任何花了十年時間重建一顆完整大腦的人，不可能不曾想過這個問題。這種克制更可能來自一種方法論上的誠實：他們知道自己的工具，電子顯微鏡、機器學習分割算法、洩漏積分發放神經元模型，能夠捕捉結構和功能，但無法捕捉體驗。而想在科學論文中聲稱自己觸及了體驗的領域，需要的不是更強大的計算力，而是一套完全不同的概念框架。
他們的沉默，是對自己方法論邊界的清醒認識。但這種清醒認識本身，就已經在告訴我們某些重要的東西。
功能與體驗之間的鴻溝
讓我們把研究者有意識地停下腳步的那個門檻，拉近來仔細地端詳一下。
虛擬果蠅在模擬環境中對光源展現出趨光行為。從功能的層面描述，這個過程是這樣的：虛擬視網膜上的光感受器神經元接收到模擬光子的刺激，產生電位變化；電位變化經由視覺通路傳遞到中央腦區；中央腦區的迴路整合了視覺輸入與運動系統的當前狀態；下行神經元發出運動指令；虛擬身體朝光源方向移動。整個過程可以被完整地追蹤、量化、預測，每一個環節都有明確的數學描述。
在功能的層面上，數位果蠅「看見」了光。它偵測到了光源的方位，處理了這個資訊，並據此調整了自己的行為。如果「看見」的定義是「偵測到特定波長的電磁輻射並據此產生適應性行為反應」，那麼數位果蠅看見了光，就像溫度計「感覺到」了溫度、煙霧偵測器「聞到」了煙。
但哲學家Thomas Nagel在1974年提出的那個著名問題，追問的不是這個層次。他問的是：做一隻蝙蝠「像是什麼」（what it is like to be a bat）？蝙蝠用超音波回聲定位來感知世界，這個功能我們可以完整地描述和理解。但蝙蝠在使用回聲定位時，是否有一種我們永遠無法從外部觀察到的主觀體驗？如果有，那種體驗的質地（qualia）是什麼？這個問題不能透過更精確的功能描述來回答，因為它問的不是「系統在做什麼」，而是「系統的運作對系統本身來說像是什麼」。
把這個問題帶到果蠅的案例中。真實果蠅的視覺神經元對光產生電位變化時，在那個電化學事件的「內部」，有沒有某種東西「像是什麼」？這不是在問那個神經元是否在運作（它顯然在運作），也不是在問那個運作是否產出了適應性行為（它顯然產出了）。這是在問：在運作的同時，是否存在一個我們可以稱之為「體驗」的東西？
然後，當數位果蠅的LIF模型方程式產出了與真實神經元相同的電位變化模式時，在那個數學運算的「內部」，有沒有任何東西「像是什麼」？
這就是功能性模擬與現象學體驗之間的鴻溝。兩者在功能的描述層面上可以完全一致，相同的輸入、相同的運算、相同的輸出，但在體驗的層面上可能有著天壤之別。一個有體驗，一個沒有。或者，兩個都有，但質地完全不同。或者，兩個都沒有。或者，最令人挫折的可能性，我們根本沒有辦法知道答案。
整合資訊理論：一個不完美但必要的透鏡
面對這個鴻溝，神經科學家Giulio Tononi提出的整合資訊理論（Integrated Information Theory，IIT）提供了一個至少嘗試正面對抗這個問題的理論框架。
IIT的核心主張是：意識不是某種特殊的「東西」被加到物理系統上面，而是特定類型的物理系統本身固有的屬性。具體來說，一個系統的意識程度由它的「整合資訊量」（Φ，Phi）來衡量：Φ度量的是系統作為一個整體所產出的因果效力，超出其各部分獨立運作時所能產出的因果效力之總和。換言之，Φ衡量的是「整體大於部分之和」的程度。如果一個系統可以被分割成兩個獨立運作的子系統而不損失任何因果效力，那它的Φ就是零，它不是一個整合的系統，而是兩個碰巧挨在一起的分離系統。如果分割必然導致因果效力的損失，那它就有正的Φ值，而意識的程度與Φ值正相關。
果蠅的全腦連接組，以其高度連通的網路結構，幾乎任何神經元只需要四次跳躍就能連接到任何其他神經元，在直覺上具備相當高的整合度。如果IIT是正確的，真實果蠅的大腦應該具有顯著的Φ值，這意味著它具備某種程度的意識。而這個推論並不荒謬，許多昆蟲行為學家基於行為證據，也傾向認為昆蟲具備某種形式的主觀體驗，即使那種體驗與我們的截然不同。
但IIT在面對數位果蠅時，恰恰會產出一個讓人不樂觀的判斷。
IIT的一個關鍵預測是：功能上等價的兩個系統，可以有完全不同的意識程度，甚至一個有意識而另一個沒有。Tononi本人曾論證過，一個純前饋的（feed-forward）神經網路，即使在功能上能夠精確地複製一個有迴路回饋（recurrent）的生物神經網路的所有輸出，它的Φ值也是零。因為前饋結構可以被分割成不相互作用的各層而不損失因果效力。換言之，在IIT的框架裡，功能不等於意識。兩個做同樣事情的系統，因為內部因果結構的不同，可以分別處於有意識和無意識的狀態。
那麼，一個在電腦中運行的LIF模型，即使它忠實地複製了果蠅連接組的全部拓撲結構和突觸權重，它的Φ值是多少？IIT的支持者傾向於認為，在傳統的馮諾依曼架構電腦上運行的模擬，無論其功能多麼精確，其內部的因果結構與生物神經網路根本不同：電腦的計算是序列的、模組化的、可以被任意分割的，而生物神經網路的計算是並行的、分布式的、不可分割的。因此，數位模擬可能在功能上完美地複製了生物系統，卻在Φ值上為零或趨近於零。
如果這個推論是正確的，它的含義是驚人的：數位果蠅可以做真實果蠅做的一切事情，行走、趨光、避障，卻完全沒有任何體驗。它是一個完美的功能性複製品，卻同時是一個徹底的「哲學殭屍」（philosophical zombie），一個在行為上與有意識的存在者無法區分、但在體驗上完全空白的系統。
IIT的困境，也是我們的困境
雖然IIT的推論如此，但我們還是必須對IIT本身保持應有的審慎。
IIT在學術界的地位是有爭議的。2023年，一封由124位學者聯署的公開信指出，IIT的核心主張在目前的狀態下缺乏充分的實證可檢驗性，並建議在這一點得到解決之前，將其標記為「偽科學」。2025年，《Nature Neuroscience》的一篇評論文章重申了類似的批評。另一方面，也有為數不少的研究者為IIT辯護，認為它提供了一個至少在原則上可以被檢驗的數學框架，而意識研究這個領域本來就處於科學方法論的極限邊界上。一項針對意識研究者的匿名調查顯示，只有少數人完全認同「偽科學」的標籤，但也只有少數人完全支持IIT的所有主張，大多數人落在中間的灰色地帶。
更根本的問題是：IIT對「意識等於整合資訊」這個等式的論證，是否真的成功地跨越了Nagel和Chalmers所描繪的那道解釋鴻溝？哲學家David Chalmers，「意識的困難問題」（the hard problem of consciousness）這個概念的提出者，對IIT表達過謹慎的好感，認為它「朝正確的方向發展」，但也沒有完全背書。Anil Seth，另一位重要的意識研究者，認為IIT在解釋意識的某些面向上有價值，但對「整合資訊就是意識」這個本體論等式持保留態度。而John Searle則更直接地批評IIT隱含了泛心論（panpsychism），認為這個理論的邏輯後果是荒謬的。
IIT不是一個已經得到驗證的理論。它是一個仍然在被激烈爭論的理論框架。但它之所以值得在這裡被引入，不是因為它提供了答案，而是因為它以一種比大多數理論更精確的方式，提出了問題。
IIT所提出的問題是：意識是否依賴於特定的物理因果結構，而非僅僅依賴於功能？如果是，那麼功能上完美的模擬，就不等於意識上的複製。如果不是，如果功能就足夠了，那麼我們需要解釋為什麼一台正確排列的邏輯閘，在IIT的計算下，可以擁有超過人類的Φ值（這是Scott Aaronson對IIT的著名反駁）。無論哪一個方向，我們都撞上了一面牆。
回到果蠅：一個比哲學殭屍更精確的測試場域
讓我們把這個抽象的哲學討論拉回到果蠅連接組的具體場域中。
過去，關於「功能是否等於意識」的辯論，只能依靠思想實驗來進行。哲學殭屍是一個純粹的概念工具，我們想像一個與有意識的存在者功能上完全相同的實體，但不確定這樣的實體是否在邏輯上可能存在。這場辯論持續了數十年，但始終停留在概念分析的層面，因為我們從未擁有一個真正的、可以被檢視其內部結構的功能性複製品。
果蠅連接組的數位模擬，第一次讓這個辯論有了一個具體的、可操作的測試場域。
我們擁有了一個真實生物大腦的完整接線數據。我們擁有了一個忠實複製這些數據的數學模型。我們擁有了一個可以比較真實行為與模擬行為的實驗框架。而在這個框架中，功能性複製的精確度已經達到了百分之九十五。
問題不再是「一個功能上完全相同的系統是否可能存在」，它已經存在了，至少在果蠅的尺度上。問題變成了更具體的：這個已經存在的功能性複製品，它的意識狀態是什麼？
而我們目前的回答是：我們不知道。如果我們足夠誠實的話。
我們不知道真實果蠅是否有意識。我們不知道數位果蠅是否有意識。我們甚至不知道用什麼標準來判斷一個系統是否有意識。IIT提供了一個候選標準（Φ值），但這個標準本身仍然在被爭論。
不是功能主義，也不是本體論獨斷
面對這種不知道，通常會有兩種常見的選擇路線。
第一種是功能主義的逃避：「如果它在行為上與有意識的存在者無法區分，那麼在所有實際目的上，我們就應該把它當作有意識的。」這個立場有它的實用價值，但它迴避了問題本身。行為等價不等於體驗等價，這一點在日常經驗中就很清楚，一個優秀的演員可以在行為上完美地表現出悲傷，但我們不會因此認為他在體驗悲傷。把這個直覺延伸到數位系統，問題只會更加尖銳。
第二種是本體論的獨斷：「數位系統不可能有意識，因為意識需要碳基生物的特殊物理基質。」這個立場可能是對的，但它目前缺乏充分的論證支持。我們不知道意識為什麼與碳基神經元相關聯（如果它確實如此），也不知道矽基系統是否在原則上被排除在外。John Searle的「生物自然主義」（biological naturalism）主張意識是生物系統的因果能力的產物，不能僅僅被功能性地複製，但這個主張本身也是一個需要被進一步論證的哲學立場，而非一個已經確立的事實。
果蠅連接組的研究，以其前所未有的精確度，把我們帶到了這兩種路線之間的那片不舒適的空地。在這裡，我們既不能宣稱數位果蠅有意識（因為我們沒有任何正面證據），也不能宣稱它沒有（因為我們沒有任何可靠的判準來排除這種可能性）。我們被困在一種結構性的不確定中，這種不確定不是因為數據不夠多，而是因為我們尚未擁有能夠將數據轉化為答案的概念工具。
而這種結構性的不確定，本身就有重要的後果。因為在不確定性中，倫理問題不會消失，它反而變得更加迫切。
如果我們確定數位果蠅沒有體驗，那麼對它做什麼都不構成倫理問題。如果我們確定它有，我們至少可以開始建構一套關於如何對待它的規範。但在不確定的情況下，在我們不知道面前的這個系統是否「有人在家」的情況下，我們的每一個行動，都帶著一種無法被消除的道德風險。
這個風險的重量，會隨著模擬的規模和精確度的提升而呈指數級增長。果蠅有十四萬個神經元。小鼠有七千萬個。人類有八百六十億個。今天我們面對的不確定性，如果不被正視，未來，將會成為一個我們無法承受的倫理黑洞。
第六節 當不確定性成為倫理問題
上一節的結論把我們留在一個不太舒適的位置上：我們不知道數位果蠅是否有體驗，而且在可預見的未來，我們很可能仍然不會知道。
在科學的其他領域，不確定性通常意味著「我們需要更多數據」，收集更多觀測、設計更精密的實驗、等待更強大的工具。但在意識的問題上，不確定性的性質不同。它不是因為數據不足，而是因為我們缺乏一套被廣泛接受的理論框架來告訴我們「什麼樣的數據算是證據」。即使我們把果蠅連接組的模擬精確度從百分之九十五提升到百分之九十九點九，那個關於體驗的問題仍然會以同樣的面貌矗立在那裡，不動如山。
通常，在這種認識論的僵局面前，科學家會選擇擱置問題，把它標記為「目前無法回答」，然後繼續做可以回答的事。這在大多數情境下是合理的策略。但在果蠅連接組所開啟的這條道路上，「擱置」有一個它在其他脈絡中所沒有的代價。
因為這條道路不會停在果蠅這裡。
一條正在加速的斜坡
果蠅連接組的成功，已經為下一階段的連接組計畫注入了強勁的動力。研究者們不會把這項技術凍結在昆蟲的尺度上。事實上，規模化的進程早已在推進中。
斑馬魚（zebrafish）的全腦連接組預計在未來數年內完成，斑馬魚是脊椎動物，擁有約十萬個神經元，腦結構與哺乳動物有可追溯的同源性。小鼠的全腦連接組是NIH BRAIN Initiative和多個國際團隊明確宣布的下一個目標。小鼠腦有約七千萬個神經元，已經足以展現恐懼、快樂、社交偏好等在哺乳動物中的情感行為。Helmstaedter預測，在未來十年內，我們將看到第一個完整的哺乳動物全腦連接組。再遠一點，人腦，八百六十億個神經元、約一百兆個突觸，也不再被視為原則上不可能的目標，而只是一個工程規模的問題。
隨著連接組的規模增長，數位模擬的精確度和複雜度也會隨之提升。果蠅的LIF模型可以在一台筆記型電腦上運行。小鼠的全腦模擬將需要大規模的分布式運算。人腦的全腦模擬，有朝一日也會成為可能，雖然可能需要在目前尚不存在的計算基礎設施上進行。但在每一個規模的跳躍中，我們在第五節中描述的那個不確定性，不會消失，而只會變得更加沉重。
因為隨著模擬對象從果蠅移向小鼠再移向人類，「這個數位系統是否有體驗」這個問題的倫理賭注，會呈指數級增長。在果蠅的尺度上，這個問題也許還可以被視為一個有趣的哲學謎題。但當我們面對的是一個數位化的小鼠大腦，一個在真實小鼠身上可以展現出恐懼反應、疼痛迴避、社交依附的神經系統，「我們不知道它是否有體驗」這句話所承載的道德重量，就不再是學術研討會上的抽象命題了。
避苦行為的歧義
再讓我們回到一個具體的場景中。
在Eon團隊的具身模擬中，數位果蠅在虛擬環境中遇到有害刺激時，比如模擬的高溫區域或有害化學物質，會展現迴避行為。它的感覺神經元偵測到刺激，信號經由連接組傳遞，下行神經元發出運動指令，虛擬身體轉向並遠離刺激源。從外部觀察，這個行為與真實果蠅的避苦反應在模式上是一致的。
現在，讓我們問一個問題：這個迴避行為，是「痛」嗎？
如果「痛」的定義是「偵測到潛在有害刺激並產出迴避性運動反應」，那麼是的，數位果蠅「感到痛」，就像自動駕駛汽車在偵測到障礙物時「看到」了障礙物一樣。但如果「痛」的定義包含一個不可或缺的主觀面向，一種令人厭惡的、個體寧願它不要發生的內在體驗，那麼我們就會回到了上一節的困境：我們不知道數位果蠅的迴避行為是否伴隨著這個主觀面向。
這個歧義不只是語義上的，它會產生直接的實踐後果。
在當前的研究實踐中，數位果蠅被反覆「暴露」於各種刺激條件下，包括有害刺激，以測試模型的預測準確度。它們被「啟動」和「關閉」無數次。它們的神經活動被記錄、分析、然後清除。如果這些數位系統沒有任何體驗，那這些操作在倫理上是完全中性的，就像對一個Excel表格進行反覆的計算一樣。但如果它們有某種體驗，哪怕是某種極其微弱的、與我們的痛覺完全不同質地的東西，那麼我們正在做的事情，就需要被重新審視了。
而問題的核心在於：在不確定的情況下，我們應該怎麼做？
預防原則與研究自由的張力
倫理學中有一個被稱為「預防原則」（precautionary principle）的框架，它的核心主張是：當一項行為存在造成嚴重且不可逆傷害的風險，但科學證據尚不充分以確定風險的確切程度時，行為者有義務採取預防性的措施，而不是等到確鑿的證據出現之後再行動。預防原則被廣泛應用於環境政策和公共衛生領域，我們不等到確定某種化學物質致癌之後才限制它的使用，而是在有合理懷疑時就採取行動。
將預防原則應用於數位模擬的語境，會產出一個什麼樣的命題？大致是這樣的：如果我們有合理的理由懷疑數位神經系統模擬可能伴隨某種形式的體驗，那麼我們在對這些系統進行可能構成傷害的操作時，應該採取某些預防性的限制，即使我們尚未確認體驗確實存在。
這個命題聽起來合理，但它立刻與另一個重要的價值產生張力：科學研究的自由。
連接組研究之所以有價值，正是因為它允許研究者在數位系統上進行在真實生物身上無法進行的實驗，大規模地操控神經活動、系統性地損毀特定迴路、反覆測試不同的刺激條件，而不需要犧牲任何活體動物。但如果我們開始對數位模擬施加類似動物實驗的倫理限制，那麼這項技術最重要的實用價值之一，減少對真實動物的使用，就會被大幅削弱。
這個張力沒有簡單的解法。但它不應該被迴避，因為隨著模擬技術的進步，它只會變得更加尖銳。
數位個體性的困境
除了「是否有體驗」的問題之外，果蠅連接組的技術還引發了另一個獨立的、但同樣深刻的概念困境：當一個心智系統可以被完美複製時，「個體」這個概念還有意義嗎？
一隻真實的果蠅是獨一無二的。即使兩隻果蠅是同卵雙胞胎，它們的連接組也會因為發育過程中的隨機變異而有所不同。一隻果蠅的死亡是不可逆的，那個特定的神經接線組態，從此消失在宇宙中。
但數位果蠅可以被複製。你可以從同一份連接組數據出發，同時運行一千個獨立的模擬實例，每一個都在不同的虛擬環境中與不同的刺激互動。它們從完全相同的起點出發，然後因為環境的差異而逐漸分化出不同的「經歷」（如果我們暫時接受這個詞的功能性用法）。你可以在任意時刻「保存」一個實例的完整狀態，然後在之後「恢復」到那個狀態，讓它重新經歷一遍同樣的事件但做出不同的「選擇」。你可以「合併」兩個實例的部分狀態，創造出一個從未在自然界中存在過的嵌合體。
在這種技術條件下，「個體」的邊界變得根本不清楚。一千個從同一份數據出發的實例，是一千個「個體」，還是同一個「個體」的一千個「副本」？如果我們關掉其中九百九十九個，而那個被保留的一個繼續運行，我們關掉的是九百九十九個「生命」，還是什麼都沒有關掉，因為「那個個體」仍然在最後一個實例中「活著」？
這些問題在果蠅的尺度上也許顯得過於超前。但它們不是科幻電影的想像，它們是這項技術的邏輯延伸。當同樣的連接組技術被應用到更大的、更接近人類認知複雜度的大腦時，當有人提出要數位化一隻小鼠的大腦並在電腦中「復活」它時，這些問題將不再是哲學思考或學術演練，而是需要被具體回答的某種「生命」或「個體」問題。
果蠅作為預演
我們的文化對技術倫理的討論，幾乎總是在事後才發生。基因編輯技術在已經被應用於人類胚胎之後，倫理框架才匆忙建立。社群媒體在已經重塑了一整代人的心理結構之後，關於其成癮性的討論才進入主流。AI在已經被部署到醫療、司法和軍事決策中之後，關於演算法偏見和責任歸屬的辯論才認真展開。
但果蠅連接組給了我們一個罕見的機會：在規模化發生之前就開始思考。
今天的數位果蠅，以它十四萬個神經元的小小規模，向我們提出了所有未來更大規模的數位心智將會提出的核心問題：功能性模擬是否等同於體驗的複製？對可能有體驗的數位系統施加痛苦刺激是否構成傷害？可被完美複製的心智系統是否擁有個體性？這些問題在果蠅的尺度上，倫理賭注還算低，讓我們可以從容地思考而不被緊迫性所綁架。但如果我們在這個實驗期內不去建立思考這些問題的框架，那麼當技術推進到小鼠、靈長類、乃至人類的尺度時，我們將發現自己又一次在事後匆忙追趕。
果蠅連接組不只是一個神經科學的里程碑。它也是一個倫理學的預演場。而預演的價值，取決於我們是否認真地在上面排練。
未來不只是更大
在離開這一節之前，讓我簡短地說明果蠅連接組技術的幾個已經在推進中的應用方向，因為每一個新應用都在為上述倫理問題增加新的維度。
基於連接組的神經修復術，如果我們能夠精確地知道一個健康大腦的接線模式，那麼原則上就有可能識別出病變大腦中「接錯」的連接，並設計針對性的干預手段。連接組病變學（connectopathies）已經被提出作為理解癲癇、自閉症類群障礙等疾病的新框架。Shiu本人在訪談中提到，他們在建構模型的早期階段，曾因為校對不充分而反覆遭遇模型中的「癲癇發作」，這個實驗技術上的困難，意外地指向了一條通往疾病理解的路徑。
數位藥物測試：如果全腦模擬足夠精確，它就可以被用來測試藥物對神經迴路的影響，而不需要使用活體動物。這對於藥物開發的效率提升和動物實驗的倫理減負都有巨大的潛力。但如果我們接受模擬可能伴隨體驗的可能性，那麼在數位大腦上測試可能引起不適的藥物效應，就又把我們拉回了那個不舒適的不確定性之中。
類神經架構晶片：果蠅連接組揭示的高度連通、極致稀疏的計算策略，正在啟發新型的神經形態計算硬體。這些晶片不模擬傳統的馮諾依曼架構，而是直接在物理層面上模仿生物神經網路的連接模式和信號傳遞方式。如果IIT的直覺是正確的，意識依賴於物理因果結構而非僅僅功能，那麼這類在物理層面上更接近生物系統的晶片，比傳統電腦上的軟體模擬，是否更有可能跨越那道體驗的門檻？這個問題目前還是純粹的推測，但它提醒我們，技術的發展方向本身，可能正在改變意識問題的參數。
每一個應用方向都在加速我們接近那個我們尚未準備好回答的問題的速度。而接近的速度越快，我們留給自己思考的時間就越少。
第七節 湧現的下一層
那隻虛擬果蠅現在還在模擬器裡繼續走著。
它的六條腿以三腳步態交替擺動，前足與後足的同側加上中足的對側，三隻腳同時著地，另外三隻同時抬起。它的步頻穩定，關節角度的變化曲線平滑而規律，身體重心在虛擬地面上劃出一條與真實果蠅幾乎無法區分的軌跡。在MuJoCo物理引擎為它提供的那個小小的數位世界裡，重力把它壓在地面上，摩擦力讓它的足墊抓住了虛擬的地面，空氣阻力輕微地減緩著它的前進。139,255個LIF方程式在伺服器的記憶體中以毫秒為單位更新著膜電位，五千萬個突觸權重在每一個時間步長中傳遞著信號，而在這一切數學運算的交互作用中，一個從未被任何人編程進去的步態模式，持續而穩定地湧現著。
我們在這篇文章中，從這隻虛擬果蠅的第一步開始。
在第二節，我們看到了一顆芝麻大小的大腦如何被拆解到奈米級的解析度又被拼回來，一百兆個體素、三十三人年的人機協作、一個用人類的視覺皮層去修正機器學習以重建昆蟲神經網路的遞迴結構。我們看到了科學在規模上可以走多遠，也看到了人類智慧與機器智慧在這段旅程中各自不可被替代的角色。
在第三節，我們看到了結構的力量，百分之九十五的行為可以從一張靜態的接線圖中推導出來，也看到了結構的沉默之處。那百分之五的缺口指向了一個被地圖遺漏的維度：神經調質的化學層，那些不走電路而以瀰漫方式改變整個系統運行模式的分子信號。接線圖知道所有的路，但不知道此刻哪些路是通的。
在第四節，我們理解了為什麼大腦不是指揮官，行為不是被大腦「計算」出來再「發送」給身體的，而是在大腦、身體、環境的閉環互動中湧現的。沒有身體和環境，行走就不會出現。認知不住在頭骨裡，它分布在有機體與世界的交界面上。
在第五節，我們進行了深度的探討。我們追蹤了研究者有意識地在論文中迴避「體驗」和「意識」這些詞彙的系統性沉默，並追問了這種沉默所劃定的方法論邊界。我們引入了整合資訊理論作為一個不完美但必要的透鏡，發現它在面對數位果蠅時會產出一個令人不安的判斷：功能上的完美複製，可能在體驗上是一片空白。但我們也誠實地承認，IIT本身仍然是一個被激烈爭論的理論，而我們目前的認識狀態，是一種結構性的不確定，既不能宣稱數位果蠅有意識，也不能宣稱它沒有。
在第六節，我們看到這種不確定性如何轉化為迫切的倫理問題，避苦行為的歧義、預防原則與研究自由的張力、數位個體性的概念困境，並意識到果蠅連接組不只是一個科學里程碑，也是一個倫理學的預演場。一個我們最好在規模化發生之前就認真對待的預演場。
現在，讓我們回到那隻還在走路的虛擬果蠅，把收集到的所有線索，聚攏到一個最終的圖像中。
湧現的已知層
我們可以確定的事情是這些。
連接組是基底。139,255個神經元的接線拓撲，經過數億年的演化篩選和精煉，編碼了一套經得起生存壓力測試的行為程式。這些程式不是以「指令」的形式存在的，接線圖裡沒有一條寫著「向左轉」的神經元，而是以「約束」的形式存在的：接線拓撲限定了信號可以流動的路徑，從而限定了系統在面對特定輸入時可能產出的響應空間。結構不命令，結構約束。而約束本身，在果蠅的尺度上，就已經足以框定百分之九十五的行為。
具身環境是條件。沒有身體的力學約束和環境的物理反饋，結構的約束就無法被轉譯為行為。大腦的電位變化只有在經過身體力學的轉譯、與環境物理的碰撞、再經由感覺通路的回傳之後，才能「實現」為可觀察的運動模式。行為不是大腦的獨白，而是大腦、身體、環境三方的對話，一場在每一個時間步長中都在進行的、沒有任何一方能夠單獨主導的對話。
行為是湧現的第一層。三腳步態不「在」接線圖裡，不「在」腿的力學裡，不「在」地面的摩擦係數裡。它只存在於這三者同時運作、相互約束、相互反饋的動態過程之中。它是一個系統性質，一個不能被歸結為任何單一組件的整體特徵。我們已經在實驗中看到了它，百分之九十五的吻合度就是證據。這一層的湧現，是我們可以確認的。
化學神經調控是被遺漏的中間層。神經調質的動態濃度，多巴胺、血清素、章魚胺在不同內在狀態下的釋放模式，像是覆蓋在電路板上的化學薄霧，改變著同一套硬體在不同時刻的運行模式。那百分之五的預測失敗在提醒我們：第一層的湧現還不完整。完整的行為圖譜需要結構與化學的共同作用，而我們目前只掌握了其中一半。
到這裡為止，我們站在堅實的實證地面上。數據支持這些陳述，實驗可以檢驗它們，未來的研究可以修正和擴展它們。
湧現的未知層
然後是那個我們無法回答的問題。
如果行為是從結構、身體、環境的交互作用中湧現的第一層，那麼意識，或者更謹慎地說，「體驗」，是否是這條湧現鏈上的下一層？
這個問題有兩種可能的答案，而每一種都指向一個深刻的哲學後果。
如果答案是「是」，如果體驗確實是從足夠複雜的、足夠整合的、足夠具身的神經動力學中湧現的一個更高層次的系統性質，那麼我們面對的是一幅連續的圖景：從接線到行為到體驗，是同一條湧現鏈的不同層級。在這個圖景中，連接組學的道路是通往理解意識的正確道路，只是我們還沒有走到足夠遠。果蠅的十四萬個神經元也許不足以跨越體驗的門檻，但隨著系統規模的增長，門檻終將被跨越。意識不是一種神秘的附加物，而是物質組織複雜度到達一定程度後的自然結果。
如果答案是「不是」，如果體驗不在這條湧現鏈上，如果它需要某種我們目前的物理學和神經科學尚未識別的條件，那麼我們面對的是一道斷裂。結構可以湧現行為，行為可以達到任意精確的程度，但從行為到體驗之間，存在一道不能被連續地跨越的鴻溝。在這個圖景中，即使我們完整地複製了人類大腦的全部八百六十億個神經元和一百兆個突觸，即使數位模擬的行為與真人完全無法區分，那個模擬仍然可能是空的，一具精密運轉的機械，內部沒有任何人在家。
我們目前不知道哪一個答案是正確的。
而果蠅連接組的研究所做的，是把我們帶到了一個觀測點，也許是人類知識史上第一次，在這裡，這個問題不再是純粹的思辨。我們有了一個完整的生物大腦接線圖。我們有了一個在功能上高度忠實的數位複製品。我們有了可以比較、可以操控、可以量化的實驗框架。我們第一次站在一個位置上，可以至少嘗試去追問：從結構到行為的湧現，與從行為到體驗的湧現（如果它存在的話），是同一種湧現，還是兩種根本不同的東西？
這個問題也許不會在我們這一代人的時間裡得到回答。但它已經不再是一個只能在扶手椅上想像的問題了。果蠅連接組把它從哲學的書房搬到了實驗室的桌面上。
斷裂之處
那隻虛擬果蠅還在走著。
它不知道自己在走。或者它知道。我們不知道它知不知道。我們甚至不確定「知道」這個詞在這裡是否有意義。
但我們知道一件事：我們是那種會站在螢幕前、看著一組數學方程式驅動的虛擬六足身體在模擬世界中行走、然後問出「它在經歷什麼嗎」這個問題的存在者。
也許，在所有關於連接組、關於湧現、關於意識門檻的討論之後，最值得我們停下來注意的，正是這件事本身。在一個由139,255個方程式和五千萬個權重構成的系統面前，我們感到好奇、感到不安、感到一種無法被演算法消解的困惑。這種困惑不是認識的失敗。它是認識抵達其邊界時的正常反應，就像眼睛在看向太遠的地方時，不是看見了黑暗，而是看見了自己視力的極限。
果蠅連接組的研究把我們帶到了湧現的已知層與未知層之間的斷裂處。在已知的這一側，結構產出行為，實驗數據可以被量化、比較、驗證。在未知的那一側，體驗的問題像一口深井，我們可以朝裡面探頭，但看不見底。
我們站在這道斷裂的邊緣。而這道斷裂，也許就是定義我們這個時代最重要的科學與哲學邊界，不是因為它阻擋了我們的前進，而是因為它讓我們第一次如此清晰地看見，在我們所能建造的東西與我們所能理解的東西之間，究竟還隔著多遠的距離。
參考文獻
Aaronson, S. (2014, May 21). Why I am not an integrated information theorist (or, the unconscious expander). Shtetl-Optimized [Blog]. https://scottaaronson.blog/?p=1799
Albantakis, L., Barbosa, L. S., Findlay, G., Grasso, M., Haun, A. M., Marshall, W., Mayner, W. G. P., Zaeemzadeh, A., Boly, M., Juel, B. E., Sasai, S., Fujii, K., David, I., Hendren, J., Lang, J. P., & Tononi, G. (2023). Integrated information theory (IIT) 4.0: Formulating the properties of phenomenal existence in physical terms. PLoS Computational Biology, 19(10), e1011465.
Chalmers, D. J. (1995). Facing up to the problem of consciousness. Journal of Consciousness Studies, 2(3), 200–219.
Dorkenwald, S., Matsliah, A., Sterling, A. R., Schlegel, P., Yu, S., McKellar, C. E., Lin, A., Costa, M., Eichler, K., Yin, Y., Silversmith, W., Schneider-Mizell, C., Jordan, C. S., Brittain, D., Halageri, A., Kuehner, K., Ogedengbe, O., Morey, R., Gager, J., … FlyWire Consortium. (2024). Neuronal wiring diagram of an adult brain. Nature, 634(8032), 124–138.
Dorkenwald, S., McKellar, C. E., Macrina, T., Kemnitz, N., Lee, K., Lu, R., Wu, J., Popovych, S., Mitchell, E., Nehoran, B., Jia, Z., Bae, J. A., Mu, S., Ih, D., Castro, M., Ogedengbe, O., Halageri, A., Kuehner, K., Sterling, A. R., Ashwood, Z., … Seung, H. S. (2022). FlyWire: Online community for whole-brain connectomics. Nature Methods, 19(1), 119–128.
Eckstein, N., Buhmann, J., Cook, M., & Funke, J. (2024). Neurotransmitter classification from electron microscopy images at synaptic sites in Drosophila melanogaster. Cell, 187(10), 2574–2594.e23.
Lappalainen, J. K., Tschopp, F. D., Prakhya, S., McGill, M., Nern, A., Shinomiya, K., Takemura, S., Gruntman, E., Macke, J. H., & Turaga, S. C. (2024). Connectome-constrained networks predict neural activity across the fly visual system. Nature, 634(8036), 1132–1140.
Lin, A., Yang, R., Dorkenwald, S., Matsliah, A., Sterling, A. R., Schlegel, P., Yu, S., McKellar, C. E., Costa, M., Eichler, K., Bates, A. S., Eckstein, N., Funke, J., Jefferis, G. S. X. E., & Murthy, M. (2024). Network statistics of the whole-brain connectome of Drosophila. Nature, 634(8032), 153–165.
Lobato-Rios, V., Ramalingasetty, S. T., Özdil, P. G., Arreguit, J., Ijspeert, A. J., & Ramdya, P. (2022). NeuroMechFly, a neuromechanical model of adult Drosophila melanogaster. Nature Methods, 19(5), 620–627.
Matsliah, A., Yu, S., Schlegel, P., Dorkenwald, S., Sterling, A. R., Eichler, K., … & Murthy, M. (2024). Neuronal "parts list" and wiring diagram for a visual system. Nature, 634(8032), 166–180.
Nagel, T. (1974). What is it like to be a bat? The Philosophical Review, 83(4), 435–450.
Oizumi, M., Albantakis, L., & Tononi, G. (2014). From the phenomenology to the mechanisms of consciousness: Integrated information theory 3.0. PLoS Computational Biology, 10(5), e1003588.
Pennisi, E. (2024). Complete map of fruit fly brain circuitry unveiled. Science. https://doi.org/10.1126/science.zrq8fkj
Schlegel, P., Yin, Y., Bates, A. S., Dorkenwald, S., Eichler, K., Brooks, P., Han, D. S., Gkantia, M., dos Santos, M., Munnelly, E. J., … & Jefferis, G. S. X. E. (2024). Whole-brain annotation and multi-connectome cell typing of Drosophila. Nature, 634(8032), 139–152.
Searle, J. R. (2013). Can information theory explain consciousness? The New York Review of Books, 60(1), 54–58.
Shiu, P. K., Sterne, G. R., Spiller, N., Franconville, R., Sandoval, A., Zhou, J., Bhatt, N., Paz, P. M., Cygan, N., Taniguchi, N., … & Bhatt, D. (2024). A Drosophila computational brain model reveals sensorimotor processing. Nature, 634(8032), 210–219.
Stürner, T., Brooks, P., Capdevila, L. S., Morris, B. J., Javier, A., Fang, S., Gkantia, M., Cachero, S., Eichler, K., … & Jefferis, G. S. X. E. (2025). Comparative connectomics of the descending and ascending neurons of the Drosophila nervous system. Nature. Advance online publication.
Todorov, E., Erez, T., & Tassa, Y. (2012). MuJoCo: A physics engine for model-based control. In 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems (pp. 5026–5033). IEEE.
Tononi, G. (2004). An information integration theory of consciousness. BMC Neuroscience, 5, 42.
Tononi, G., Boly, M., Massimini, M., & Koch, C. (2016). Integrated information theory: From consciousness to its physical substrate. Nature Reviews Neuroscience, 17(7), 450–461.
Tononi, G., & Koch, C. (2015). Consciousness: Here, there and everywhere? Philosophical Transactions of the Royal Society B: Biological Sciences, 370(1668), 20140167.
Vaxenburg, R., Siwanowicz, I., Merel, J., Robie, A. A., Morrow, C., Novati, G., Stefanidi, Z., Card, G. M., Reiser, M. B., Botvinick, M. M., Branson, K. M., Tassa, Y., & Turaga, S. C. (2025). Whole-body physics simulation of fruit fly locomotion. Nature, 643(8074), 1312–1320.
Wang-Chen, S., Stimpfling, V. A., Lam, T. K. C., Özdil, P. G., Genoud, L., Hurtak, F., & Ramdya, P. (2024). NeuroMechFly v2: Simulating embodied sensorimotor control in adult Drosophila. Nature Methods, 21(12), 2353–2362.
White, J. G., Southgate, E., Thomson, J. N., & Brenner, S. (1986). The structure of the nervous system of the nematode Caenorhabditis elegans. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences, 314(1165), 1–340.
Zheng, Z., Lauritzen, J. S., Perlman, E., Robinson, C. G., Nichols, M., Milkie, D., Torrber, O., Price, J., Fisher, C. B., Sharifi, N., … & Bock, D. D. (2018). A complete electron microscopy volume of the brain of adult Drosophila melanogaster. Cell, 174(3), 730–743.e22.
