Как ученый (и специалист по информатике) я считаю, что если мы не можем смоделировать процесс, значит, мы не поняли его должным образом. Я довольно давно слежу за интересной областью искусственной жизни , и результаты отрезвляют — позвольте мне просто процитировать два абзаца из текущих обзорных статей:
Одна вещь, которая, кажется, всегда случается с такими проектами, заключается в том, что после того, как они достигают своей намеченной цели, если «эволюционной» программе позволяют работать дальше, она не производит дальнейших улучшений. Это именно то, что произошло бы, если бы все знания об успешном роботе исходили от программиста [...]
Вот почему я сомневаюсь, что какая-либо «искусственная эволюция» когда-либо создавала знание. У меня такое же мнение, по тем же причинам, относительно несколько иного вида «искусственной эволюции», которая пытается развить смоделированные организмы в виртуальной среде, и того вида, который противопоставляет разные виртуальные виды друг другу.
Источник: Дэвид Дойч (2011): Начало бесконечности.
Один из первых сетевых экспериментов с искусственной жизнью был основан на хорошо известной системе A-Life Tierra. Он был создан в начале 1990-х годов экологом Томом Рэем для моделирования in silico основных процессов эволюционной и экологической динамики. После того, как Рэй начал свою работу, он вскоре осознал потенциал Интернета для создания большой сложной среды, в которой цифровые организмы могли бы свободно развиваться. Поэтому он создал проект под названием Network Tierra, чтобы использовать этот потенциал.
Результаты этого эксперимента были неоднозначными. Одной из целей Network Tierra было воспроизвести кембрийский взрыв, в ходе которого одноклеточные организмы на Земле быстро превратились в многоклеточные, а затем в более сложных животных.
Эксперимент in silico начался с созданного человеком многоклеточного организма, состоящего из двух разных типов клеток. Это выжило в условиях естественного отбора, что само по себе было значительным успехом, но количество типов клеток никогда не превышало двух.
Источник: MIT Technology Review (2014): Любопытная эволюция искусственной жизни.
Дело в том, что я сам много успешно работал с генетическими алгоритмами и генетическим программированием (я также преподаю этот материал), но что меня беспокоит, так это то, что мы до сих пор не можем создать какую-то абстрактную форму (ко)эволюции внутри компьютера. где имеет место некая реальная динамика, производящая все более и более изощренные «виды».
Мой вопрос
: Есть ли намеки со стороны биологических наук, что это может быть за таинственный ингредиент, который нам до сих пор не хватает? Это физика? Это химия? Это что-то другое?
РЕДАКТИРОВАТЬ
Очевидно, что вопрос не ясен в его нынешнем виде, поэтому я пытаюсь уточнить: я имею в виду сложность получающихся «видов» в искусственных симуляциях жизни. Например, их поведенческая или структурная сложность. Почему эти симуляции всегда застревают на каком-то очень низком уровне (например, следуя за едой) и никогда даже не создают что-то настолько сложное, как бактерия? Вычислительных мощностей уже должно быть более чем достаточно - и все равно ничего... Кажется, что выходит только то, что было заложено в симуляцию, но реальная эволюция производит что-то действительно новое (это мнение известного ученого и эрудита Дэвида Дойча ( Оксфордский университет) означает: «Я сомневаюсь, что какая-либо «искусственная эволюция» когда-либо создавала знание».)
РЕДАКТИРОВАТЬ2
Натаниэль дал мне решающий намек в комментариях, что эта проблема называется «неограниченной эволюцией (OEE)» в сообществе Alife, и это одна из самых больших исследовательских задач — еще не решенная! В качестве отправной точки см. здесь: https://www.google.de/search?q=%22open-ended+evolution%22&artificial&life .
Очень интересно, что это, кажется, не беспокоит биологическое сообщество и встречает здесь даже враждебность (некоторые даже читают мне лекции о том, что доказательства эволюции неопровержимы, и тем самым намекают, что я могу быть каким-то сумасшедшим креационистом - невероятно...)
... и нет, ответ - это не вопрос мнения (почему этот вопрос был закрыт), а действительный исследовательский вопрос (надеюсь, когда-нибудь появятся хорошие ответы)!
EDIT3
В прошлом году была даже большая конференция по этой теме с множеством интересных результатов (хотя сама проблема до сих пор не решена):
http://www.tim-taylor.com/oee1/
См. также мой дополнительный вопрос здесь:
Если эволюция не связана с увеличением сложности, почему развивается такая большая сложность?
Вопрос кажется интересным и заставил меня задуматься, но я не могу полностью понять его. Дайте мне знать, если я отвечаю на ваш вопрос.
Генетический алгоритм против моделирования эволюционных процессов
Я думаю, что вся проблема возникает из-за путаницы между концепцией моделирования эволюционных процессов и использованием генетического алгоритма (типа алгоритма оптимизации) для различных целей.
Генетический алгоритм
Генетический алгоритм — это тип алгоритма оптимизации (и ОП знает в этой области гораздо больше, чем я), направленный на поиск решений задач поиска. Точность аналогии между генетическим алгоритмом и биологической реальностью, которая вдохновила такой алгоритм, совершенно не имеет отношения к полезности алгоритма при выполнении конкретной задачи (такой как, например, NP-сложная задача коммивояжера ).
Численное моделирование в науке
Я думаю, что ваш вопрос относится не только к эволюционной биологии, но и к науке в целом (это наводит меня на мысль, что Philosophy.SE будет хорошим местом, чтобы задать такой вопрос).
В естественных науках (физике, химии, биологии и других) мы моделируем! Мы абстрагируем главное от сложного мира и моделируем его. Когда мы моделируем, мы предполагаем ряд свойств интересующей нас системы. Эти предположения могут быть очень хорошо задокументированы и проверены или нет. Когда допущения модели недостаточно документированы, конечно, важно апостериорно изучить устойчивость модели к нарушению допущений и рассмотреть результаты модели с долей скептицизма. Модель может быть чисто словесной или чаще всего выражаться в математических формулировках. Однако многие сложные системы не поддаются математическому моделированию (даже самым блестящим математикам). Здесь в игру вступает численное моделирование. Обратите внимание, что после моделирования процесса
Ты говоришь:
если мы не можем смоделировать процесс, мы не поняли его должным образом
Если мы уже поняли процесс, нет смысла тратить время и деньги на его моделирование! Итак, опять же, это предложение говорит о том, что численное моделирование бесполезно в науке. Правда, мы можем моделировать только те процессы, для которых нам известны основные компоненты (но мы можем не понимать динамику интересующей нас системы).
Моделирование в эволюционной биологии
Вы цитируете одну работу (с которой я не знаком), в которой не удается воспроизвести наблюдаемую закономерность. Другими словами, предсказания модели не выполняются/не соблюдаются в реальности.
Как я сказал выше, нужно понимать основные компоненты системы, чтобы иметь возможность ее моделировать. Мы, оказывается, уже знаем изрядное количество вещей! Конечно, невозможно ответить на вопрос «что мы знаем в биологии», так как это было бы слишком широко. Существуют тысячи исследований, в которых использовалось численное моделирование (а также математическое моделирование) для изучения эволюционных процессов.
Пример
Представьте, например, что вам интересно узнать вероятность того, что данная новая нейтральная мутация увеличится в частоте в диплоидной популяции, чтобы достичь «фиксации» (то есть частота равна 1; тогда все несут этот мутантный аллель). Существует ряд математических моделей (модель дрейфа генов Райта-Фишера (биномиальная), модель Морана (модель рождения-смерти) и модель слияния (процесс ветвления)) для расчета этой вероятности, но давайте предположим, что нам не удалось разработать такую математическую/аналитическую модель. и и нам нужно смоделировать это. Мы могли бы моделировать этот процесс много раз (используя подход типа ABC) и вычислять ожидаемую вероятность закрепления такого мутантного аллеля. Кстати, эта вероятность , куда - эффективная численность населения.
Хотите узнать больше?
Я не философ науки (но аспирант, использующий численные инструменты для моделирования эволюционных процессов), и я думаю, что этот вопрос не относится к эволюционной биологии. Я бы рекомендовал задать вопрос What is usefulness of numerical modelling in science?
или Are numerical modeling worth as much as analytical modelling in science?
на Philosophy.SE .
Если вы это сделаете, не могли бы вы дать ссылку на свои сообщения здесь, я хотел бы прочитать ответы. Если вы не зададите эти вопросы на Philosophy.SE, я, вероятно, когда-нибудь это сделаю и добавлю ссылки сюда.
[...] reaching some level complexity
. Вы имеете в виду сложность модели?artificial life experiments
относится к определенному типу симуляции, то, думаю, ваш вопрос относительно ясен. Но я предполагаю, что большинство людей не знают, что именно подразумевается под artificial life experiments
(по крайней мере, я не знаю)Согласен с предыдущим ответом.
Есть ли намеки со стороны биологических наук, что может быть этим таинственным ингредиентом, которого мы, кажется, до сих пор не замечаем? Это физика? Это химия? Это что-то другое?
ОП, похоже, уже поддерживает теорию эволюции, как и любой человек с базовыми знаниями биологии.
Поскольку он спрашивает о возможном «таинственном ингредиенте», вопрос, скорее всего, будет касаться стимуляции эволюционного процесса, а не общего алгоритма.
Более конкретно, он хочет стимулировать эволюцию, чтобы узнать, поддержит ли «теория вероятностей» теорию эволюции без какой-либо необходимости в «таинственном ингредиенте».
Как было сказано выше, без полного понимания всех компонентов системы может быть трудно стимулировать эволюционный процесс. Даже в этом нет необходимости.
Но если вы хотите проверить , может ли сложная характеристика быть достигнута случайно , вы можете легко стимулировать ее каким-либо другим методом.
Разработайте программу, которая имеет функцию «обнаружения лица» (из изображения), и добавьте некоторые другие функции, такие как саморепликация, принудительная «мутация» и среда, которая выберет наиболее приспособленных. Попробуйте суперкомпьютеры, где ваше программное обеспечение будет самореплицироваться «неограниченное» количество раз в секунду, и считайте себя успешными, когда ваша программа через несколько лет получит более новую функцию, такую как определение «пола» по изображению или (при условии, что функция обнаружения пола сделает программа "установщик" в вашей среде)
вонджд
УПП
вонджд
вонджд
УПП
вонджд
вонджд
АлисаД
УПП
УПП
вонджд
вонджд
вонджд
вонджд
Н. Дева
Н. Дева
Н. Дева
вонджд
вонджд
УПП
УПП
вонджд
УПП
вонджд
АлисаД
вонджд
вонджд
УПП
вонджд
УПП
ДвухместныйДабл
Н. Дева
УПП
вонджд
УПП
вонджд
УПП
вонджд
УПП
Кайл Стрэнд
УПП
вонджд
Кайл Стрэнд
УПП
вонджд
УПП
Кайл Стрэнд
Кайл Стрэнд
вонджд
Крис
Крис
вонджд
Кайл Стрэнд
Кайл Стрэнд
Кайл Стрэнд
вонджд
Кайл Стрэнд
Крис
Кайл Стрэнд
Кайл Стрэнд
вонджд
всз
йтеры