脳を読み込んでいます…（30 MB ほど）
問題はテスト用の 5 フォント（練習には一度も出てこない）を毎回ちがう形にゆがめたもの。 答えの候補は、サーバの蠅がいままでに習った段の文字だけ。蠅は答えの字を前脚で地面に書き順どおりに書き、足を戻してその上で待つ — そこで答え合わせ。正解なら餌が落ちてきて食べに行く。
FlyWire の蠅の脳（キノコ体）が、サーバの上で休まずひらがなを練習している。 あ行から始めて、練習に一度も使っていないフォントで 75% 読めたら五十音の次の段に進む。 このページの蠅は、そのサーバの蠅の最新の脳をブラウザに写したもの。
…
出題の枠に書かれた字（蠅が実際に見た小さな絵）と、蠅の答えの候補、答え合わせの結果。 打ち消し線は「ちがう」と言われた候補。書いた字はここで誰でも見られる形で残るが、蠅の学習には使っていない。
小さな数字は最新テストでの文字ごとの正答率（%）。暗い字はまだ習っていない段。
縦線がレベルアップ。全記録は log.jsonl。
数字はその文字の区画の MBON が、この絵から受ける入力の強さ（学習前を 100 とする）。 いちばん入力を受けていない区画が答え。棒は他の区画よりどれだけ弱いか。
5,177 個のケニヨン細胞を FlyWire の実際の細胞体位置で並べたもの。
入力: 16×16 の各ピクセルに、685 本の嗅覚投射ニューロンを 2〜3 本ずつ割り当て、 濃さに比例した（最大 270 Hz の）ポアソン入力で叩く。数字の蠅（12×12）より細かくしたのは「ぬ/め」「る/ろ」「は/ほ」を分けるため。
符号化: ケニヨン細胞 5,177 個のうち 1 割ほどが発火する。ここまでは匂いのときと全く同じ配線。
区画: キノコ体の出力ニューロン（MBON）96 個を 46 組に分け、1 組を 1 文字の区画にした。 本物の区画は十数個しかなく、MBON の型も 35 種類なので、1 文字 = 1 型にはできない。 どの組もケニヨン細胞からの入力がほぼ同じ量になるよう配ってある。
学習（答えてから、間違えたときだけ）: 蠅はまず 0.4 秒絵を見て答える。 間違えたら、絵を見せたまま 0.3 秒ドーパミンを入れる。正しい文字の区画には普通のドーパミン — 発火中のケニヨン細胞からの結合が弱まる（Hige et al. 2015）。 蠅が選んでしまった文字の区画には逆向きの信号 — 同じ結合が強まる （ドーパミンが匂いより先に来ると増強になる、Handler et al. 2019 に対応させた）。
レベル: 1,500 枚練習するごとに、練習に使わない 5 フォント × 習った文字 × 2 通りのゆがみでテストし、 75% 以上なら次の段を解禁する。新しい段の文字が練習の半分を占めるようにしてある。
どこまで行けそうか（開発中の見積もり）: 発火パターンを保存して学習だけを近似計算した実験では、 10 文字で 9 割強、20 文字で 9 割弱、30 文字で約 8 割、46 文字全部で 7 割前後（練習 3 万枚）だった。 ケニヨン細胞の発火パターン全体を線形分類器にそのまま渡すと 46 文字で 84% なので、残りの差は「1 文字あたり MBON 2 個」という読み出しの細さから来ている。 最後の段まで 75% を保てるかは、上の記録を見るまでわからない。
限界: 練習の絵は手書きではなくフォント（Google Fonts の 35 書体）をゆがめたもの。 全脳モデルは嗅覚入力で中枢が暴走するため、キノコ体だけを動かして残りの脳は止めてある。 学習規則はこの実装で加えたもので、Shiu et al. のモデルにはない。
飛行・身づくろい・字を書く動き・キノコ体の学習規則はこのサイトで作ったもので、上のどれにも含まれていない。