یکی از این پروژهها ChessFly است که توسط مکسیم لابون توسعه داده شده است. در این پروژه، شبکهای مبتنی بر اتصالهای عصبی مگس برای دریافت وضعیت صفحه شطرنج و انتخاب حرکت بعدی به کار گرفته شده است. مدل ساختهشده در برابر Claude Opus 5 قرار گرفت و طبق گزارش منتشرشده، توانست بازی را تنها در ۱۱ حرکت به پایان برساند.
این مگس واقعاً شطرنج بازی نمیکند
با وجود تیترهای هیجانانگیز منتشرشده درباره این آزمایش، تفاوت مهمی میان «مغز مگس» و مدل محاسباتی الهامگرفته از آن وجود دارد. هیچ مگس واقعی پشت صفحه شطرنج قرار نگرفته و نقشه عصبی نیز بدون تغییر مستقیماً به یک بازیکن شطرنج تبدیل نشده است.
در پیادهسازی ChessFly، ساختار اتصالهای شبکه از دادههای واقعی مغز مگس گرفته شده، اما بخشهایی مانند نحوه تبدیل وضعیت صفحه شطرنج به ورودی عصبی، قدرت اتصالات، ویژگیهای نورونها و لایهای که فعالیت شبکه را به حرکت شطرنج تبدیل میکند، آموزش داده شدهاند. حتی در این پروژه از یک جستوجوی عمقی محدود نیز برای انتخاب حرکت استفاده شده است. بنابراین نتیجه بیشتر یک آزمایش مهندسی برای استفاده از یک معماری عصبی زیستی در مسئلهای جدید است تا مقایسه مستقیم هوش یک مگس با یک مدل زبانی پیشرفته.
نقشهای که به آزمایشهای عجیب ختم شد
انتشار عمومی این نقشه عصبی تنها به شطرنج محدود نمانده است. توسعهدهندگان مختلف از ساختار عصبی دیجیتال مگس برای کنترل بازیهای رایانهای، آزمایشهای رباتیک و حتی شبیهسازی معاملات ارزهای دیجیتال استفاده کردهاند.
در یکی از نمونهها، یک شخصیت در یک بازی مبارزهای با استفاده از شبکه عصبی مگس کنترل شد و در مجموعهای از مسابقات توانست بازیکن انسانی را شکست دهد. پروژههای دیگری نیز این شبکه را به رباتها و هواپیماهای کوچک متصل کردهاند تا توانایی آن در کنترل حرکت بررسی شود.
حتی نمونهای از اجرای بازی Doom با استفاده از مدل شبیهسازیشده مغز مگس منتشر شده است؛ تجربهای که نشان میدهد یک شبکه عصبی با ساختار برگرفته از یک موجود زنده میتواند پس از دریافت ورودیهای مناسب، برای وظایفی استفاده شود که هیچ ارتباط مستقیمی با رفتار طبیعی آن جانور ندارند.
چرا نتیجه شطرنج مهم است؟
اهمیت این پروژه بیشتر از آنکه به «شکست هوش مصنوعی توسط مگس» مربوط باشد، به پرسش مهندسی پشت آن بازمیگردد: آیا میتوان ساختارهای عصبی موجودات زنده را برای حل مسائل جدید بازاستفاده کرد؟
مغز مگس در مقایسه با مغز انسان بسیار کوچک است، اما شبکهای پیچیده از نورونها و اتصالات را در خود جای داده است. اکنون که نقشه این شبکه در دسترس عموم قرار گرفته، پژوهشگران و توسعهدهندگان میتوانند ساختار آن را در محیطهای دیجیتال بازسازی کنند و ببینند هنگام دریافت ورودیهای جدید، چه نوع رفتارهایی از آن حاصل میشود.
البته نباید از این آزمایش نتیجه گرفت که مغز واقعی مگس از Claude یا دیگر مدلهای هوش مصنوعی توانمندتر است. حتی در پروژه ChessFly، بخشهایی از مدل برای انجام وظیفه شطرنج آموزش داده شدهاند و نتیجه یک آزمایش کنترلشده برای یک پیادهسازی خاص است، نه یک معیار عمومی برای سنجش هوش. مشخصات منتشرشده برای مدل نیز نشان میدهد عملکرد آن بهعنوان یک بازیکن شطرنج هنوز با موتورهای تخصصی شطرنج فاصله زیادی دارد.
در واقع، جذابترین بخش این ماجرا شاید خود بازی شطرنج نباشد. انتشار نقشه اتصالهای عصبی یک مگس به پژوهشگران اجازه داده است یک «مدار عصبی زیستی» را بهعنوان ماده اولیه برای آزمایشهای محاسباتی در اختیار داشته باشند؛ مسیری که میتواند در آینده به درک بهتر نحوه پردازش اطلاعات در مغز و همچنین طراحی معماریهای جدید هوش مصنوعی کمک کند.
