Als Wissenschaftler (und noch dazu Informatiker) bin ich der Ansicht, dass wir einen Prozess nicht richtig verstanden haben, wenn wir ihn nicht simulieren können. Ich verfolge das interessante Gebiet des künstlichen Lebens schon seit geraumer Zeit und die Ergebnisse sind ernüchternd – lassen Sie mich nur zwei Absätze aus aktuellen Übersichtsartikeln zitieren:
Eine Sache, die bei solchen Projekten immer zu passieren scheint, ist, dass, nachdem sie ihr beabsichtigtes Ziel erreicht haben, das „evolutionäre“ Programm, wenn es weiterlaufen darf, keine weiteren Verbesserungen hervorbringt. Genau das würde passieren, wenn das gesamte Wissen des erfolgreichen Roboters tatsächlich vom Programmierer [...]
Deshalb bezweifle ich, dass irgendeine „künstliche Evolution“ jemals Wissen geschaffen hat. Ich habe aus den gleichen Gründen die gleiche Ansicht über die etwas andere Art der „künstlichen Evolution“, die versucht, simulierte Organismen in einer virtuellen Umgebung zu entwickeln, und die Art, die verschiedene virtuelle Arten gegeneinander ausspielt.
Quelle: David Deutsch (2011): Der Anfang der Unendlichkeit
Eines der frühesten vernetzten Experimente mit künstlichem Leben basierte auf dem bekannten A-Life-System Tierra. Dieses wurde Anfang der 1990er Jahre von dem Ökologen Tom Ray entwickelt, um die grundlegenden Prozesse der evolutionären und ökologischen Dynamik in silico zu simulieren. Nachdem Ray mit seiner Arbeit begonnen hatte, erkannte er bald das Potenzial des Webs, eine große komplexe Umgebung zu schaffen, in der sich digitale Organismen frei entwickeln konnten. Also gründete er ein Projekt namens Network Tierra, um dieses Potenzial auszuschöpfen
Die Ergebnisse dieses Experiments waren gemischt. Ein Ziel von Network Tierra war es, die kambrische Explosion zu reproduzieren, bei der sich einzellige Organismen auf der Erde schnell zu vielzelligen und dann zu komplexeren Tieren entwickelten.
Das In-Silico-Experiment begann mit einem vom Menschen entworfenen vielzelligen Organismus, der aus zwei verschiedenen Zelltypen bestand. Dies überlebte unter natürlicher Auslese, ein bedeutender Erfolg an sich, aber die Zahl der Zelltypen stieg nie über zwei hinaus.
Quelle: MIT Technology Review (2014): The Curious Evolution of Artificial Life
Der Punkt ist, dass ich selbst viel mit genetischen Algorithmen und genetischer Programmierung gearbeitet habe (ich unterrichte dieses Zeug auch), aber was mich stört, ist, dass wir immer noch nicht in der Lage sind, eine abstrakte Form der (Ko-)Evolution in einem Computer zu erschaffen wo eine echte Dynamik stattfindet, um immer raffiniertere "Spezies" zu produzieren.
Meine Frage
Gibt es Hinweise aus den Biowissenschaften, was dieser mysteriöse Inhaltsstoff sein könnte, der uns immer noch zu fehlen scheint? Ist es Physik? Ist es Chemie? Ist es etwas anderes?
BEARBEITEN
Offensichtlich ist die Frage nicht klar, daher versuche ich eine Klarstellung: Ich beziehe mich auf die Komplexität der resultierenden "Arten" in künstlichen Lebenssimulationen. Zum Beispiel ihre Verhaltens- oder Strukturkomplexität. Warum bleiben diese Simulationen immer auf einer sehr niedrigen Ebene stecken (z. B. nach Nahrung) und erschaffen niemals etwas so Komplexes wie ein Bakterium? Die Rechenleistung sollte mittlerweile mehr als ausreichen - und trotzdem nichts... Scheinbar kommt nur das heraus, was in die Simulation gesteckt wurde, aber die echte Evolution bringt etwas wirklich Neues hervor (so der renommierte Wissenschaftler und Universalgelehrte David Deutsch ( University of Oxford) bedeutet: „Ich bezweifle, dass irgendeine ‚künstliche Evolution‘ jemals Wissen geschaffen hat.“)
EDIT2
Nathaniel hat mir in den Kommentaren einen entscheidenden Hinweis gegeben, dass dieses Problem in der Alife-Community als „open-ended evolution (OEE)“ bezeichnet wird und dort eine der größten Forschungsherausforderungen darstellt – noch ungelöst! Als Ausgangspunkt siehe hier: https://www.google.de/search?q=%22open-ended+evolution%22&artificial&life
Sehr interessant, dass es die biologische Gemeinschaft nicht zu stören scheint und hier sogar auf Feindseligkeit stößt (einige belehren mich sogar, dass die Beweise für die Evolution überwältigend sind, und implizieren damit, dass ich eine Art verrückter Kreationist sein könnte - unglaublich ...)
... und nein, die Antwort ist keine Ansichtssache (warum diese Frage geschlossen wurde), sondern eine gültige Forschungsfrage (hoffentlich mit einigen guten Antworten eines Tages)!
EDIT3
Letztes Jahr gab es sogar eine große Konferenz zu diesem Thema mit vielen interessanten Ergebnissen (obwohl das Problem selbst noch ungelöst ist):
http://www.tim-taylor.com/oee1/
Siehe auch meine Folgefrage hier:
Wenn es bei der Evolution nicht um zunehmende Komplexität geht, warum entwickelt sich dann so viel Komplexität?
Die Frage erscheint interessant und hat mich zum Nachdenken angeregt, aber ich verstehe sie möglicherweise nicht ganz. Lassen Sie mich wissen, ob ich Ihre Frage beantworte.
Genetischer Algorithmus vs. Simulation evolutionärer Prozesse
Ich denke, dass das ganze Problem von einer Verwechslung zwischen dem Konzept der Simulation von Evolutionsprozessen und der Verwendung von genetischen Algorithmen (Art von Optimierungsalgorithmen) für verschiedene Zwecke herrührt.
Genetischen Algorithmus
Der genetische Algorithmus ist eine Art Optimierungsalgorithmus (und das OP weiß auf diesem Gebiet viel mehr als ich), der darauf abzielt, Lösungen für Suchprobleme zu finden. Die Genauigkeit der Analogie zwischen einem genetischen Algorithmus und der biologischen Realität, die einen solchen Algorithmus inspiriert hat, ist völlig irrelevant für die Nützlichkeit des Algorithmus bei der Durchführung einer bestimmten Aufgabe (wie zum Beispiel das NP-schwere Problem des Handlungsreisenden ).
Numerische Simulationen in der Wissenschaft
Ich denke, Ihre Frage ist nicht spezifisch für die Evolutionsbiologie, sondern für die Wissenschaft als Ganzes (das lässt mich denken, dass Philosophy.SE ein guter Ort wäre, um eine solche Frage zu stellen).
In den Naturwissenschaften (Physik, Chemie, Biologie und andere) modellieren wir Dinge! Wir abstrahieren das Wesentliche aus einer komplizierten Welt und modellieren sie. Wenn wir modellieren, nehmen wir eine Reihe von Eigenschaften des interessierenden Systems an. Diese Annahmen können sehr gut dokumentiert und verifiziert sein oder auch nicht. Wenn die Annahmen eines Modells nicht gut dokumentiert sind, ist es natürlich unerlässlich, die Robustheit des Modells gegenüber einer Verletzung der Annahmen a posteriori zu untersuchen und die Ergebnisse des Modells mit einer Prise Vorsicht zu betrachten. Ein Modell kann rein verbal sein oder am häufigsten in mathematischen Formulierungen ausgedrückt werden. Viele komplexe Systeme können jedoch nicht mathematisch modelliert werden (selbst für die brillantesten Mathematiker). Hier kommen numerische Simulationen ins Spiel. Beachten Sie, dass sobald ein Prozess modelliert wurde,
Du sagst:
Wenn wir einen Prozess nicht simulieren können, haben wir ihn nicht richtig verstanden
Wenn wir einen Prozess bereits verstanden haben, macht es sowieso keinen Sinn, Zeit und Geld zu investieren, um ihn zu simulieren! Auch dieser Satz legt nahe, dass numerische Simulationen in der Wissenschaft wertlos sind. Es ist jedoch richtig, dass wir nur die Prozesse simulieren können, deren grundlegende Komponenten wir kennen (aber wir verstehen möglicherweise nicht die Dynamik eines interessierenden Systems).
Simulationen in der Evolutionsbiologie
Sie zitieren eine Arbeit (mit der ich nicht vertraut bin), die das beobachtete Muster nicht reproduzieren kann. Mit anderen Worten, die Vorhersagen des Modells werden in der Realität nicht erfüllt/beobachtet.
Wie ich oben sagte, muss man die grundlegenden Komponenten eines Systems verstehen, um es simulieren zu können. Wir wissen zufällig schon eine ganze Menge Zeug! Natürlich ist es unmöglich, die Frage "Was wissen wir in der Biologie" zu beantworten, da sie viel zu weit gefasst wäre. Es gibt Tausende von Studien, die numerische Simulationen (und auch mathematische Simulationen) verwendet haben, um evolutionäre Prozesse zu untersuchen.
Beispiel
Stellen Sie sich zum Beispiel vor, Sie möchten wissen, wie wahrscheinlich es ist, dass eine bestimmte neue neutrale Mutation in einer diploiden Population an Häufigkeit zunimmt, um eine "Fixierung" zu erreichen (das ist eine Häufigkeit von 1; jeder trägt dann dieses mutierte Allel). Es gibt eine Reihe von mathematischen Modellen (Wright-Fisher (binomiales) Modell der genetischen Drift, Moran (Geburt-Tod)-Modell und Koaleszenz (Verzweigungsprozess)-Modell), um diese Wahrscheinlichkeit zu berechnen, aber nehmen wir an, wir schaffen es nicht, ein solches mathematisches/analytisches Modell zu entwickeln und wir müssen es simulieren. Wir könnten diesen Prozess lange simulieren (unter Verwendung eines ABC-Ansatzes) und die erwartete Wahrscheinlichkeit berechnen, dass ein solches mutiertes Allel repariert wird. Übrigens, diese Wahrscheinlichkeit ist , wo ist die effektive Populationsgröße.
Möchten Sie mehr wissen?
Ich bin kein Wissenschaftsphilosoph (sondern ein Doktorand, der numerische Werkzeuge zur Modellierung evolutionärer Prozesse verwendet), und ich denke, die Frage ist nicht spezifisch für die Evolutionsbiologie. Ich würde empfehlen, die Frage What is usefulness of numerical modelling in science?
oder Are numerical modeling worth as much as analytical modelling in science?
auf Philosophy.SE zu stellen .
Wenn Sie dies tun, können Sie bitte Ihre Beiträge hier verlinken. Ich würde gerne die Antworten lesen. Wenn Sie diese Fragen nicht auf Philosophy.SE stellen, werde ich es wahrscheinlich irgendwann tun und die Links hier hinzufügen.
[...] reaching some level complexity
. Beziehen Sie sich auf die Komplexität des Modells?artificial life experiments
auf eine bestimmte Art von Simulation bezieht, dann ist Ihre Frage relativ klar, denke ich. Aber ich würde vermuten, dass die meisten Leute nicht wissen, was genau gemeint ist artificial life experiments
(zumindest ich nicht)Stimme der vorherigen Antwort zu.
Gibt es Hinweise aus den Biowissenschaften, was dieser mysteriöse Inhaltsstoff sein könnte, der uns immer noch zu fehlen scheint? Ist es Physik? Ist es Chemie? Ist es etwas anderes?
Das OP scheint die Evolutionstheorie bereits zu unterstützen, wie es jeder mit grundlegenden Biologiekenntnissen tun würde.
Da er nach einer möglichen "mysteriösen Zutat" fragt, bezieht sich die Frage höchstwahrscheinlich eher auf die Stimulierung des Evolutionsprozesses als auf einen generischen Algorithmus.
Genauer gesagt möchte er die Evolution anregen, um zu wissen, ob die „Wahrscheinlichkeitstheorie“ die Evolutionstheorie unterstützen wird, ohne dass die „mysteriöse Zutat“ benötigt wird.
Wie oben beantwortet, kann es schwierig sein, einen Evolutionsprozess anzuregen, ohne alle Komponenten des Systems vollständig zu verstehen. Das ist nicht einmal nötig.
Wenn Sie jedoch testen möchten, ob eine komplexe Eigenschaft zufällig erreicht werden kann, können Sie sie leicht mit einer anderen Methode stimulieren.
Entwickeln Sie ein Programm, das über eine "Gesichtserkennung" (aus dem Bild) verfügt, und fügen Sie einige andere Funktionen wie Selbstreplikation, erzwungene "Mutation" und eine Umgebung hinzu, die die Stärksten auswählt. Probieren Sie Supercomputer aus, bei denen Ihre Software "unbegrenzte" Zeiten pro Sekunde selbst repliziert, und betrachten Sie sich als erfolgreich, wenn Ihr Programm nach mehreren Jahren eine neuere Funktion wie "Geschlechts"-Erkennung aus dem oder -Bild erhält (vorausgesetzt, die Geschlechtserkennungsfunktion macht das Programm "Installateur" in Ihrer Umgebung)
vonjd
AMR
vonjd
vonjd
AMR
vonjd
vonjd
AliceD
AMR
AMR
vonjd
vonjd
vonjd
vonjd
N. Jungfrau
N. Jungfrau
N. Jungfrau
vonjd
vonjd
AMR
AMR
vonjd
AMR
vonjd
AliceD
vonjd
vonjd
AMR
vonjd
AMR
DoppeltDoppelt
N. Jungfrau
AMR
vonjd
AMR
vonjd
AMR
vonjd
AMR
Kyle Strand
AMR
vonjd
Kyle Strand
AMR
vonjd
AMR
Kyle Strand
Kyle Strand
vonjd
Chris
Chris
vonjd
Kyle Strand
Kyle Strand
Kyle Strand
vonjd
Kyle Strand
Chris
Kyle Strand
Kyle Strand
vonjd
vsz
Jahre