Sinek Beyni Bilgisayara Nasıl Yüklendi? Kendin Çalıştır

“Sinek beyni bilgisayara yüklendi” cümlesi bu hafta her yerdeydi. Cümlenin yarısı doğru, yarısı değil. Doğru olan kısım, bir hayvanın bütün sinir sisteminin nöron nöron, sinaps sinaps haritalanmış olması ve bu haritanın herkesin indirebileceği bir dosya olarak durması. Yanlış olan kısım, o dosyanın bir “sinek” olduğu fikri.

Bu yazıda önce ne yayınlandığına, sonra Doom oynayan sineğin nasıl çalıştığına, en sonunda da bunu kendi bilgisayarınızda nasıl çalıştıracağınıza bakıyoruz. 👇🏻

Ne Oldu? MaleCNS v1.0

Janelia’nın FlyEM ekibi, Cambridge Üniversitesi, MRC Laboratuvarı ve Google Research’ün ortak projesi MaleCNS, yetişkin erkek meyve sineğinin (Drosophila melanogaster) merkezi sinir sisteminin tamamını kapsıyor: beyin, optik loblar ve omuriliğe denk gelen ventral sinir kordonu. Veri seti 8 Haziran 2026’da v1.0 olarak açılmıştı; 3 Eylül’de Cell‘de yayınlanan makale ve Google’ın blog yazısıyla konu genel kamuoyuna ulaştı, viral dalga da oradan başladı.

Yöntem, Google’ın 2018’den beri geliştirdiği konektomik hattının aynısı: sinek elektron mikroskobunda milyonlarca ince dilime kesiliyor, her dilim görüntüleniyor, sonra flood-filling network adı verilen bir yapay zeka modeli bu 2B görüntülerden 3B nöron şekillerini çıkarıyor. Yeni sürümde PATHFINDER adlı bir yeniden yapılandırma sistemi ve eğitim verisine eklenen sentetik nöronlar hata oranını düşürmüş. Son sözü yine insanlar söylüyor: Janelia’daki uzmanlar 166 bin nöronu tek tek doğrulayıp 11.691 tipe ayırdı.

Erkek haritasının bilimsel değeri, dişi FlyWire haritasıyla yan yana konabilmesi. Makalenin başlığı da zaten bu: cinsel dimorfizm. Kur yapma ve saldırganlık devrelerinde iki cinsiyet arasındaki kablolama farkları ilk kez sinaps düzeyinde görülebiliyor.

Konektom Nedir, “Yükleme” Neden Yanlış Kelime?

Konektom, bir sinir sistemindeki bütün nöronların ve aralarındaki bağlantıların listesi. Elektronikçi diliyle: netlist. Hangi pin hangi pine gidiyor, kaç telle gidiyor. Bu kadar.

Netlist size devrenin ne yaptığını söylemez. Direnç değerleri, kondansatör kapasiteleri, transistörlerin karakteristikleri yoktur. Konektomda da aynısı eksik: sinapsların gerçek ağırlıkları, nöronların zar dinamikleri, nörotransmitter miktarları, hormon etkileri, öğrenmeyle değişen bağlantılar. Harita sabit bir anın fotoğrafı; canlı sinek her saniye bu haritayı değiştiriyor.

Peki nasıl oluyor da bu “boş” şema bir şey yapıyor? Cevap 2024’te Philip Shiu ve ekibinin Nature‘da gösterdiği yöntem. Her nörona en basit modeli koyuyorsunuz: leaky integrate-and-fire (sızdıran topla-ateşle). Nöron gelen sinyalleri toplar, eşik aşılınca ateşler, aksi halde yük sızar. Sinaps ağırlığı olarak iki nöron arasındaki sinaps sayısını alıyorsunuz; nörotransmitter tahminine göre bağlantıyı uyarıcı ya da baskılayıcı yapıyorsunuz. Hepsi bu.

Sonra deney: şeker algılayan tat nöronlarını 150 Hz’de uyarın. Modelde hortumu uzatan MN9 motor nöronu 150 Hz’de ateşliyor, yani sinek “yemeye” başlıyor. Acı algılayan nöronları da uyarın, MN9 14 Hz’e düşüyor. Modele “yemek” diye bir şey kodlanmadı. Davranış, yalnızca kablo şemasından çıktı. Viral demoların hepsi bu bulgunun üstüne kurulu.

Doom Oynayan Sinek Nasıl Çalışıyor?

Alex Wormuth’un DOOMFLY projesi kodu açık olduğu için işleyişi tam olarak biliyoruz. Döngü şöyle:

1. Kare girer. ViZDoom motoru bir Doom karesi üretir. Kare küçültülüp sineğin gözündeki fotoreseptörlere eşlenir: 3.335 parlaklık girişi (R1-R6 hücreleri) ve 811 renk girişi (R8 hücreleri). Sinek gerçekte de böyle görür: her ommatidyum bir piksel.
2. Beyin çalışır. 166.700 nöron ve 25,6 milyon bağlantı üstünde yaklaşık nöron dinamiği hesaplanır. Görsel sinyal optik loblardan merkez beyne yayılır.
3. Tuş çıkar. Sabit bir arayüz, beyinden omuriliğe inen iki nöron grubunun aktivitesini okur: DNp20 aktifse karakter döner, DNpe017 aktifse yürür ve ateş eder. Gerçek sinekte bu inen nöronlar kaçış ve yönelme davranışını başlatır.
4. Ceza verilir. Karakter hasar alırsa iki PPL101 dopamin hücresine 200 milisaniyelik yapay bir itici sinyal gönderilir. Dopamin kapılı bir bellek kuralı, mantar gövdesindeki 4.184 KC→MBON11 bağlantısının ağırlığını değiştirir. Gerçek sinekte koku ile ceza eşleştirmesini öğrenen devre tam olarak burası.

Beat Saber demosu (@lyraaaa) ve Minecraft videosu (Ro0oney) aynı iskeleti kullanıyor: kare gir, inen nöronları oku, tuşa çevir. StonkFly’da giriş bir mum grafiği, çıkış al/sat/bekle; kâr 15 PAM11 dopamin hücresini, zarar 2 PPL101 hücresini uyarıyor.

“Sinek ne kadar uyarılmışsa o kadar ateş ediyor” esprisi de buradan geliyor. Ekranda hareket arttıkça görsel nöronlar daha çok ateşliyor, DNpe017 daha sık eşiği geçiyor, karakter daha çok tetik çekiyor. Strateji değil, refleks.

Viral Demolar ve Zaman Çizelgesi

3 Eylül: Google Research blog yazısı ve Cell makalesi.

6 Eylül: Alex Wormuth, sinek beynini Doom oynamaya “eğittiğini” duyurdu. Kaynak kod ve DOOMFLY demosu 9 Eylül’de geldi.

Alex Wormuth: MaleCNS v1.0 ile sinek beynine Doom oynatma denemesi (video)

7 Eylül: Jessica Paquette, Mario 64 oynayan sinek. Aynı gün Ro0oney’nin “I Put A Fly’s Conscious Brain into Minecraft” videosu, üç günde 241 bin görüntülenme.

Jessica Paquette: sinek beyniyle Mario 64 (video)

9 Eylül: lyra bubbles, Beat Saber klibi. İki günde 22 milyon görüntülenme, viral dalganın asıl tetikleyicisi. Sahibi sonradan netleştirdi: videodaki motor sistem kaydedilmiş bir hareket dizisini tekrarlıyor, görsel tepkiler henüz pekiştirmeli öğrenmeyle eğitiliyor.

lyra bubbles: "the fly brain can play beat saber" (video)

10 Eylül: Yine Wormuth, StonkFly: sinek beynine 100 dolar verip Coinbase’de Bitcoin alıp sattırdı, 3,4 milyon görüntülenme. Aynı gün paralel park eden sinek (@alright_mark), 1,5 milyon.

Alex Wormuth: sinek beynine 100 dolarla Bitcoin alım-satımı (video)

11-12 Eylül: Türkçe basın konuyu “sinek beyni dijital ortama aktarıldı” başlığıyla verdi; Google’da “sinek beyni” araması bir günde sıfırdan zirveye çıktı.

Kendin Çalıştır: Üç Seviye

Seviye 1: Tarayıcıda gez, kurulum yok

Veri setinin resmi kapısı male-cns.janelia.org . Buradan üç araca geçiliyor:

• neuPrint (neuprint.janelia.org, male-cns:v1.0 veri seti): bir nöron tipi yazıyorsunuz, ona giren ve ondan çıkan bütün bağlantıları sinaps sayılarıyla listeliyor. DOOMFLY’daki DNp20’yi buraya yazıp kaç nörondan sinyal aldığını görebilirsiniz.
• Neuroglancer: 3B görüntüleyici. Tek bir nöronu seçip bütün dallarıyla döndürebiliyorsunuz. Tarayıcıda çalışıyor, WebGL yeterli.
• Dimorphism Explorer: aynı nöron tipinin erkek ve dişi sinekteki halini yan yana koyuyor.

Toplu indirme sayfasında görüntüler, sinaps tabloları ve nöron iskeletleri var. Programatik erişim için Python’da neuprint-python, R’da malecns paketi.

Seviye 2: Dizüstünde tam beyin simülasyonu

Oyun kısmı olmadan yalnızca “kablo şeması davranış üretir mi” deneyini yapmak isteyenler için en temiz yol flypoke. Shiu modelini dişi FlyWire haritası (783 sürümü, 139 bin nöron) üstünde koşturuyor; GPU gerekmiyor.

git clone https://github.com/vshapenko/flypoke
cd flypoke
uv sync
uv run flypoke download   # ~850 MB, bir kez
uv run flypoke feeding    # şeker / acı deneyi

İlk çalıştırma ağırlık matrisini kurduğu için bir dakika sürüyor, sonraki bir saniyelik denemeler birkaç saniye. Asıl eğlence kendi nöronunuzu dürtmek:

uv run flypoke poke --stim "cell_sub_class=sugar/water" --rate 150 --trials 5 \
  --watch "cell_sub_class=ingestion_motor_neuron"

Bu komut Nature makalesindeki sonucu masanızda tekrar ediyor: 129 tat nöronunu 150 Hz’de uyarın, MN9 150 Hz’de cevap versin; 65 acı nöronunu ekleyin, 14 Hz’e düşsün.

Seviye 3: Doom veya borsa

DOOMFLY (github.com/nftechie/doomfly): Python 3.11 ve üstü, C++ derleyici, ViZDoom, izleyici arayüzü için Node.js 22. Bellek “birkaç GB” deniyor ama 16 GB rahat edin. Kurulum sırası: sanal ortam, requirements-neural.txt, sonra üç MaleCNS dosyasını indirip sağlama toplamlarını doğrulayan python -m doom.connectome malecns_v1, ardından doom.prepare ve doom.build_kernel. Simülasyon python -m doom.server --model experimental-v6 --learning ile başlıyor, izleyici ayrı terminalde npm run dev.

StonkFly (github.com/nftechie/stonkfly): daha basit, dört komut.

python3.11 -m venv .venv && source .venv/bin/activate
pip install -e '.[test]'
python -m stonkfly prepare
python -m stonkfly run

Varsayılan mod kâğıt alım-satım: gerçek BTC-USDC verisi, 100 dolar sanal bakiye, API anahtarı yok. Canlı mod için Coinbase anahtarı gerekiyor; depo bunu en fazla 100 USDC’lik portföy, 10 dolarlık emir ve günde 24 denemeyle sınırlamış. Gerçek parayla denemeyin; README zaten “kârlı öğrenme gösterilmemiştir” diyor.

Sinek Öğreniyor mu? Bilinçli mi?

İki soruya da kısa cevap: hayır.

Öğrenme. DOOMFLY’ın deposunda bir doğrulama raporu var ve rapor dürüst: mevcut v6 adayı görme, koşullanma ve hayatta kalma kapılarının üçünü de geçemedi. Ağırlıkların değişmesi ve turların uzaması “öğrenme” sayılmıyor. StonkFly’da da aynı not düşülmüş. Dopamin kuralı bir şeyleri değiştiriyor, ama değişen şey ölçülebilir bir beceriye dönüşmüyor.

Bunun yapısal bir sebebi var. Haritada plastisite yok. Gerçek sinek Doom oynasa milyonlarca sinaps saatler içinde yeniden şekillenirdi; modelde yalnızca 4.184 bağlantı, elle seçilmiş bir kuralla değişiyor. Bir de nöromodülatör sorunu: dopamin, oktopamin, serotonin gerçek beyinde devrenin bütün kazancını değiştirir, modelde ise ya uyarıcı sayılıyor ya yok sayılıyor.

Bilinç. Konektom bir sinek değil, bir sineğin bağlantı listesi. Reddit’te dolaşan “sinek sonsuz Doom cehenneminde acı çekiyor” senaryosu iyi bir felsefe egzersizi ama modelde acıyı üretecek hiçbir mekanizma yok; PPL101’e giden sinyal bir sayı. Human Brain Project 2013’te on yılda insan beynini simüle etmeyi vaat etmiş, 750 nörobilimcinin açık mektubuyla karşılanmış ve 2023’te hedefe ulaşmadan kapanmıştı. Sinek çok daha küçük bir hedef, yine de “kablo şeması artı basit nöron” ile “zihin” arasındaki mesafe hâlâ kapanmış değil.

Sırada Ne Var?

Ölçek uçurumu net. Sinek 166 bin nöron. 2025’te yayınlanan MICrONS veri seti bir fare görme korteksinin 1 milimetreküplük parçasında yaklaşık 200 bin hücre ve 500 milyonu aşkın sinaps çıkardı; fare beyninin tamamı bunun yaklaşık 500 katı. İnsan beyni 86 milyar nöron. Google’ın kendi tahmini, tam bir fare beyni haritasının bu on yıl içinde mümkün ama zettabayt ölçeğinde veri gerektirdiği yönünde.

Yakın vadede daha ilginç olan, iki tam sinek haritasının artık yan yana durması. Kur yapma devresindeki erkek-dişi farkları ilk somut bulgu; öğrenme merkezi mantar gövdesinin iki cinsiyette nasıl farklı kablolandığı sonraki soru. Hobici tarafında ise flypoke gibi araçlar “beyin simülasyonu” kavramını ilk kez bir dizüstü bilgisayara sığdırdı. Bir sonraki viral demo büyük ihtimalle Doom değil, birinin kendi evinde bulduğu gerçek bir devre olacak.

Sık Sorulan Sorular

Sinek beyni gerçekten bilgisayara yüklendi mi? Hayır. Yüklenen şey nöronların bağlantı haritası, yani konektom. Sinaps ağırlıkları, nöron dinamikleri ve öğrenmeyle değişen bağlantılar haritada yok. Geliştiriciler bu haritanın üstüne basit bir nöron modeli koyarak simülasyon çalıştırıyor.

Konektom nedir? Bir sinir sistemindeki bütün nöronların ve aralarındaki sinaptik bağlantıların listesi. MaleCNS v1.0 erkek meyve sineğinin tamamı için 166.700 nöron ve yaklaşık 125 milyon sinaps içeriyor.

Sinek beyni Doom’u nasıl oynuyor? Her oyun karesi 3.335 parlaklık ve 811 renk girişi olarak göz nöronlarına veriliyor. Sinyal 166.700 nöronluk simülasyondan geçiyor; DNp20 inen nöronu aktifse karakter dönüyor, DNpe017 aktifse yürüyüp ateş ediyor. Hasar alınca PPL101 dopamin hücrelerine 200 ms’lik ceza sinyali gidiyor.

Sinek öğreniyor mu? Hayır. DOOMFLY’ın kendi doğrulama raporuna göre v6 modeli görme, koşullanma ve hayatta kalma testlerini geçemedi. StonkFly için de kârlı öğrenme gösterilmedi.

Simülasyonu kendi bilgisayarımda çalıştırabilir miyim? Evet. flypoke, GPU olmadan dizüstünde çalışıyor ve 850 MB veri indiriyor. DOOMFLY ve StonkFly için Python 3.11, C++ derleyici ve 16 GB RAM yeterli. Veri seti CC-BY lisanslı ve neuPrint üzerinden tarayıcıda da gezilebiliyor.

Bu harita insan beyni için ne zaman yapılır? Yakın zamanda değil. İnsan beyni 86 milyar nöronla sineğin 500 bin katı büyüklükte. Bir sonraki hedef tam fare beyni ve o bile zettabayt ölçeğinde veri gerektiriyor.