농민신문이 「틱톡부터 운전·코인까지…개발자들의 기상천외 ‘가상 초파리’ 실험」 (2026-09-23)이라는 기사를 냈다. 요지는 이렇다. 초파리 신경계 전체의 배선도(커넥톰, connectome)가 공개되자 전 세계 개발자들이 그 배선도를 컴퓨터에 띄워 스마트폰 영상을 보여주고, 차를 몰게 하고, 코인을 사고팔게 하고 있다. 그리고 그 실험 대부분이 대학이나 연구소가 아니라 깃허브를 통해 알려지고 있다.

기사를 읽고 실제 리포지토리를 찾아가 README 와 결과표를 직접 읽었다. 이 글은 그 기록이다. 데이터가 어디서 왔는지, 개발자들이 무엇을 만들었는지, 그리고 “초파리 뇌가 운전한다” 는 말을 어디까지 믿어도 되는지.

TL;DR

  • 2026-09-03, 수컷 초파리 중추신경계 전체(뇌 + 복부신경삭) 커넥톰 MaleCNS 논문이 Cell 에 실렸다. 프리프린트 기준 뉴런 166,691 개, 세포 유형 11,691 개.
  • 2024 년 암컷 초파리 뇌 커넥톰 FlyWire 가 Nature 에 먼저 나왔다 (뉴런 139,255 개, 화학 시냅스 약 5,000 만 개).
  • 개발자 프로젝트의 공통 구조: 배선(누가 누구와 연결되는가)은 측정값 그대로, 입력·출력 연결과 학습 규칙은 사람이 설계.
  • 믿을 만한 프로젝트는 대조군을 둔다. 같은 조건에서 배선만 무작위로 섞은 가짜 뇌와 성능을 비교하는 것이다. 이 비교가 없으면 “초파리 뇌라서 됐다” 는 말은 증명된 게 아니다.

1. 데이터 — MaleCNS 와 FlyWire

커넥톰은 전자현미경으로 뇌를 얇게 잘라 찍고, 그 이미지에서 뉴런 하나하나와 시냅스를 재구성한 배선도다.

  FlyWire (FAFB) MaleCNS
대상 성체 암컷 뇌 성체 수컷 중추신경계 전체 (뇌 + 복부신경삭)
규모 뉴런 139,255 개, 화학 시냅스 약 5×10⁷ 개 뉴런 166,691 개, 세포 유형 11,691 개
논문 Dorkenwald et al., Nature (2024) Cell (2026-09), 프리프린트 bioRxiv (2025)
공식 사이트 flywire.ai male-cns.janelia.org

FlyWire 수치는 Nature 논문 초록에, MaleCNS 수치는 bioRxiv 프리프린트 초록에 나온다. MaleCNS 공식 사이트에 따르면 v1.0 데이터는 2026-06-08 에 공개됐고, 논문은 2026-09-03 에 출판됐다. 데이터는 프로젝트 사이트의 다운로드 페이지와 neuPrint 에서 받을 수 있다.

MaleCNS 논문의 본래 주제는 게임이 아니라 성적 이형성이다. 프리프린트 초록에 따르면 수컷과 암컷 뇌를 시냅스 해상도로 비교해 동형 7,205 유형, 이형 114 유형, 수컷 특이 262 유형, 암컷 특이 69 유형을 찾았고, 성 특이·이형 뉴런은 감각·운동 말단이 아니라 고위 뇌 중추에 몰려 있었다.

참고로 개발자 리포들이 적는 “2,560 만 개 연결” 은 시뮬레이션용 그래프의 엣지 수다. 논문이 세는 시냅스 수와 단위가 다를 수 있으니, 두 숫자를 바로 비교하지 않는다.

2. 출발점 — 커넥톰을 “돌리는” 모델

배선도 자체는 정적인 그래프다. 이것을 움직이게 한 대표적인 연구가 Shiu et al. A Drosophila computational brain model reveals sensorimotor processing (Nature, 2024)이다.

  • FlyWire 배선도와 신경전달물질 정보만으로 뇌 전체를 LIF(leaky integrate-and-fire) 모델로 만들었다.
  • 모델에서 단맛·물 감지 미각 뉴런을 활성화하면, 실제로 맛에 반응하고 섭식 개시에 필요한 뉴런들을 정확히 예측했다.
  • 모델의 예측을 광유전학 실험과 행동 실험으로 검증했다.

코드는 philshiu/Drosophila_brain_model 에 공개돼 있고 (MIT, ⭐344), 이후 나온 많은 개발자 프로젝트가 이 모델을 기반으로 하거나 이 방식을 참고했다.

3. 기사에 나온 프로젝트들 — 리포를 직접 확인했다

⭐ 숫자는 2026-09-25 오전 GitHub API 로 잰 값이다.

3.1 초파리가 운전한다 — suanmiao/fly-self-driving

기사가 캡처로 소개한 리포다. github.com/suanmiao/fly-self-driving (MIT)

README 가 밝히는 구조는 기사보다 훨씬 구체적이다.

  • 측정값: MaleCNS 의 뉴런 165,122 개와 연결 25,563,197 개. 누가 누구와 연결되는지(인접 행렬)는 절대 바뀌지 않는다.
  • 학습값: 시냅스마다 이득(gain) 하나, 뉴런마다 누설(leak) 하나, 총 25,728,319 개 파라미터. 전부 초파리 배선 안에서만 존재한다.
  • 설계 후 고정: 64×32 픽셀 앞유리 화면을 시각엽 감각 뉴런 4,114 개에 무작위로 연결하는 사상, 복부신경삭 운동 뉴런 708 개를 조향각으로 바꾸는 무작위 판독.
  • 학습 방법: 전문가 운전 정책을 따라 하도록 먼저 학습(behaviour cloning)하고, 이어서 DAgger(Ross et al., 2011)로 세 번 보정한다. H100 한 장으로 약 35 분.

기사의 “60 번 중 58 번 완주, 충돌 없음” 은 README 의 결과와 일치한다. 학습에 쓰지 않은 도로 20 개씩 세 세트에서 20·19·19 번 완주했고, 차량 충돌은 없었다. 그런데 결과표 전체를 봐야 제대로 읽힌다.

모델 (교통 있음, 20 개 도로) 완주
전문가 (실제 상태를 읽음) 20
선형 모델, 파라미터 1,153 개 12
MLP, 은닉층 40, 파라미터 4.6 만 개 18
초파리 커넥톰, behaviour cloning 만 12
초파리 커넥톰 + DAgger ×3 20 · 19 · 19
같은 방법, 배선을 무작위로 섞은 그래프 16

기사도 짚었듯 무작위 배선이 16/20 으로 더 낮다. 실제 배선 구조가 도움이 됐을 가능성을 보여 주는 결과다. 다만 동시에 파라미터 4.6 만 개짜리 작은 MLP 가 18/20 을 냈다. 초파리 뇌가 이 과제에 특별히 뛰어나다는 뜻은 아니고, “측정된 배선이라는 제약 안에서도 학습이 된다” 에 가깝다. README 도 한계를 적어 두었다. 아직 브레이크를 밟지 못하고, 조건마다 학습 시드가 하나뿐이다.

흥미로운 발견이 하나 더 있다. 원래 레시피는 결정할 때마다 신경 상태를 초기화했는데, 초기화하지 않고 이어 가게 바꾸자 첫 과제에서 같은 그래프의 성공이 20 개 중 3 개에서 17 개로 뛰었다. README 의 표현으로는 “진짜 파리는 리셋하지 않는다.”

이 프로젝트는 Mark Unthank 의 MarkUnthank/flyhard (MIT, ⭐82)를 재현하면서 시작했다. 커넥톰 기반 초파리가 CARLA 시뮬레이터에서 운전대를 조작하도록 학습시킨 프로젝트다. README 에 따르면 Kylon 워크스페이스의 에이전트들이 25 달러 미만의 GPU 비용으로 만들었다(기사의 “AI 를 활용해 25 달러도 안 되는 비용”).

3.2 초파리가 코인을 산다 — nftechie/stonkfly

기사가 소개한 Stonkfly 는 github.com/nftechie/stonkfly (MIT, ⭐819) 에 있다. 이름과 README 의 수치(시각 입력 3,335 개, 도파민 세포 15 개)가 기사와 일치한다.

  • 코인베이스 공개 시세를 RGB 차트 이미지로 바꿔 밝기 입력 3,335 개와 R8 색 입력 811 개를 자극한다.
  • 그래프는 MaleCNS v1.0 전체(뉴런 166,700 개, 연결 2,560 만 개).
  • 고정된 신경 판독이 매수·매도·보유를 제안하고, Coinbase AgentKit 으로 만든 액션 프로바이더가 한도를 검사한 뒤 현물 주문을 낸다.
  • 포트폴리오가 이익이면 PAM11 도파민 세포 15 개, 손실이면 PPL101 혐오 도파민 세포 2 개를 자극한다.

README 가 스스로 적은 한계가 눈에 띈다.

수익을 내는 학습은 입증되지 않았다. 보상 신호는 사람이 설계한 것이고 모델링된 통증 수용체가 아니다. 시냅스가 바뀐다고 해서 거래를 배운다는 뜻은 아니다.

기본값은 모의 거래(잔고 100 달러)이고, 실거래를 켜려면 사용자가 최대 100 USDC 의 전용 포트폴리오와 출금 권한이 없는 API 키를 직접 만들어야 한다. 주문당 최대 10 달러, 하루 24 회, 공매도·레버리지 없음. 20 달러 손실에서 신규 주문을 멈추지만 보유분을 청산하거나 추가 손실을 막아 주지는 않는다고 명시돼 있다. 실험을 대하는 태도가 성숙하다.

3.3 초파리가 쇼트폼을 본다 — FlyTok

기사에 따르면 휴대전화 화면(90×160 픽셀)을 시각 뉴런 3,335 개에 넣고, 영상이 넘어갈 때마다 도파민 뉴런 15 개를 자극해 화면을 쓸어 올리는 동작을 반복하게 만든 풍자 프로젝트다.

공식 깃허브 리포는 찾지 못했다. flytok 이름으로 검색되는 리포들은 설명이 없거나 무관한 것이어서 여기 링크하지 않는다. 비슷한 발상의 공개 리포로는 MaleCNS 기반 영상 피드 실험인 ranagwho/Fruitfly-Doomscroller (MIT, ⭐13, “FlyScroll”)가 있다. 모델링된 시각·버섯체(mushroom body) 활동이 다음 영상으로 넘길 시점에 영향을 주는 구조다.

4. 기사에 없던 프로젝트들

기사 이후로도 목록은 계속 늘고 있다. 가장 잘 정리된 곳은 큐레이션 리스트 cobanov/awesome-fly (CC0, ⭐609)다. 이 리스트는 항목마다 “전체 그래프인지 회로 일부인지”, “무엇이 학습되고 무엇이 고정인지” 를 굵게 표시한다.

프로젝트 내용 결과에 대해 스스로 밝힌 것
nftechie/doomfly (⭐398) MaleCNS 시뮬레이션이 Doom 을 한다 학습으로 생존하는 것은 입증되지 않음. v6 후보가 시각·조건화·생존 검증을 모두 통과하지 못했고, 실패 결과를 리포에 포함
SpikeCalls/FlyDrones (⭐230) 카메라 → 초파리 눈 → 스파이킹 뇌 → 하행 뉴런 → 드론 —
nftechie/flm (⭐92) 고정된 언어 모델을 MaleCNS 커넥톰에 결합해 대화 —
Kisame76/drosophila-brain-mlx (⭐2) Shiu 모델의 Apple MLX/Metal 포팅 아무것도 학습하지 않음. 단맛 입력에 운동뉴런 MN9 가 약 67 Hz 로 발화하지만, 연결 수만 같게 섞은 배선에서는 5 개 시드 모두 침묵

마지막 항목이 특히 좋다. 학습이 전혀 없으니 결과는 순수하게 배선에서 나온다. 같은 입력이 실제 배선에서는 운동 뉴런까지 가고, 섞은 배선에서는 가지 않는다. 대조군이 어떤 역할을 하는지 가장 깔끔하게 보여 주는 예다.

데이터를 직접 다루고 싶다면 R 패키지 natverse/malecns (GPL-3.0)가 Janelia FlyEM 최신 데이터셋 접근을 제공한다.

5. 읽는 법 — “초파리 뇌가 운전한다” 를 어디까지 믿을까

이 프로젝트들을 볼 때 세 가지를 확인하면 과장과 실제를 구분할 수 있다.

  1. 무엇이 측정값이고, 무엇이 설계값인가. 배선은 측정값이지만 뉴런 동역학(LIF, rate 모델), 화면을 뉴런에 잇는 방식, 출력을 행동으로 바꾸는 판독, 보상 신호는 전부 사람이 정했다. doomfly README 의 표현대로 “이것은 재구성된 살아 있는 파리 뇌 그 자체가 아니다.”
  2. 무엇이 학습되는가. fly-self-driving 은 시냅스 이득 2,570 만 개를 역전파로 학습한다. 배선이 고정이어도 이 정도 파라미터면 많은 것을 맞출 수 있다. 반대로 MLX 포팅처럼 아무것도 학습하지 않는 경우도 있다. 둘은 전혀 다른 주장이다.
  3. 대조군이 있는가. 무작위 배선, 작은 MLP, 선형 모델과 비교했는가? 비교했다면 차이가 얼마인가? fly-self-driving 은 무작위 배선보다 낫지만 작은 MLP 와는 비슷하다. 이 두 비교를 같이 보여 준다는 점이 오히려 이 리포를 믿게 만든다.

마무리

기사가 짚은 흐름은 사실이다. 과학 데이터가 공개되자 연구실 바깥의 개발자들이 곧바로 그것을 재료로 쓰기 시작했다. 그리고 AI 에이전트 덕분에 그 비용이 수십 달러 수준으로 떨어졌다.

리포들을 직접 읽으며 더 인상적이었던 건 따로 있다. 잘 만든 프로젝트일수록 실패와 한계를 먼저 적는다. Stonkfly 는 “수익 학습은 입증되지 않았다” 를, doomfly 는 “생존 학습은 입증되지 않았다” 를 README 첫머리에 적었다. fly-self-driving 은 자기 결과보다 좋은 MLP 결과까지 표에 넣었다. 재미로 시작한 실험이지만, 태도는 과학 논문에 가깝다.

References

1차 출처 (논문·공식 데이터)

GitHub 리포지토리 (README 기준, 2026-09-25 확인)

보도

  • 농민신문, 「틱톡부터 운전·코인까지…개발자들의 기상천외 ‘가상 초파리’ 실험」 (2026-09-23) — nongmin.com