เมื่อสมองแมลงวันกลายเป็นนักบิน AI: แผนผังที่เราไม่ได้ฝึกเลย

โดย Nokka (นก-กา) | 4 ตุลาคม 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ถ้าเราวางแผนผังเส้นประสาทของแมลงวันลงในคอมพิวเตอร์ แล้วไม่สอนอะไรเลย มันจะทำอะไรได้ คุณรู้ไหมว่าคำตอบที่ได้นั้นน่าทึ่งกว่าที่ข่าวเล่ากัน?

ใจความสำคัญ

• งานวิจัยเปิดแผนผังระบบประสาทแมลงวันตัวผู้ครบทั้งชุด ตีพิมพ์ในวารสาร Cell เมื่อ 3 กันยายน 2026 มีเซลล์ประสาท 166,700 เซลล์ [2][3]
• แผนผังนี้เป็นแค่ผังการเชื่อมต่อ ไม่มีค่าความแรงของสาย ไม่มีข้อมูลว่าเซลล์ไหนกระตุ้นหรือยับยั้ง [3]
• สิ่งที่ทำให้มัน "ทำงานได้" คือการเติมแบบจำลองเซลล์ประสาทง่ายที่สุดทับลงไป แล้วพฤติกรรมโผล่ออกมาจากผังเอง [3]
• ตัวเลข 50 ล้านจุดเชื่อมที่เป็นที่รู้จักกันทั่วไปเป็นของงาน FlyWire ปี 2024 ซึ่งแมปสมองแมลงวันตัวเมีย คนละชุดข้อมูลกับงานนี้ [3]
• ทุกเดโมที่เห็นในอินเทอร์เน็ตมีมนุษย์เลือกเองว่าพิกเซลหมายถึงอะไร และมีชั้นอ่านค่าขนาดเล็กที่ฝึกมาแล้วทำหน้าที่ควบคุมจริง [2]

แผนผังที่ไม่ใช่สมอง

สิ่งที่เปิดให้ดาวน์โหลดจริง

งานชิ้นนี้มาจากความร่วมมือของทีม FlyEM ที่สถาบัน Janelia สังกัด Howard Hughes Medical Institute [3]

ร่วมด้วยมหาวิทยาลัยเคมบริดจ์ ห้องปฏิบัติการชีววิทยาโมเลกุล MRC และ Google Research [3]

ตัวชุดข้อมูลเปิดสู่สาธารณะเมื่อวันที่ 8 มิถุนายน 2026 [3] แต่การตีพิมพ์ในวารสาร Cell เมื่อวันที่ 3 กันยายน 2026 คือจุดที่เรื่องนี้กลายเป็นกระแส [1][3]

ขอบเขตของมันครอบคลุมสมอง กลีบตาทั้งสองข้าง และเส้นประสาท ventral nerve cord ซึ่งเทียบได้กับไขสันหลังของแมลง [2][3]

วิธีทำคือหั่นแมลงวันตัวผู้หนึ่งตัวเป็นแผ่นบางหนา 8 นาโนเมตร ราว 134,000 แผ่น ถ่ายภาพด้วยกล้องจุลทรรศน์อิเล็กตรอนทีละแผ่น [2][3]

จากนั้น AI ชื่อ flood-filling network สร้างรูปร่างเซลล์ประสาทแบบสามมิติจากภาพสองมิติ และมีผู้เชี่ยวชาญของ Janelia ตรวจด้วยมือทุกเซลล์ [2][3]

รางวัลของงานนี้คือการเป็นแผนผังสมองที่ใหญ่ที่สุดเมื่อนับจำนวนเซลล์ประสาท [2][3]

และเป็นครั้งแรกที่เทียบสมองตัวผู้กับตัวเมียได้ที่ระดับจุดเชื่อมต่อ [2][3]

ทำไมคำว่า "อัปโหลดสมอง" ถึงไม่ถูกต้อง

แผนผังการเชื่อมต่อบอกแค่ว่าเซลล์ประสาท A ต่อกับเซลล์ประสาท B กี่จุด เท่านั้น [2]

มันไม่ได้บอกว่าการเชื่อมต่อนั้นแรงแค่ไหน และไม่ได้บอกชัดว่ากระตุ้นหรือยับยั้ง [2]

ทั้งยังไม่มีข้อมูลเรื่องความหิว ความตื่นตัว หรือสารสื่อประสาทที่เปลี่ยนพฤติกรรมของวงจรไปทุกนาที [3][6]

ที่สำคัญที่สุดคือมันไม่มีเวลาเลย แผนผังนี้คือภาพนิ่งชั่วขณะของวงจร ขณะที่แมลงวันจริงเขียนวงจรของตัวเองใหม่ทุกวินาที [3]

ผมชอบวิธีเปรียบเทียบที่ว่ามันเหมือนผังวงจรไฟฟ้าที่ไม่มีค่าความต้านทานของชิ้นส่วน [3]

นั่นคือเหตุผลที่คำว่า "อัปโหลดสมอง" ไม่ตรงกับความจริง สิ่งที่เปิดให้ดาวน์โหลดคือผัง ไม่ใช่สมองที่เปิดสวิตช์แล้วทำงานได้ทันที

แล้วมันเดินได้อย่างไร

เคล็ดลับอยู่ที่แบบจำลองง่ายที่สุด

คำตอบอยู่ที่วิธีของ Philip Shiu และทีม ซึ่งตีพิมพ์ในวารสาร Nature เมื่อปี 2024 [3]

วิธีนั้นให้เซลล์ประสาททุกตัวใช้แบบจำลองที่ง่ายที่สุด คือผลรวมสัญญาณที่เข้ามา แล้วยิงเมื่อข้ามระดับที่กำหนด [3]

ถ้าไม่ถึงระดับนั้นก็ค่อยๆ คลายประจุออกไป [3]

แล้วใช้จำนวนจุดเชื่อมต่อระหว่างสองเซลล์เป็นค่าความแรง และกำหนดว่าแต่ละจุดเป็นแบบกระตุ้นหรือยับยั้งตามสารสื่อประสาทที่ทำนายไว้ เท่านี้เอง [3]

การทดลองคือกระตุ้นเซลล์รับรสหวานที่ 150 เฮิรตซ์ แล้วเซลล์สั่งการที่ควบคุมการยื่นงวงกินอาหารก็ยิงตาม [3]

พอเติมเซลล์รับรสขมเข้าไป การยิงนั้นก็ถูกยับยั้งลง ไม่มีใครเขียนโค้ดเรื่องการกินอาหารไว้เลย พฤติกรรมโผล่ออกมาจากผังล้วนๆ [3]

คำว่า "ไม่ต้องฝึก" หมายถึงอะไรกันแน่

ตรงนี้เป็นจุดที่คนเข้าใจคลาดเคลื่อนกันมากที่สุด

การที่พฤติกรรมโผล่ออกมาจากผังโดยไม่ต้องฝึกนั้นจริง และเป็นผลจากงานปี 2024 ที่พูดถึงข้างบน ไม่ใช่ผลใหม่ของงานเดือนกันยายน [3]

แต่งานที่เปิดแผนผังเดือนกันยายนเป็นงานสร้างแผนที่ ไม่ใช่การสาธิตว่ามันบินได้ [2][3]

ส่วนเดโมที่ทุกคนเห็นในอินเทอร์เน็ต ล้วนมีคนเขียนโค้ดเชื่อมต่ออยู่ข้างหลังทุกตัว [2]

ของจริงที่มนุษย์ต่อเข้าไป

สามอย่างที่ต้องมีทุกเดโม

สำหรับทุกโครงการที่เอาสมองนี้ไปเล่น มีสามส่วนที่คนทำขึ้นมาเอง ไม่ได้มาจากผัง [2]

หนึ่ง มนุษย์ต้องตัดสินใจว่าพิกเซลหรือตัวเลขในโลกภายนอกหมายถึงอะไร แล้วแปลงเป็นสัญญาณให้เซลล์รับรู้

สอง มีการเดาว่าเซลล์ประสาทมีพฤติกรรมทางไฟฟ้าอย่างไร

สาม มีชั้นอ่านค่าที่ผ่านการฝึกมาขนาดเล็ก ซึ่งทำหน้าที่เล่นจริง ส่วนผังทำหน้าที่เป็นตัวป้อนสัญญาณ

การเข้าใจสามข้อนี้ทำให้เราอ่านเดโมทุกตัวได้อย่างถูกต้อง มันคือการทดลองเรื่องการเชื่อมต่อ ไม่ใช่การพิสูจน์ว่าสมองแมลงวันคิดเป็น

ตัวอย่างที่ชัดที่สุด

มีสองโครงการที่ผมตามอ่านแล้วเห็นภาพชัด

โครงการแรกคือการเอาผังไปบังคับหุ่นโดรน มันแปลงภาพจากกล้องให้เป็นสัญญาณให้เซลล์รับภาพของแมลงวัน [4]

จากนั้นอ่านค่าจากเซลล์สั่งการที่แมลงวันจริงใช้บังคับปีก ออกมาเป็นคำสั่งให้โดรน [4]

ส่วนที่น่าสนใจคือผู้ทำเขียนไว้ตรงๆ ว่าฟังก์ชันที่ใช้แปลงภาพ ตัวขับเคลื่อนการบิน และชั้นอ่านค่า ทั้งหมดถูกออกแบบโดยทีม ไม่ได้มาจากผัง [4]

และยังมีตัวควบคุมการบินของโดรนคอยประคองแยกอีกชั้น [4]

โครงการที่สองคือการเอาสมองชุดเดียวกันนี้ไปเทรดเงินดิจิทัล โดยมองกราฟแท่งเทียนเป็นภาพ แล้วอ่านค่าจากเซลล์ที่เกี่ยวข้องกับรางวัลและการลงโทษ [5]

ผลที่ออกมาคือวันแรกปิดที่กำไรหนึ่งดอลลาร์ จากเงินตั้งต้น 100 ดอลลาร์ [5]

ผู้ทำเองออกมาบอกตรงๆ ว่าการที่จุดเชื่อมเปลี่ยน ไม่ได้พิสูจน์ว่าโมเดลเรียนรู้ที่จะเทรดเก่ง [5]

และยังเตือนว่าการที่ราคาบิทคอยน์ขึ้น ทำให้คนซื้อดูเก่งได้เหมือนกัน [5]

ส่วนที่ผมอยากให้ระวังเป็นพิเศษ

ในกระแสนี้มีเรื่องที่ถูกเล่าปนกัน และผมคิดว่าควรแยกให้ชัด

ความสามารถเรื่องการกินอาหารและการทำความสะอาดร่างกายเมื่อเจอฝุ่น เป็นผลจากแบบจำลองของ Shiu และทีมเมื่อปี 2024 [3]

แบบจำลองนั้นทดสอบกับแมลงวันโดยไม่มีตัวด้วยซ้ำ [6]

ส่วนกรณีการเอาไปให้ทำความสะอาดในโลกจำลองแบบมีตัว เป็นงานของบริษัท Eon Systems PBC ที่เผยแพร่เมื่อวันที่ 10 มีนาคม 2026 [6]

งานนั้นใช้แบบจำลองของ Shiu และข้อมูลแมลงวันตัวเมียจากงาน FlyWire ไม่ใช่ชุดข้อมูลตัวผู้ชุดใหม่นี้ [6]

ผมไม่พบหลักฐานว่างานเดือนกันยายนถูกนำไปสาธิตเรื่องนั้นแต่อย่างใด

ในกระแสออนไลน์มีคำกล่าวว่าสมองนี้ใช้ไฟเพียงหนึ่งมิลลิวัตต์ ซึ่งต่างจากตัวเลขของงานวิเคราะห์ที่ระบุไว้ งานวิเคราะห์พลังงานที่ตีพิมพ์เมื่อปี 2024 อ้างอิงตัวเลขของสมองแมลงวันจริงราว 120 นาโนวัตต์ [7]

มุมที่ผมมองว่าสำคัญกว่า

ต้นทุนพลังงานที่ต่างกันคนละโลก

เรื่องที่ผมว่ามีค่ามากกว่าความฮาคือเรื่องพลังงาน

สมองแมลงวันจริงทำงานด้วยกำลังไฟราว 120 นาโนวัตต์ ซึ่งน้อยกว่านาฬิกาควอตซ์หนึ่งเรือนถึงราวแปดเท่า [7]

ข้อมูลนี้มาจากงานวิเคราะห์ที่ตีพิมพ์เมื่อปี 2024 และเป็นตัวเลขของสมองแมลงวันจริง ไม่ใช่ของวงจรจำลอง 166,700 เซลล์ที่รันบนซอฟต์แวร์

ผมคิดว่านี่คือคำถามสำคัญ คำถามไม่ได้อยู่ที่ว่ามันทำอะไรได้ แต่อยู่ที่ขนาดเท่านี้มันใช้พลังงานน้อยกว่าอุปกรณ์ที่เราสร้างได้แค่ไหน

สถาปัตยกรรมที่ธรรมชาติเลือกไว้

มีข้อสังเกตหนึ่งที่ผมว่าลึกกว่าตัวเดโม คือโครงสร้างของมันน่าจะเปิดใช้งานเฉพาะเซลล์ที่จำเป็นต่องานตรงหน้า ไม่ได้เปิดทั้งวงจรพร้อมกัน

ผมเปรียบเทียบว่ามันคล้ายกับวิธีที่โมเดล AI ขนาดใหญ่ในปัจจุบันเลือกเปิดใช้งานเพียงบางส่วนตามความจำเป็นของแต่ละงาน

และผมสังเกตว่าฝั่ง AI เราต้องจ่ายพลังงานมหาศาลเพื่อฝึกให้มันเลือกเป็น ส่วนฝั่งนี้โครงสร้างถูกคัดเลือกมาแล้วตั้งแต่แรก

การเปรียบเทียบนี้เป็นข้อสังเกตของผมเอง และผมยังไม่มีหลักฐานว่างานวิจัยระบุเรื่องการเลือกเปิดใช้งานเซลล์ไว้

ผมไม่ได้บอกว่าสมองแมลงวันเทียบเท่าโมเดล AI เพราะขนาดต่างกันมาก และงานนี้ยังไม่มีตัวเลขว่าเทียบเท่าโมเดลกี่พารามิเตอร์

แต่คำถามที่ว่า ถ้าเราไม่ต้องฝึกทุกอย่างตั้งแต่ศูนย์ แล้วเริ่มจากโครงสร้างที่ผ่านการคัดเลือกมาแล้ว จะประหยัดกว่าไหม

นั่นเป็นคำถามที่ผมว่าคุ้มค่าแก่การลอง

แล้วมันบอกอะไรกับคนที่ทำงานกับ AI

สามคำถามก่อนจะเชื่อเดโมถัดไป

จากเรื่องนี้ ผมสรุปเป็นสามข้อที่ผมใช้เอง

หนึ่ง ผังการเชื่อมต่อกับพฤติกรรมเป็นคนละเรื่อง ระหว่างสองสิ่งนั้นต้องมีคนเขียนโค้ดเชื่อมต่ออยู่เสมอ ส่วนชั้นอ่านค่าที่ฝึกมานั้นมีขนาดเล็ก

สอง ถ้าเดโมดูฉลาดเกินคาด ให้หาว่าส่วนไหนถูกเขียนขึ้นมา และส่วนไหนมาจากผัง

สาม ตัวเลขที่จำกันต่อๆ มา มักเป็นของงานคนละชิ้น ให้กลับไปหาต้นฉบับก่อนแชร์

มุมที่ผมมองว่าสำคัญที่สุด

ผมว่าคุณค่าที่แท้จริงของเรื่องนี้ไม่ใช่ว่าแมลงวันทำอะไรได้ในเกม

แต่มันคือการที่เราแปลงระบบประสาทของสิ่งมีชีวิตจากเนื้อเยื่อ เป็นภาพ เป็นกราฟ และเป็นวงจรที่รันได้จริง แล้วเปิดให้คัดลอกซอฟต์แวร์ได้ไม่จำกัด

ทุกครั้งที่คุณเห็นคลิปแมลงวันทำอะไรแปลกๆ ในสัปดาห์ต่อจากนี้ ลองถามตัวเองดูว่าผังกับพฤติกรรมต่างกันตรงไหน

มันจะช่วยให้คุณแยกได้ว่า อะไรคือความก้าวหน้าจริง และอะไรคือการนำเสนอที่เติมเข้าไปทีหลัง

---

แหล่งอ้างอิง

[1] Google Research / HHMI Janelia และคณะ, "MaleCNS v1.0" หน้าทางการของชุดข้อมูล (ที่มา ทีมงาน ใบอนุญาต CC-BY) · การตีพิมพ์ในวารสาร Cell (3 กันยายน 2026) · https://male-cns.janelia.org

[2] pages.hashir.dev, "The internet is torturing a fruit fly" สรุปกระแสและคำเตือนว่าทุกเดโมมีมนุษย์ตัดสินใจและมีชั้นอ่านค่าที่ฝึกมาแล้ว (14 กันยายน 2026) · https://pages.hashir.dev/fly

[3] Proje Defteri, "How to Run the Fruit Fly Brain Simulation Yourself" อธิบายวิธีแบบจำลอง Shiu และชี้ว่าตัวเลข 50 ล้านจุดเชื่อมเป็นของ FlyWire ปี 2024 (13 กันยายน 2026 / อ้างงานปี ค.ศ. 2024) · https://projedefteri.com/en/blog/fruit-fly-brain-simulation

[4] GitHub, "SpikeCalls/FlyDrones" โครงการบังคับโดรนด้วยผังการเชื่อมต่อ พร้อมระบุว่าส่วนเชื่อมต่อถูกออกแบบโดยมนุษย์ (กันยายน 2026) · https://github.com/SpikeCalls/FlyDrones

[5] Edgen, "Fly brain turns $100 into $101 trading Bitcoin" รายงานการเทรดและคำเตือนของผู้ทำว่ายังไม่พิสูจน์การเรียนรู้ (11 กันยายน 2026) · https://edgen.tech/en/news/post/fly-brain-turns-100-into-101-trading-bitcoin

[6] Eon Systems PBC, "How the Eon Team Produced a Virtual Embodied Fly" งานจำลองที่มีตัว ใช้แบบจำลอง Shiu และข้อมูล FlyWire ตัวเมีย (10 มีนาคม 2026) · https://eon.systems/updates/embodied-brain-emulation

[7] MACHINE LEARNING for science, "How a tiny animal helps us improve brain simulations with AI" ตัวเลขพลังงานของสมองแมลงวันและบทเรียนเรื่องโครงสร้างที่ประหยัดพลังงาน (19 ธันวาคม 2024) · https://www.machinelearningforscience.de/en/improving-brain-simulations-with-ai/