Sinar masuk ke mata majemuk lalat, menyebabkan fotoreceptor yang tersusun dalam bentuk heksagonal mengirim sinyal listrik melalui jaringan saraf kompleks, memungkinkan lalat untuk mendeteksi gerakan. Ilmuwan menciptakan jaringan otak virtual yang dapat memprediksi perilaku neuron individu dalam otak yang hidup. ModeI didasarkan pada sistem visual lalat buah, ini menawarkan ilmuwan cara untuk segera menguji ide di komputer sebelum berinvestasi minggu atau bulan dalam eksperimen yang melibatkan lalat sebenarnya atau hewan laboratorium lainnya. “Sekarang kita bisa memulai dengan tebakan bagaimana otak lalat mungkin berfungsi sebelum ada yang harus membuat pengukuran eksperimental,” kata Srini Turaga, pemimpin grup di Kampus Penelitian Janelia, bagian dari Institut Medis Howard Hughes (HHMI). Pendekatan ini, yang dijelaskan dalam jurnal Nature, juga menyarankan bahwa sistem kecerdasan buatan yang boros energi seperti ChatGPT mungkin mengonsumsi jauh lebih sedikit energi jika mereka menggunakan beberapa strategi komputasi yang ditemukan dalam otak yang hidup. Otak lalat buah “kecil dan hemat energi,” kata Jakob Macke, seorang profesor di Universitas Tübingen dan seorang penulis studi tersebut. “Dapat melakukan begitu banyak komputasi. Mampu terbang, mampu berjalan, mampu mendeteksi predator, mampu kawin, mampu bertahan hidup – menggunakan hanya 100.000 neuron.” Sebaliknya, sistem kecerdasan buatan biasanya memerlukan komputer dengan puluhan miliar transistor. Di seluruh dunia, sistem ini mengkonsumsi sebanyak listrik seperti negara kecil. “Ketika kita memikirkan KI sekarang, dorongan terdepan adalah membuat sistem ini lebih efisien,” kata Ben Crowley, seorang ilmuwan neurokomputasi di Laboratorium Cold Spring Harbor yang tidak terlibat dalam studi tersebut. Meminjam strategi dari otak lalat buah bisa menjadi cara untuk membuat itu terjadi, katanya. Sebuah model berbasis biologi: Jaringan otak virtual ini dimungkinkan oleh lebih dari satu dekade penelitian intensif tentang komposisi dan struktur otak lalat buah. Sebagian besar pekerjaan ini dilakukan, atau didanai, oleh HHMI, yang kini memiliki peta yang menunjukkan setiap neuron dan setiap koneksi dalam otak serangga tersebut. Turaga, Macke dan calon PhD Janne Lappalainen adalah bagian dari tim yang berpikir mereka bisa menggunakan peta ini untuk membuat model komputer yang akan berperilaku sama seperti sistem visual lalat buah. Sistem ini mencakup sebagian besar otak hewan tersebut. Tim ini mulai dengan connectome lalat, peta rinci dari hubungan antara neuron. “Itu memberi tahu Anda bagaimana informasi bisa mengalir dari A ke B,” kata Macke. “Tapi itu tidak memberi tahu Anda rute mana yang sebenarnya diambil oleh sistem.” Ilmuwan telah dapat menangkap sekilas proses ini di otak lalat buah yang hidup tapi mereka tidak memiliki cara untuk menangkap aktivitas ribuan neuron yang merespon sinyal secara real time. “Otak begitu kompleks sehingga saya pikir satu-satunya cara kita akan dapat memahaminya adalah dengan membangun model yang akurat,” kata Macke. Dengan kata lain, dengan mensimulasikan otak, atau bagian dari otak, di komputer. Jadi tim memutuskan untuk membuat model dari sirkuit otak yang memungkinkan lalat buah untuk mendeteksi gerakan, seperti pendekatan tangan yang bergerak cepat atau pemukul lalat. “Tujuan kami bukan membangun detektor gerakan terbaik di dunia, tetapi menemukan yang melakukannya seperti lalat melakukannya.” Tim ini mulai dengan versi virtual dari 64 jenis neuron, semua terhubung dengan cara yang sama seperti dalam sistem visual lalat. Lalu jaringan “menonton” klip video yang menggambarkan berbagai jenis gerakan. Akhirnya, sistem kecerdasan buatan diminta untuk mempelajari aktivitas neuron saat klip video diputar. Akhirnya, pendekatan itu menghasilkan model yang dapat memprediksi bagaimana setiap neuron dalam jaringan buatan akan merespon terhadap video tertentu. Mengagumkan, model tersebut juga memprediksi respons neuron dalam lalat buah yang sebenarnya yang telah melihat video yang sama dalam studi sebelumnya. Alat untuk ilmu otak dan AI: Meskipun paper yang menggambarkan model itu baru saja keluar, model itu sendiri telah tersedia selama lebih dari satu tahun. Ilmuwan otak telah memperhatikannya. “Saya menggunakan model ini dalam pekerjaan saya sendiri,” kata Cowley, yang laboratoriumnya mempelajari bagaimana otak merespons rangsangan eksternal. Dia mengatakan model itu telah membantunya menilai apakah ide-ide layak diuji pada hewan. Versi mendatang dari model diperkirakan akan meluas di luar sistem visual dan mencakup tugas-tugas di luar mendeteksi gerakan. “Kita sekarang memiliki rencana bagaimana membangun model otak utuh dari otak yang melakukan komputasi menarik,” kata Macke.
