Eon tái tạo não ruồi giấm bằng LIF: Bước tiến mới từ đội ngũ nghiên cứu Trung Quốc

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

22-08-2026 20:21:07 Nguồn: QbitAI

Tái thiết lập các bối cảnh thực tế thành thế giới kỹ thuật số 4D có thể tính toán và cập nhật liên tục.

Yunzhong, đưa tin từ Aofeisi, QbitAI | Tài khoản chính thức QbitAI

Một con ruồi giấm kỹ thuật số vừa đưa khái niệm "tải lên não bộ" (brain uploading) lên xu hướng tìm kiếm, thì một đội ngũ Trung Quốc đã nhắm thẳng vào ba mảnh ghép khó nhất của nó: không thỏa mãn với các neuron LIF đơn giản hóa, không thỏa mãn với các bối cảnh mô phỏng vật lý được thiết lập sẵn, và càng không thỏa mãn với việc chỉ tạo ra một sinh vật kỹ thuật số biết cử động. Họ muốn kết nối trực tiếp mô hình não bộ tinh vi, thế giới kỹ thuật số được hình thành từ bối cảnh thực tế và các giao diện liên cơ thể.

Tháng 3 năm nay, Eon Systems đã công bố một "con ruồi giấm kỹ thuật số" biết tìm kiếm thức ăn và chải râu trong môi trường ảo. Nó dựa trên hệ thống kết nối (connectome) của ruồi giấm trưởng thành, bao gồm khoảng 140.000 neuron và 50 triệu kết nối synapse, sau đó được kết nối với một cơ thể sinh học có 87 khớp độc lập, giúp hoạt động thần kinh, chuyển động cơ thể và phản hồi môi trường tạo thành một vòng lặp hoàn chỉnh lần đầu tiên.

Ngay khi video xuất hiện, tuyên bố "não ruồi giấm đã được tải lên" nhanh chóng lan truyền. Tuy nhiên, bản thân Eon Systems cũng khá thận trọng: hiện tại họ đang sử dụng mô hình neuron LIF (Leaky Integrate-and-Fire) đơn giản hóa, và một phần ánh xạ giữa não bộ với cơ thể vẫn do con người thiết lập, chỉ bao phủ một lượng nhỏ cảm giác đầu vào và hành vi. Đây giống như một nền tảng nghiên cứu và chứng minh khái niệm đầy ấn tượng hơn là một con ruồi giấm sinh học được sao chép hoàn hảo.

Chính tại thời điểm này, đội ngũ Trung Quốc Zhiyue Spatial Intelligence (Zhiyue) đã ra mắt DeepSoma. Họ không định nghĩa sản phẩm của mình là "một con vật kỹ thuật số khác", mà thay vào đó cố gắng xây dựng một nền tảng cơ sở mô phỏng toàn não bộ ở tầng sâu hơn: biến thế giới thực thành môi trường có thể tính toán, biến các ràng buộc sinh học và cấu trúc kết nối toàn não bộ thành các mô hình có thể vận hành, sau đó kết nối mô hình đó vào các cơ thể khác nhau.

Tóm tắt trong một câu: Eon Systems đã trình diễn "một bộ não ruồi giấm đơn giản hóa điều khiển một cơ thể ảo mô phỏng vật lý".

DeepSoma trình diễn một kết quả quyết liệt hơn: đưa bộ não ruồi giấm được khôi phục hoàn chỉnh vào vận hành trực tiếp trong thế giới thực và cơ thể thực.

Vậy, liệu nó có thực sự là "phiên bản nâng cấp" của Eon Systems?

Con ruồi giấm kỹ thuật số đơn giản hóa đã đủ gây phấn khích, nhưng đối với DeepSoma, đây không phải là điểm kết thúc, mà là mục tiêu nhắm vào ba mảnh ghép khó nhất.

Giải pháp công khai của Eon là não ruồi giấm LIF dựa trên ràng buộc connectome; trong khi DeepSoma nhấn mạnh vào mô hình hóa vật lý sinh học của các neuron tinh vi.

Eon sử dụng mô hình LIF (Leaky Integrate-and-Fire) để chứa khoảng 140.000 neuron và 50 triệu kết nối synapse, sử dụng động lực học thần kinh tương đối đơn giản và hiệu quả để thiết lập vòng lặp đóng giữa não và cơ thể ruồi giấm.

DeepSoma lại tiếp tục mô hình hóa sâu hơn từ bên trong từng neuron đơn lẻ: các cơ chế vật lý sinh học như sợi nhánh (dendrite), thân tế bào (soma), điện thế màng, kênh ion và synapse đều được chuyển đổi thành các trạng thái tính toán có thể giải quyết và quan sát được, sau đó kết nối theo connectome thành các mạch thần kinh và mạng lưới toàn não bộ.

Cách tiếp cận trước giúp các mạch của não ruồi giấm vận hành; cách tiếp cận sau muốn đi sâu vào từng đơn vị tính toán trong mạch đó để tìm ra trí tuệ thực sự được tính toán như thế nào.

Ruồi giấm của Eon hoàn thành vòng lặp cảm giác - hành động trong môi trường mô phỏng vật lý; trong khi DeepSoma trước hết tái thiết lập các bối cảnh thực tế thành thế giới kỹ thuật số 4D có thể tính toán và cập nhật liên tục.

Bản demo công khai của Eon dựa vào công cụ vật lý MuJoCo và cơ thể ruồi giấm ảo, nhận đầu vào cảm giác, tạo ra hành động và nhận phản hồi trong môi trường mô phỏng được thiết lập sẵn. DeepSoma không thỏa mãn với mô phỏng, họ nhấn mạnh vào việc làm thế nào để khôi phục thông tin hình học, ngữ nghĩa, không-thời gian và vật lý từ thế giới thực, nhằm cung cấp một sân tập chân thực hơn cho não bộ.

Eon trình diễn một trường hợp ruồi giấm kỹ thuật số đầy ấn tượng; còn DeepSoma kết nối việc mô hình hóa thế giới thực, giải quyết toàn não bộ tinh vi và kết nối Agent liên cơ thể thành một nền tảng hoàn chỉnh.

DeepSoma tóm tắt chuỗi này thành: Build Worlds (Xây dựng thế giới), Run Brains (Vận hành não bộ), Embody Intelligence (Hiện thực hóa trí tuệ).

Tầng thế giới cung cấp môi trường tương tác, tầng não bộ vận hành động lực học từ các neuron tinh vi đến connectome toàn não bộ, và tầng Agent ánh xạ cùng một mô hình não bộ đó vào các con vật kỹ thuật số, hệ thống thí nghiệm sinh học, cánh tay robot hoặc robot hình người. Hành động của cơ thể thay đổi thế giới, trạng thái mới của thế giới lại đi vào não bộ, cuối cùng khép kín vòng lặp: Môi trường → Não bộ → Agent → Môi trường.

Tất nhiên, phạm vi nền tảng lớn hơn và mô hình hóa neuron chi tiết hơn cũng đồng nghĩa với ngưỡng xác thực cao hơn. Liệu nền tảng có thể vận hành ổn định các mạng lưới toàn não bộ quy mô lớn hơn không? Kết quả mô phỏng có độ nhất quán cao đến mức nào với hoạt động thần kinh thực tế? Việc ánh xạ não - thân có thể giảm bớt các quy tắc thủ công không? Việc di chuyển liên cơ thể có thể tái hiện trong các nhiệm vụ công khai không? Tất cả những điều này đều cần công ty trẻ Zhiyue Spatial Intelligence dần dần tìm ra những câu trả lời chính xác hơn.

Physical AI, có lẽ thực sự cần "khoảnh khắc PyTorch" của riêng mình.

Ngày nay, Physical AI đang trở thành hướng đi mới của ngành công nghiệp AI.

Nếu trí tuệ thực sự bước vào thế giới vật lý, thứ nó cần không phải là một mô hình lớn hơn hay nhiều dữ liệu hơn, mà là một mô hình kỹ thuật AI hoàn toàn mới!

Zhiyue Spatial Intelligence đã giao việc tạo ra mô hình kỹ thuật mới này cho DeepSoma.

Định vị của DeepSoma được tóm tắt là: Build Worlds. Run Brains. Embody Intelligence, làm cho thế giới có thể tính toán, làm cho não bộ có thể vận hành, làm cho trí tuệ có thể di chuyển.

Điều này khiến người ta dễ dàng liên tưởng đến PyTorch. PyTorch là một trong những khung phát triển phổ biến nhất cho học sâu hiện nay, nó không quy định mạng thần kinh phải trông như thế nào, mà cung cấp một nền tảng chung để định nghĩa, huấn luyện và vận hành các mô hình. DeepSoma muốn làm điều tương tự, chỉ là đối tượng tính toán đã mở rộng từ các mạng lưới trong thế giới kỹ thuật số sang vòng lặp khép kín bao gồm môi trường vật lý, cấu trúc não bộ sinh học và các tác nhân thông minh (Agent).

Lời kết

Khi các mô hình lớn ngày càng biết nói, biết nhìn và biết suy luận, bài toán khó thực sự tiếp theo không còn là làm cho nó trả lời đẹp hơn trên màn hình, mà là làm cho nó hoạt động ổn định và liên tục trong một thế giới không ngừng thay đổi. Đây có vẻ là khả năng sinh tồn cơ bản nhất của sinh vật, nhưng lại là bài kiểm tra đối với AI. Và tại thời điểm này, ngày càng có nhiều đội ngũ khám phá mật mã trí tuệ của Physical AI từ bộ não sinh học. Eon Systems đã dùng một con ruồi giấm kỹ thuật số để đưa "tải lên não bộ" đến trước công chúng; còn DeepSoma đặt cược rằng, điều thực sự quan trọng trong tương lai không phải là tải lên một bộ não cụ thể, mà là tạo ra một hệ thống tính toán cho phép thế giới, não bộ và cơ thể cùng tiến hóa.

Nếu lộ trình này thành công, bước nhảy vọt tiếp theo của Physical AI có thể không chỉ đến từ các mô hình lớn hơn và nhiều dữ liệu hơn, mà còn đến từ một nguyên mẫu tính toán cổ xưa và hiệu quả hơn – chính là sự sống.

Bản quyền đã được bảo hộ, không được phép sao chép hoặc sử dụng dưới bất kỳ hình thức nào nếu không có sự cho phép, kẻ vi phạm sẽ bị truy cứu trách nhiệm.