Reddit 使用者以 Google 果蠅大腦結構訓練 AI 角逐 Balatro，目前勝率 20%
為何重要
此案例證明瞭 Google Connectome 生物資料的應用場景已從模擬生物神經活動擴充套件至複雜的非生物決策環境，顯示生物神經網路架構在設計 RL Agent 時的潛在適用性。 對開發者而言，*Balatro* 獨特的賈克斯（Jokers）互動與規則提供了極具挑戰性的標準，是測試 RL 模型長期穩定性的優秀示範。 這是一項偏重技術驗證與趣味展示的實驗，雖然證明瞭 RL 的通用性，但並未改變主流 AI 基礎模型的市場地位。
緊接 Google 發布雄性果蠅大腦與中樞神經系統完整地圖後不到兩週，一位 Reddit 使用者便將此生物神經結構應用於 Reinforcement Learning 框架訓練模型，目標是玩 *Balatro*。
- 目前該「果蠅大腦」模型在最低難度（White Stake）與預設 Red Deck 的條件下，對隨機種子的成功率高達 20%。
- 該使用者採用獨特的訓練策略：讓大腦裝置（連線體結構加上模型）與其自主開發的演算法同時遊玩同一個種子，並根據結果對腦模型進行獎勵或懲罰。
- 相較於 OpenAI 的 GPT-6 'Astra' 模型之前在較高難度（Gold Stack）使用 Black Deck 時取得的成功，此案例展現了不同 AI 架構處理相同複雜規則遊戲的能力差異。