果蠅大腦模擬轟動社群，意識上傳似乎近在眼前，但…真的嗎?
https://longing-wishbone-762.notion.site/3247409d3c3f805db2fcdd1ac802392f 近期 Eon Systems PBC 此新創公司在社群媒體上傳了一段影片，引起了大規模的報導與關注，該影片示例了他們公司所創建的虛擬果蠅的行為，以及果蠅大腦模擬的動態示範，影片及該公司的說明文章請見： https://eon.systems/updates/embodied-brain-emulation 這是令人振奮的，因為該新創公司的行為表示了他們整合了過往學術界的多個成果，包含 Dorkenwald et al. (2024) 以冷凍切片電子掃描以及以機器學習方式進行圖片分割重建的全腦模型、Eckstein et al. (2024) 採用機器學習方式分析電子掃描圖片的細節所創建的神經遞質預測模型、Wang-Chen et al. (2024) 所創建的 NeuroMechFly v2 果蠅身體模擬模型與工具平台、Lappalainen et al. (2024) 的果蠅基於六角CNN+洩漏積分發射模型 (leaky integrate-and-fire model)的視覺模型以及 Shiu et al. (2024) 構建的超大型果蠅全腦 LIF 模型，這些東西整合並調適修改後並成了它們的這個令人眼前一亮的模型。 但…先給個結論吧，這樣就能達成科幻電影中的意識上傳，甚至探索靈魂的奧秘了嗎? 只能說…差的遠呢，不是要打擊對於新成果的貢獻，而是我們得正視我們的侷限。 首先撇開技術層面的東西，看最表層的，一些對於最近科技新聞等事務敏感的人大概注意到了，我上面列舉的參考技術充滿了”機器學習”四個字，碰上機器學習時很多人的第一反應就是不穩定與不確定性，而在這幾個機器學習中確實充滿了不確定性與妥協，資料品質、標註範圍、模型假設、與後續人工校對成本，都限制了整體的可用性與可信度。在 Dorkenwald et al. (2024) 所創建的 FlyWire 全腦模型中前突觸的連結率僅有 93.7% 看似很高，但在超過5000萬個突觸的情況下這缺失的就很多了，儘管他們付出了相當大的努力再進行校對，依照他們的說法他們付出了總計一人要進行33年的校對工作，如果他們想要將突觸後連結率從44.7%提高到50%需要對超過70萬個片段進一步...
