초파리 뇌는 어떻게 오목을 둘까How does a fruit fly brain play Omok?

과학자들이 초파리 한 마리의 뇌를 아주아주 얇게 잘라 현미경으로 찍고, 뇌세포 16만 개가 서로 어떻게 손잡고 있는지 지도로 그렸어요. 우리는 그 지도를 한 줄도 고치지 않고 컴퓨터 속 초파리 뇌로 써요.

Scientists sliced one fruit fly’s brain into super-thin layers, photographed each one with a microscope, and drew a map of how about 160,000 brain cells hold hands with each other. We use that map as the fly brain inside our computer — without changing a single line.

과학자들이 수컷 초파리 한 마리의 뇌와 신경 전체를 전자현미경으로 찍어 만든 공개 뇌 배선도를 씁니다. 뇌세포(뉴런) 약 16만 개와, 그 사이를 잇는 연결이 모두 들어 있습니다.

이 배선은 연습(학습)으로 고치지 않습니다. 오목을 잘 두도록 연결을 바꿔 가며 훈련하는 보통의 인공지능과 달리, 실제 동물의 뇌 회로를 그대로 쓴다는 점이 핵심입니다.

We use a public brain wiring map that scientists built by imaging the whole brain and nerve cord of one male fruit fly with an electron microscope. It holds about 160,000 brain cells (neurons) and the connections between them.

This wiring is never changed by training. Unlike typical AI, which rewires itself to get better at a game, we use a real animal’s brain circuit just as it is. That’s the key idea.

데이터: MaleCNS v1.0 (FlyEM / HHMI Janelia, University of Cambridge, MRC LMB, Google Research), CC BY 4.0. 성체 수컷 뇌 + 복측신경삭(VNC). FlyWire 데이터는 쓰지 않았습니다.

시냅스 연결의 구조·부호·세기는 실행 중 어떤 경로로도 갱신되지 않습니다(가소성 없음). 데이터 정리·부호 결정 방식 등 처리 세부는 비공개입니다.

Data: MaleCNS v1.0 (FlyEM / HHMI Janelia, University of Cambridge, MRC LMB, Google Research), CC BY 4.0. Adult male brain + ventral nerve cord (VNC). No FlyWire data is used.

The structure, sign, and strength of synaptic connections are never updated at runtime by any pathway (no plasticity). Processing details, such as data cleanup and how signs are assigned, are not disclosed.

오목판에는 놓을 곳이 너무 많아요. 그래서 도우미 로봇(엔진)이 먼저 “여기랑 여기가 괜찮아” 하고 몇 군데만 골라 줘요. 지금 막지 않으면 바로 지는 자리처럼 아주 급할 때는 도우미가 직접 둬요.

An Omok board has way too many places to play. So a helper robot (the engine) first says, “These spots look good,” and picks just a few. When it’s really urgent — like a spot you must block right now or you’ll lose — the helper plays that move itself.

오목만 두는 계산 프로그램(엔진)이 먼저 판에서 위험한 모양(다섯 줄, 넷, 양쪽이 열린 셋 등)을 찾아내고, 둘 만한 후보 몇 개만 남깁니다. 초파리 뇌는 이 후보들 가운데서 고릅니다.

바로 이기는 수나 꼭 막아야 하는 수처럼 급할 때는 초파리를 거치지 않고 엔진이 바로 둡니다. 이때 화면에 급한 수 표시가 붙습니다. 난이도가 높을수록 엔진이 더 많이 걸러 줍니다.

First, the Omok engine — a program built just for Omok — spots threats on the board (five in a row, fours, open threes, and so on) and keeps only a few candidate moves. The fly brain chooses from among these.

When a move is urgent, like an instant win or a must-block, the engine plays it directly without asking the fly. These moves are marked Urgent move on screen. The higher the level, the more the engine filters.

구조: 규칙 기반 위협 인식 → 탐색 엔진의 후보 생성·가지치기 → (후보가 하나뿐이거나 즉시 승리·필수 방어면) 엔진이 직접 착수, 아니면 뇌 배선도(커넥톰) 시뮬레이션으로 후보 중 선택. 오목 정식 규칙에서 흑이 둘 수 없는 자리(금수)는 후보 단계에서 뺍니다.

단계별 탐색 깊이·후보 수·점수 차 기준은 비공개입니다. 단계가 오를수록 남는 후보가 줄고 서로 비슷한 수가 되므로, 실력 향상의 대부분은 엔진 쪽에서 나옵니다(아래 ‘정직한 한계’).

Pipeline: rule-based threat detection → candidate generation and pruning by a search engine → if only one candidate remains, or the move is an immediate win or forced defense, the engine plays it; otherwise a connectome simulation chooses among the candidates. Moves forbidden under Renju rules are excluded at the candidate stage.

Per-level search depth, candidate counts, and score-margin thresholds are not disclosed. At higher levels, fewer and more similar candidates remain, so most of the strength gain comes from the engine (see “Honest limits” below).

후보 자리에 돌을 놓았다고 치고, 그 주변 판 모양을 초파리 눈 쪽 뇌세포에 “반짝반짝” 신호로 보여 줘요. 내 돌, 상대 돌이 있는 곳마다 다른 세포가 반짝여요.

진짜 초파리가 오목판을 보는 건 아니에요. 사람이 만든 연결 장치예요.

We pretend a stone is placed on a candidate spot, then show the board around it to the brain cells on the fly’s eye side as twinkly signals. Different cells light up for my stones and for the other player’s stones.

A real fly isn’t actually looking at an Omok board. It’s a connector that people built.

후보 자리에 돌을 둔 뒤의 주변 판 모양을, 초파리 뇌에서 눈 바로 뒤쪽에 있는 일부 시각 뇌세포에 신호의 세기(1초에 신호를 몇 번 보내는지)로 넣어 줍니다. 내 돌·상대 돌·판 바깥·위험한 자리 같은 정보가 서로 다른 뇌세포 묶음에 들어갑니다.

이것은 실제 눈이 보는 방식이 아닙니다. 판 정보를 뇌에 전하려고 우리가 만든 연결 장치입니다. 어떤 정보를 어떤 뇌세포에 얼마나 넣는지는 공개하지 않습니다.

After a stone is placed on a candidate spot, we feed the surrounding board into some of the visual brain cells just behind the fly’s eyes, as signal strength (how many signals per second). Information like my stones, the opponent’s stones, the board edge, and dangerous spots goes into different groups of cells.

This is not how a real eye sees. It’s a connector we built to deliver board information to the brain. Which information goes to which cells, and how strongly, is not disclosed.

입력: 후보마다 같은 인코더를 쓰므로 후보를 나열하는 순서나 엔진 점수가 입력에 들어가지 않습니다. 시각엽 기둥(column)의 육각 배열을 판 좌표에 대응시키고, 선택된 시각 뉴런을 포아송(Poisson) 스파이크 원천으로 구동합니다(해당 뉴런의 막전위 대신 입력 스파이크를 부과).

광수용체 생리 모델이 아닌 공학적 인터페이스입니다. 판 조각 크기, 채널↔세포 유형 대응, 발화율 값은 비공개입니다.

Input: every candidate goes through the same encoder, so neither the order in which candidates are listed nor the engine’s scores enter the input. The hexagonal column array of the optic lobe is mapped onto board coordinates, and selected visual neurons are driven as Poisson spike sources (input spikes are imposed in place of those neurons’ membrane potentials).

This is an engineering interface, not a model of photoreceptor physiology. Patch size, channel-to-cell-type mapping, and firing-rate values are not disclosed.

눈 쪽 세포가 반짝이면, 손잡은 옆 세포에게 신호가 전해지고, 또 그 옆으로… 도미노처럼 뇌 전체로 퍼져요. 컴퓨터가 16만 개 세포의 신호를 한꺼번에 계산해요. 눈 한 번 깜빡하는 것보다 짧은 시간 동안의 일이에요.

When the eye-side cells light up, the signal passes to the cells they’re holding hands with, then to the next ones… spreading through the whole brain like dominoes. The computer works out the signals of all 160,000 cells at once. It all happens in less time than a blink.

뇌세포 하나하나를 ‘전기가 조금씩 차오르다가 가득 차면 신호를 한 번 쏘는’ 단순한 모양으로 계산하고, 배선을 따라 신호가 오가는 모습을 아주 짧은 순간 동안 따라갑니다. 계산 방법은 2024년 과학 학술지 Nature에 실린 초파리 뇌 모델을 따릅니다.

어떤 연결은 다음 세포를 깨우고(흥분), 어떤 연결은 잠재웁니다(억제). 매번 조금씩 다른 무작위 신호가 섞이기 때문에, 같은 판이라도 결과가 늘 똑같지는 않습니다.

We treat each brain cell as a simple unit that slowly charges up with electricity and fires a signal once it’s full, then follow the signals traveling along the wiring for a very short moment. The math follows a fruit fly brain model published in the science journal Nature in 2024.

Some connections wake the next cell up (excitation); others calm it down (inhibition). Because slightly different random signals are mixed in each time, the same board doesn’t always give exactly the same result.

Shiu 외(2024, Nature)의 LIF 방정식 일반형:

사건 기반·배치 방식으로 다시 작성한 구현이며 Brian2와 비트 단위로 같지는 않습니다. 시간 간격·지연·불응기·w 등 수치, 시뮬레이션 길이와 판독 창은 비공개입니다.

General form of the LIF equations from Shiu et al. (2024, Nature):

This is a rewritten event-driven, batched implementation and is not bit-for-bit identical to Brian2. Numeric values such as time step, delay, refractory period, and w, as well as simulation length and readout window, are not disclosed.

뇌에는 몸에게 “움직여!” 하고 명령하는 세포들이 있어요. 후보마다 이 세포들이 얼마나 시끄럽게 반응했는지 세어서, 가장 크게 반응한 자리에 돌을 놓아요.

Some brain cells send “Move!” commands from the brain to the body. For each candidate, we count how loudly these cells react, and place the stone where they react the most.

뇌에서 몸 쪽으로 ‘움직여’ 명령을 내려보내는 뇌세포와, 근육을 움직이는 신경세포가 후보마다 신호를 몇 번 냈는지 셉니다. 작은 점수 계산기가 이 반응을 점수 하나로 바꾸고, 점수가 가장 높은 후보에 돌을 둡니다.

For each candidate, we count how many signals were fired by the cells that send “move” commands from the brain down to the body, and by the nerve cells that move muscles. A small score calculator turns these responses into one score, and the stone goes on the highest-scoring candidate.

출력: 하행 뉴런(DN)과 운동 뉴런의 스파이크 수 → 선형 판독 → 후보별 점수 → argmax. 판독에 쓰는 뉴런 묶음 방식, 특징 변환, 계수는 비공개입니다.

Output: spike counts of descending neurons (DNs) and motor neurons → linear readout → per-candidate score → argmax. How neurons are grouped for readout, the feature transforms, and the coefficients are not disclosed.

뇌 지도는 그대로예요. 맨 끝에서 “반응을 점수로 바꾸는 작은 계산기”만 연습시켰어요.

The brain map stays exactly the same. We only trained the tiny calculator at the very end that “turns reactions into scores.”

그대로인 것: 뇌 배선 전체(무엇이 무엇과 이어졌는지, 얼마나 강한지, 깨우는지 잠재우는지).

맞춘 것: 맨 끝의 점수 계산기뿐입니다. 어떤 자료와 방법으로 맞췄는지는 공개하지 않습니다.

지금 베타 서비스에서는 진짜 초파리 뇌 대국이 열리기 전이라, 같은 난이도의 컴퓨터가 상대를 맡아요. 진짜 뇌 대국은 좌석 다섯 개로 곧 열립니다.

Unchanged: the entire brain wiring — what connects to what, how strong each link is, and whether it excites or calms.

Tuned: only the score calculator at the very end. The data and method used to tune it are not disclosed.

In the current beta, real fly-brain games haven’t opened yet, so a computer at the same level plays against you. Real-brain games will open soon, with five seats.

고정: 뇌 배선도의 연결 구조·흥분/억제 부호·시냅스 수. 학습 대상: 마지막 점수 계산층(판독층)의 매개변수만. 학습 데이터·목적함수·정규화 방식과 계수는 비공개입니다.

초파리 뇌 연습판: 실제 시뮬레이션과 점수 계산층이 고른 수를 미리 계산해 흉내 내는 경량 대체 모델을 따로 만들어 측정했습니다(현재 베타 대국에는 쓰지 않음). 실제 뇌 배선도 시뮬레이션이 고른 수와의 일치도는 아래에 공개합니다.

Fixed: connectome structure, signs, and synapse counts. Trained: readout parameters only. Training data, objective, regularization, and coefficients are not disclosed.

Practice fly brain: we separately built and measured a lightweight surrogate model that imitates the choices of the real LIF simulation + readout, computed in advance (not used in current beta games). Its agreement with the real connectome’s choices is published below.