BSC 腦空間體研究中心
一個專題一堂課:圍繞一個概念、一套工具,或一份別人公開的程式碼,從頭做到能自己重跑
這裡的每一堂課都圍繞一件具體的事——一篇論文提出的概念、一個研究上真的會用到的資料庫,或一份宣稱「果蠅大腦會玩遊戲」的公開程式。課裡把這件事叫錨:頁面上每一個數字最後都要對回去的那樣東西。課程不是操作手冊:介面會改版、資料會換版、程式會更新,但「一個問題怎麼變成一串可以重跑的步驟」不會。
四堂課裡有兩堂會把工作交給 AI Agent——會自己執行指令、寫程式的 AI 助理。課程把它跑的過程與寫出來的程式都存了下來,讀的時候不需要自己有 AI Agent 服務的帳號;最後一個部分教你讀懂它寫的東西。
LPU 是 local processing unit 的縮寫。2011 年那篇論文提出:腦區的邊界不看「解剖學家看得見的形狀」,看「有沒有自己的在地神經元」——神經元有長長的分枝可以伸到別的腦區,在地神經元是分枝全部留在同一個腦區裡、不往外送訊號的那種。從 Chiang 等人 2011 年那篇的定義出發,把論文定義 LPU 的七個步驟拆開重做一遍,再交給 AI Agent 跑,最後讀懂它寫出來的程式。
專題 2 怎麼用 Virtual Fly BrainVirtual Fly Brain 是一個線上的果蠅神經系統知識庫。這堂課教你把手上的問題變成它答得出來的查詢:學完能給一個腦區或神經元的名字,查出它在哪、連到誰、用的是哪一版資料、它找「長得像的神經元」時給的相似度分數能信到什麼程度。中間會經過兩個概念:座標系與標準腦(讓不同個體的腦能對齊的共同座標),以及連結體(一顆腦裡每顆神經元連到誰的完整清單)。資料會出新版、舊版的名字或編號會被停用,所以要知道自己查的是哪一版。最後三個部分做一件完整的事:把十條指令交給 AI Agent,只用這個資料庫的資料,重算一篇 2025 年 Nature 論文的細胞型普查(把長相、接線一樣的神經元歸成一型,數每一型各有幾顆),看公開資料能不能得到論文的數字,最後讀懂它寫出來的程式。
專題 3 果蠅大腦玩 Doom:重現 fruitfly-lab把別人公開的程式碼在自己的電腦上重跑一次,逐項判斷「對上了沒有」,再做作者沒做的檢查。對象是一個把果蠅連結體接到電腦遊戲上的專案(是電腦模擬,不是真的果蠅):fruitfly-lab 從全腦切出一段視覺追蹤迴路,沒有任何訓練,直接讓它在 Doom 裡轉身開火。重現時發現兩件事。一、跑這個遊戲的程式(遊戲引擎)換一個小版號(像 1.3.0 變 1.3.2 這種小改版),每一局的分數都不一樣。二、模型瞄準開火的那些時刻,腦送往身體的出口神經元其實完全沒有放電(放電:神經元有在活動的訊號);開火靠的是迴路中段的那對神經元,因為作者把那對神經元的放電設定成了按鍵。最後一個部分把一鍵重跑叫到的每一支程式讀一遍,讀者是沒寫過程式的人。
專題 4 蕈狀體學 21 點:重現 fly-blackjack同樣是重現,對象換成一個會學習的模型:fly-blackjack 從雄果蠅連結體切出蕈狀體(果蠅負責嗅覺學習的腦區),把牌面編成「氣味」送進去,贏了讓報獎賞的那群多巴胺神經元放出多巴胺、輸了讓報懲罰的那群放(果蠅腦裡有兩群不同的多巴胺神經元),讓它學 21 點。成績的改善重現得出來;作者說它學到某張打法表(什麼牌面該要牌、該停牌的對照表),我們重跑看不到那張表;作者只推論沒驗證的那一層接線(多巴胺神經元連到哪些輸出神經元;輸出神經元就是專題 3 說的那種出口神經元,負責把結果送出去),我們打亂之後它不只學不會,還學反(贏了的那種打法反而做得更少、輸了的那種反而做得更多):作者的結論成不成立,全押在這層他沒驗證過的接線上。第五個部分把三萬手錄成影片,逐手看神經元怎麼亮、多巴胺怎麼閃;第六個部分把一鍵重跑叫到的每一支程式讀一遍。
四堂課都有不需要寫程式的部分:專題 1 的 PART 1–3、專題 2 的前五個部分(在瀏覽器裡做得完)、專題 3 與專題 4 的 PART 1 與 PART 5。幾堂課都有「讀程式」的部分(專題 1 的 PART 4–5、專題 3 與 4 的 PART 6),只要求讀、不要求會寫,也不教語法。要動手的部分都只要求「會在終端機(電腦裡打字下指令的視窗,Windows、Mac、Linux 都內建)貼上指令」,指令都附在頁面上。四堂課彼此獨立,不必照順序讀。
頁面上每一個數字,都要有一份存下來的原始輸出可以對回去。專題 1(論文型)對回論文全文;專題 2(工具型)對回向服務查來、存成檔案的回應,課裡叫「探針輸出」;專題 3 與專題 4(重現型)對回在本機實跑後存下的輸出檔與終端機紀錄。所以每一堂課都附著它自己的程式與資料,讀者可以自己重跑一次:要嘛得到同一份原始輸出,要嘛知道差在哪裡。
會變的東西都標了日期。看到的數字跟頁面上不一樣是正常的——課程會告訴你怎麼查出來是哪一個變了。
它們的錨不一樣,所以查證的方式也不一樣:
LPU 的錨是一篇論文,而論文不會變。所以那堂課的每一句引文都能回到原文逐字比對,每一個數字都能用同一份本機資料(論文公開的神經元影像資料,課程把需要的部分附在下載包裡)重算。它要處理的是另一種困難:論文沒有交代的那些決定——那些你不自己補上就跑不動、補了又會影響結論的空缺。例如論文要判斷兩顆神經元有沒有碰到,得先決定「多近算碰到」;那堂課實測換一個距離結果差很多,而論文沒有交代為什麼選那個距離。
Virtual Fly Brain(VFB)的錨是一個會改版的線上服務,而服務隨時會變。所以那堂課不描述介面、能給網址就給網址,並且把每一次查詢的原始回應存成檔案;服務換版之後重跑一次,程式就會列出哪些數字動了。它要處理的困難是:同一顆神經元,在這個服務的不同資料集、不同版本裡,「連到誰、連幾條」的數字會不一樣——而你得知道哪一個才是你要的。
兩堂重現課的錨各是一份釘在固定版本上的程式碼與資料,程式碼不會變,但跑它的環境會變:遊戲引擎換一個小版號、別人寫好拿來用的程式零件(套件)換一版、作者的說明文件少寫一個設定,數字就不一樣了。所以這兩堂課在跑之前就先寫下「怎樣算對上」——有的要一個數字都不差,有的只要求在誤差範圍內,有的只要求條件之間的高低順序一樣——跑完再逐項判。例如 Doom 那堂拿整顆腦的模擬當對照:切出來的那段迴路的結果,只要求和整顆腦的結果差在誤差範圍內,差太多就表示切錯了。它們要處理的困難是:重現成功只證明「照作者的做法會得到作者的數字」,不證明作者的結論;所以對上之後還要往前一步,做作者沒做的檢查:加大樣本、換一種對照、改讀別的神經元、打亂作者沒打亂的那一層接線。兩堂的差別在模型有沒有在學:Doom 那堂的迴路沒有任何訓練,問的是「真實量到的接線,加上人為指定的輸入(眼睛)與輸出(按鍵),能不能直接用」;21 點那堂的蕈狀體會隨多巴胺改變連結,問的是「它學到的東西是不是作者說的那樣」。
前兩堂課的結尾看起來一樣,其實不是(這一段是給四堂都看過的人的,第一次來可以跳過)。兩邊最後都把工作交給 AI Agent、再回頭讀它寫出來的程式,但要它補的東西不同:LPU 那邊補的是論文沒交代的決定,VFB 這邊補的是資料庫沒交代的決定——哪一套資料、哪一版、什麼算一個細胞型、拿哪個欄位當兩份資料對照的依據。前者你在紙上看得到空缺,後者要問過服務才知道空缺在哪裡。兩堂重現課不交給 AI Agent,而是讓你自己當審稿人:作者的程式你拿得到,空缺要自己跑過才會現形。
四堂課其實是同一件事的幾個面:把一個數字交代清楚,別人才重跑得出來。