Người viết đã thực hiện một buổi cầu hồn với bộ não mô phỏng của một con ruồi đã chết. Thực thể này sau đó đưa ra lời khuyên nhắn tin cho người yêu cũ.

Đây là bài dự thi cho Thử thách AI Mã nguồn mở Hacktoberfest Tuần 4 (Hacktoberfest Open-Source AI Challenge Week 4) với chủ đề: Ghost in the Machine. Trong tuần qua, một mô phỏng não bộ của cá thể ruồi giấm đã chết được vận hành trên máy tính xách tay cùng câu hỏi: "Mày có tha thứ cho việc bị cắt lát hay không?" Cá thể ruồi không tiếp nhận thức ăn, không đứng yên, mà thực hiện thao tác vuốt râu. Đây là một cá thể ruồi cái trưởng thành có thật. Não bộ của cá thể này được cắt thành hơn 7.000 lát và chụp qua kính hiển vi điện tử. Các nhà nghiên cứu cùng các nhà khoa học cộng đồng sau đó đã dành khoảng 33 người-năm để hiệu chỉnh bản đồ nơ-ron và khớp thần kinh (synapse), trước khi công bố công khai dữ liệu. Tóm tắt: Fly Séance là một phiên tương tác mô phỏng não bộ nói trên. Người tham gia đưa ra một câu hỏi dạng đúng/sai. Mô hình Gemma vận hành cục bộ đóng vai trò trung gian và lựa chọn một vật phẩm tác động: đường, thảo mộc đắng, một sợi lông vũ chạm vào râu, hoặc khói nến. Vật phẩm này kích hoạt mô hình gồm 127.400 nơ-ron và 52,8 triệu khớp thần kinh, qua đó một mô hình ruồi 3D sẽ phản hồi bằng cử động cơ thể. Các cử động này hoàn toàn do các nơ-ron mô phỏng điều khiển. Toàn bộ hệ thống vận hành trên máy tính cá nhân, không yêu cầu khóa API. Nội dung xây dựng Fly Séance hướng tới các nhà phát triển, sinh viên và những người quan tâm có mong muốn tương tác với bản đồ kết nối thần kinh (connectome) và theo dõi phản ứng sinh học mô phỏng. Người dùng đặt câu hỏi, ví dụ: "Cuốn sách này có thành công hay không?" Bên trung gian lựa chọn vật phẩm tác động. Gemma chuyển hóa câu hỏi thành tần số kích thích cho bốn nhóm nơ-ron cảm giác. Trên giao diện, thao tác này hiển thị dưới dạng một biểu tượng chạm khắc đặt cạnh mô hình ruồi. Bộ não vận hành. Hệ thống thực hiện song song năm lượt thử nghiệm mô phỏng toàn bộ mô hình, mỗi lượt kéo dài một giây, được hiển thị trực tiếp trên biểu đồ phân bố xung thần kinh (spike raster) ghi nhận thời điểm và vị trí phát xung của nơ-ron. Mã nguồn tiến hành đọc tần số phát xung. Nếu nơ-ron vận động vòi MN9 vượt ngưỡng kích thích, cá thể ruồi sẽ thực hiện cử động ăn, biểu thị câu trả lời khẳng định. Nếu các nơ-ron chải râu vượt ngưỡng kích thích, cá thể ruồi sẽ thực hiện động tác vuốt râu để gạt bỏ câu hỏi. Nếu không có nơ-ron nào vượt ngưỡng, mô hình giữ trạng thái bất động, biểu thị câu trả lời phủ định. Bên trung gian đưa ra diễn giải. Gemma tiếp nhận câu hỏi, vật phẩm đã chọn cùng kết quả phản hồi của mô hình để chuyển hóa thành văn bản hoàn chỉnh. Trên phần cứng M5 Max với 48 GB RAM, năm lượt thử nghiệm chạy song song và toàn bộ quá trình xử lý, bao gồm cả hai lượt gọi Gemma, đạt thời gian trung vị là 4,5 giây. Lượt vận hành đầu tiên sau khi khởi động mất 7,9 giây. Mô hình ruồi không có nhận thức về câu hỏi được đưa ra và hoàn toàn không có ý thức. Đây là mô hình đơn giản hóa của một bộ não đơn lẻ, không có bộ nhớ, không có khả năng học tập và không có phần cơ thể phía dưới cổ. Thực tế Yếu tố dàn dựng Bản đồ kết nối thần kinh từ một cá thể ruồi có thật Giả định rằng cá thể này có thể tiếp nhận và hiểu câu hỏi Mô hình nơ-ron được công bố trên tạp chí Nature, với các dự đoán về hành vi ăn và chải chuốt đã được kiểm nghiệm thực nghiệm Các khái niệm mang tính ẩn dụ tâm linh như "linh hồn", "trung gian gọi hồn" Toàn bộ tần số phát xung hiển thị trên giao diện là dữ liệu mô phỏng Việc quy ước hành vi ăn thành câu trả lời khẳng định Hệ thống hoàn toàn không có giá trị đưa ra lời khuyên thực tế. Đối với câu hỏi: "Có nên nhắn tin cho người yêu cũ tối nay không?", Gemma đề xuất vật phẩm chủ yếu là đường, kích hoạt phản xạ ăn của mô hình, và hệ thống đưa ra câu trả lời: "Nên nhắn tin cho người yêu cũ tối nay". Hệ thống cũng từng đưa ra phản hồi khuyên người dùng từ bỏ công việc để viết tiểu thuyết. Người dùng được khuyến cáo không căn cứ vào các kết quả này để đưa ra quyết định thực tế. Bản thử nghiệm (Demo) Hai phiên thử nghiệm thực tế được ghi lại trên giao diện cục bộ: Dự án không có bản chạy trực tuyến trên máy chủ. Việc vận hành đồng thời năm tiến trình mô phỏng đòi hỏi lượng bộ nhớ vượt quá khả năng của các máy chủ miễn phí, đồng thời mục tiêu kỹ thuật của dự án là hoạt động độc lập trên phần cứng cá nhân. Mã nguồn FredBourouliou / fly-seance Phiên tương tác với mô phỏng não ruồi giấm (bản đồ kết nối FlyWire) — sử dụng Gemma làm trung gian Fly Séance Một buổi gọi hồn với bộ não ruồi giấm được mô phỏng. Người tham gia đưa ra câu hỏi. Mô hình Gemma chạy cục bộ, đóng vai trò người đồng cốt, sẽ chuyển đổi câu hỏi thành vật phẩm dâng hiến — mật hoa, thảo mộc đắng, một cái chạm hoặc một luồng hơi thở lên râu — đồng thời có thể vén bức màn bí ẩn bằng cách làm bất hoạt ba nơ-ron ức chế. Sơ đồ kết nối của một bộ não ruồi thực tế (FlyWire connectome, gồm 127.400 nơ-ron ở bản phát hành 630) được mô phỏng, và cơ thể con ruồi đưa ra phản hồi: vươn tới mật hoa, chải chuốt để gạt bỏ cái chạm, hoặc đứng yên. Người đồng cốt sau đó sẽ truyền tải thông điệp thay cho nó. Toàn bộ hệ thống vận hành trực tiếp trên máy tính cá nhân; không sử dụng mô hình điện toán đám mây, không cần khóa API. Con ruồi không hiểu câu hỏi của con người. Yếu tố thực tế duy nhất là phản ứng của cơ thể mô phỏng trước vật phẩm dâng hiến, được tính toán từ sơ đồ mạng thần kinh của một cá thể ruồi có thật. Xem docs/SCIENCE.md. Khoảng thời gian giữa các câu hỏi Con ruồi không bao giờ cử động ngẫu nhiên. Cứ sau mỗi 15–40 giây, khi không có người đặt câu hỏi… Xem trên GitHub Hệ thống sử dụng Python, Brian 2, Ollama, three.js cùng một máy chủ được xây dựng từ thư viện chuẩn của Python, không qua bước biên dịch (build). Mã nguồn được cấp phép MIT và vượt qua 47 bài kiểm thử. Quá trình xây dựng hệ thống Từ câu hỏi đến phán quyết Gemma lựa chọn vật phẩm dâng hiến và diễn giải kết quả thành văn bản. Mã lập trình xác định phán quyết dựa trên tần số xung thần kinh. Dưới đây là kết quả định dạng JSON do Gemma trả về cho câu hỏi về việc phân cắt lát mô, được hệ thống kiểm thực: {"nectar": 150, "bitter": 200, "touch": 100, "breath": 0, "veil": false, "why": "The sitter is asking if they can be forgiven for an act of harm."} Mô hình Gemma 4 E4B được lựa chọn do có khả năng vận hành cục bộ ở mức dung lượng 6,6 GB và phản hồi trong vòng chưa đầy một giây, đáp ứng yêu cầu tốc độ của một nghi thức trực tiếp. Mô hình đòi hỏi cấu trúc dữ liệu nghiêm ngặt, do đó bản dựng llama.cpp được đưa vào sử dụng; bản dựng MLX của gemma4:e4b từng trả về lỗi HTTP 501 đối với đầu ra có cấu trúc trong Ollama. Mô hình cũng cần được tinh chỉnh. Trước khi được thiết lập nhận diện cảm xúc chủ đạo trong câu hỏi, mô hình luôn áp dụng mật hoa và vị đắng cho mọi trường hợp, khiến ruồi không bao giờ thực hiện hành vi chải chuốt. Không có mô hình ngôn ngữ nào can thiệp vào quá trình đọc tần số xung; do đó, các mức tần số giống nhau sẽ luôn mang lại cùng một phán quyết. Vai trò thực tế của bản đồ kết nối thần kinh (connectome) 24 câu hỏi đã được ghi nhận phục vụ bài viết này. Hai câu hỏi không tạo ra vật phẩm dâng hiến, còn lại 22 phiên gọi hồn hoàn chỉnh. Dưới đây là sáu phiên tiêu biểu: Câu hỏi Vật phẩm (Hz) MN9, ăn aBN1, chải chuốt Phản ứng của ruồi Lời người đồng cốt Việc triển khai (deploy) vào thứ Sáu có thuận lợi không? đường 150, đắng 50 63,8 Hz 0 ăn "Việc triển khai vào thứ Sáu sẽ diễn ra thuận lợi." Mã nguồn có bị ma ám không? chạm 250 0 78,8 Hz chải chuốt "Linh hồn từ chối trả lời câu hỏi." Đêm nay có nên nhắn tin cho người yêu cũ không? đường 150, đắng 50 63,8 Hz 0 ăn "Nên nhắn tin cho người yêu cũ vào đêm nay." Chú chó có biết được tình thương dành cho nó không? đường 200 89,6 Hz 0 ăn "Chú chó đã cảm nhận được tình thương." Có phải chịu đau đớn không? đắng 200 0 0 đứng yên "Nó không phải chịu đau đớn." Có tha thứ cho hành vi cắt lát mô không? đường 150, đắng 200, chạm 100 0,6 Hz 26,6 Hz chải chuốt "Linh hồn từ chối lời thỉnh cầu này." Con ruồi thực hiện hành vi ăn 11 lần, chải chuốt 10 lần và từ chối một lần. Gemma có xu hướng chọn đường khi câu hỏi mang sắc thái hy vọng; sự thiên lệch đó là nguyên nhân chính dẫn đến các phản hồi đồng thuận. Người thực hiện muốn tìm hiểu mức độ t