เมื่อ ‘สมองแมลงวัน’ ถูกจับมาเล่น Super Mario และ Doom

เชื่อหรือไม่ว่าตอนนี้ “สมองแมลงวัน” สามารถเล่นเกมคลาสสิกอย่าง Super Mario 64 และ Doom ได้แล้ว

ใช่ครับ แมลงวันผลไม้ตัวเล็กๆ ที่บินวนอยู่รอบกล้วยสุกในห้องครัวของเรานี่แหละ

เมื่อเราเปิดเกมขึ้นมา เราจะเห็น Mario เดินไปเดินมา หันซ้ายขวา และกระโดดเป็นครั้งคราว ดูเผินๆ เหมือนมีเกมเมอร์นั่งถือจอยสติ๊กอยู่ แต่ความจริงคือไม่มีมนุษย์คนไหนควบคุม ไม่มีโมเดลอย่าง ChatGPT ที่ผ่านการเทรนมานับล้านรอบ สัญญาณทั้งหมดที่สั่งให้ Mario ขยับตัว มาจาก “แบบจำลองระบบประสาทของแมลงวัน” ทั้งตัว

ฟังดูเหมือนข่าวปลอมแต่เรื่องนี้เกิดขึ้นจริง เพียงแต่เป็นความ “จริง” ที่มีรายละเอียดต่างจากพาดหัวข่าวที่แชร์กันไวรัลพอสมควร และนัยที่ซ่อนอยู่นั้นน่าสนใจกว่าการที่ให้แมลงวันทำตัวเป็นเกมเมอร์ เพราะภายใต้โค้ดเกมเหล่านี้ มีคำถามใหญ่ของการพัฒนา AI ที่ซ่อนอยู่:

ความฉลาดของ Neural Network ควรมาจากสิ่งที่มัน “เรียนรู้” (Data/Weights) มากแค่ไหน และควรมาจากวิธีที่มัน “ถูกต่อสาย” (Architecture/Connections) มาตั้งแต่แรกมากแค่ไหน?

Connectome: แผนที่สมองที่สร้างโดย “วิวัฒนาการ”

ก่อนจะพาแมลงวันไปเล่นเกมได้ นักวิทยาศาสตร์ต้องมี “แผนที่สมอง” เสียก่อน

เมื่อวันที่ 3 กันยายนที่ผ่านมา ทีมวิจัยจาก Janelia, Cambridge และ Google Research ได้ตีพิมพ์ชุดข้อมูลสำคัญชื่อ MaleCNS ลงในวารสารระดับโลกอย่าง Cell มันคือแผนที่การเชื่อมต่อของระบบประสาทส่วนกลางทั้งหมดของแมลงวันผลไม้ตัวผู้ ครอบคลุมทั้งสมอง ส่วนประมวลผลภาพ (Optic lobes) และเส้นประสาทที่เปรียบเสมือนไขสันหลัง (Ventral nerve cord) รวมทั้งหมด 166,691 นิวรอน (Neurons) และจุดเชื่อมต่ออีกราว 25 ล้านเส้น

แผนที่ระดับเซลล์แบบนี้เรียกว่า Connectome

ให้นึกภาพ Google Maps แต่แทนที่จะบอกว่าถนนเส้นไหนเชื่อมกรุงเทพฯ กับเชียงใหม่ แผนที่นี้บอกว่านิวรอน A ส่งสัญญาณไป B กับ C, นิวรอน B เชื่อมกับ D แบบแน่นมาก และ C คอยกดสัญญาณ E ไว้ ความสัมพันธ์นับล้านคู่รวมกันเป็นเครือข่ายทางชีวภาพขนาดมหึมา

แม้ Connectome จะไม่ได้บอกสถานะทางเคมีหรือไฟฟ้าของเซลล์ทุกตัว แต่มันให้สิ่งที่มีค่าที่สุด นั่นคือ “โครงสร้างสถาปัตยกรรม” ที่ไม่ได้ออกแบบโดยวิศวกรคนใด แต่ถูกปรับแต่งมาโดยวิวัฒนาการหลายร้อยล้านปี

จากตาแมลงวันสู่จอยสติ๊ก แมลงวันเล่นเกมได้อย่างไร?

หลังจากชุดข้อมูล MaleCNS ถูกปล่อยออกมาได้ไม่กี่วัน นักพัฒนาอิสระสองคนก็นำไปต่อยอดทันที Alex Wormuth นำชุดข้อมูลไปเชื่อมต่อกับเกม Doom ส่วน Jessica Paquette นำไปต่อกับ Super Mario 64 และปล่อยโค้ดเป็น Open Source บน GitHub

วิธีทำงานของมันตรงไปตรงมากว่าที่คิด:

1. รับภาพ: เกมสร้างภาพโลกรอบตัว Mario ออกมาหนึ่งเฟรม
2. แปลงสัญญาณ: นักพัฒนาแปลงภาพนั้นเป็นสัญญาณกระตุ้นนิวรอนกลุ่มที่ทำหน้าที่คล้าย "เซลล์รับแสง" ในตาแมลงวัน
3. ประมวลผล: สัญญาณวิ่งเข้าไปในแบบจำลองระบบประสาท แพร่กระจายไปตาม Connectome
4. ออกคำสั่ง: สังเกตการทำงานของกลุ่มนิวรอนฝั่ง Output (ในแมลงวันจริงคือกลุ่มที่ส่งคำสั่งจากสมองไปที่ลำตัวให้ขยับ)
5. ควบคุมเกม: นำรูปแบบสัญญาณที่ได้มาจับคู่ (Map) กับปุ่มบนจอยสติ๊ก เช่น ซ้าย ขวา เดินหน้า หรือกระโดด

ถ้าพูดในภาษา Machine Learning ระบบประสาทแมลงวันทำหน้าที่เหมือน "Feature Extractor" ขนาดยักษ์ที่มีความจำในตัว ภาพดิบๆ ถูกป้อนเข้าไป และพ่นรูปแบบสัญญาณที่ซับซ้อนออกมา

จุดสำคัญคือ: ไม่มีการเทรนโมเดลเลยแม้แต่นิดเดียว ไม่มี Reward อะไรซ่อนอยู่ ไม่มีเป้าหมายให้เดินไปเก็บดาว นี่ไม่ใช่การจำลองแมลงวันที่มีชีวิต และ Mario สามารถเดินชนกำแพงแล้วยืนนิ่งอยู่ตรงนั้นได้อย่างสบายใจ

ไม่ต้องเทรน ก็ทำงานได้ ความลับของ Sensorimotor

คำถามที่น่าคิดที่สุดคือ ถ้าไม่ได้เทรนโมเดลเลย ทำไมผลลัพธ์ถึงไม่ออกมาเป็นแค่สัญญาณมั่วๆ (Noise)?

คำตอบคือ แม้แมลงวันจะไม่รู้จักเกมอย่าง Mario หรือ Doom แต่ระบบประสาทของมันรู้จัก “โลกที่เคลื่อนไหวได้” เป็นอย่างดี มันวิวัฒนาการมาเพื่อตอบสนองต่อการเปลี่ยนแปลงของแสง และวัตถุที่พุ่งเข้ามาจากทิศทางต่างๆ วงจรในสมองแมลงวันถูกออกแบบมาให้ทำงานขนานกันเพื่อแก้โจทย์ที่ว่า “มีอะไรพุ่งเข้ามา ควรเลี้ยวไหม กำลังบินไปทางไหน”

โจทย์เหล่านี้คือเรื่องของ Sensorimotor (การรับรู้และการเคลื่อนไหว) ซึ่งวิดีโอเกมก็มีส่วนผสมพื้นฐานเดียวกัน นั่นคือ ภาพที่เคลื่อนไหว สิ่งกีดขวาง และฟีดแบ็กต่อเนื่อง ดังนั้นเวลาเราส่งภาพ Mario เข้าไป เรากำลังป้อนข้อมูลเข้าสู่โครงข่ายที่ “ถูกปรับแต่งมาแล้วโดยธรรมชาติ” ให้แปลงข้อมูลภาพเป็นรูปแบบสัญญาณที่นำไปใช้ประโยชน์ได้จริง

เมื่อวิวัฒนาการชีววิทยา ท้าทาย AI ยุคปัจจุบัน

AI สมัยใหม่ทำงานคนละแบบอย่างสิ้นเชิง วิศวกรเป็นผู้กำหนดสถาปัตยกรรม (เช่น Transformer) จากนั้นจึงปล่อยให้การ "เทรนโมเดล" ด้วยข้อมูลมหาศาลค่อยๆ ปรับค่าพารามิเตอร์นับพันล้านตัว ความฉลาดของ AI จึงซ่อนอยู่ในค่าน้ำหนัก (Weights) ที่เรียนรู้มาเป็นหลัก

แต่วิวัฒนาการทางชีววิทยาสร้างสถาปัตยกรรมที่ต่างจาก AI ทุกวันนี้ มันมีความเบาบาง (Sparse) มีวงจรที่ส่งสัญญาณย้อนกลับ (Feedback) ตลอดเวลา การประมวลผลเกิดขึ้นตามเวลาจริง และเซลล์ประสาทสื่อสารกันเป็นจังหวะสั้นๆ (Event-driven) แทนที่จะต้องคำนวณเมทริกซ์ก้อนใหญ่พร้อมกันทุกครั้ง

งานวิจัยจากทีม Janelia ในวารสาร Nature (2024) เริ่มนำโครงสร้างสมองแมลงวันจริงไปใช้สร้าง AI สอดคล้องกับแนวคิดที่ว่า ชีววิทยากับ Deep Learning ไม่จำเป็นต้องแข่งกัน แต่เราสามารถใช้สมองจริงเป็น "เบาะแส" ว่าสถาปัตยกรรมแบบไหนที่คุ้มค่าจะนำไปพัฒนาต่อ

เล็กกว่าแต่ทรงพลังกว่า

สูตรสำเร็จของ AI ในทศวรรษที่ผ่านมาคือ ข้อมูลมากขึ้น พารามิเตอร์มากขึ้น และใช้ชิปประมวลผลมากขึ้น

แต่แมลงวันมีนิวรอนแค่แสนกว่าตัว บินในโลกสามมิติ หลบภัย หาอาหาร และตอบสนองต่อสภาพแวดล้อมที่คาดเดาไม่ได้ตลอดเวลา ด้วยการใช้พลังงานเพียง 250 นาโนวัตต์ (เศษหนึ่งส่วนสี่ของหนึ่งในล้านวัตต์) ในขณะที่ชิป GPU ที่ขับเคลื่อน AI กินไฟหลายร้อยวัตต์

นี่คือความเป็นไปได้ที่น่าสนใจ: ประสิทธิภาพของ AI ในอนาคต อาจไม่ได้มาจากการทำให้การคำนวณ “ถูกลง” อย่างเดียว แต่มาจากการรู้ว่าการคำนวณไหน “ควรทำ” และ “เมื่อไหร่ที่ควรทำ”

บทสรุป “อะไรควรต่อกับอะไรตั้งแต่แรก”

กลับมาที่ประโยคพาดหัว “แมลงวันไม่ได้เล่น Doom จริงๆ หรอก” ในทางเทคนิคคือเรื่องจริง เพราะนักพัฒนาเป็นคนตั้งค่าปุ่มให้มัน แต่การมองแค่นั้นอาจทำให้เราพลาดประเด็นสำคัญไป

ไม่กี่ปีก่อน การมีแผนที่ระดับเซลล์ของสมองทั้งตัวคือความท้าทายระดับมหากาพย์ แต่วันนี้คนสองคนสามารถดาวน์โหลดมันมาต่อเข้ากับวิดีโอเกมได้ภายในไม่กี่วัน

สิบกว่าปีที่ผ่านมา มนุษย์เก่งมากในการสอนเครื่องจักรว่า “ควรเรียนรู้อะไร” จาก Data แต่วันนี้เรามีสถาปัตยกรรมชีวภาพที่ผ่านการ “Pre-train” ด้านการต่อสายมาแล้วหลายร้อยล้านปี ซึ่งอาจช่วยตอบคำถามพื้นฐานที่สุดของการสร้างปัญญาประดิษฐ์ได้ว่า: “สถาปัตยกรรมแบบไหน ควรเชื่อมต่อกันอย่างไรตั้งแต่แรก”

ก้าวถัดไปของ AI อาจยังมาจากโมเดลที่ใหญ่ขึ้น แต่นัยสำคัญอีกด้านหนึ่ง คำตอบของอนาคตอาจนั่งรอเราอยู่ในสมองของแมลงวันมานานแล้ว... เราเพิ่งจะมีแผนที่ไปเจอมันเท่านั้นเอง

แหล่งอ้างอิง:

• MaleCNS Dataset: มาจากความร่วมมือของ Janelia FlyEM, Cambridge Drosophila Connectomics Group และ Google Research (Cell, 3 ก.ย. 2026)
• โปรเจกต์เกม: นำมาจาก GitHub ของนักพัฒนาอิสระ (Mario: github.com/ornata/fly, Doom: github.com/nftechie/doomfly) โดยนักพัฒนาระบุชัดเจนว่านี่เป็นการจำลองค่าเชิงพลวัต (Approximate dynamics) ไม่ใช่แมลงวันที่มีชีวิต
• พลังงานสมองแมลงวัน: ตัวเลข 250 นาโนวัตต์ อ้างอิงจากงานวิจัยเบื้องต้น (Preprint) ของมหาวิทยาลัยมิชิแกน (https://www.biorxiv.org/content/10.1101/2025.08.08.669302v2)