March 10th, 2021

Честность -- лучшая политика

Surprise! There’s no satisfactory mathematical model for macroevolution, at the present time.

Сюрприз! Удовлетворительной матмодели макроэволюции в настоящее время не имеется.


Наука пока ещё не в курсе дела.


In 2006, Professor Allen Macneill acknowledged that macroevolution is not mathematically modelable in the way that microevolution is. He could have meant that macroevolution is not mathematically modelable at all; alternatively, he may have simply meant that macroevolutionary models are not as detailed as microevolutionary models. If he meant the latter, then I would ask: where’s the mathematics that explains macroevolution? Surprisingly, it turns out that there is currently no adequate mathematical model for Darwinian macroevolution.

В 2006 г. профессор Аллен Макнил признал, что макроэволюцию нельзя промоделировать так, как это делается в случае микроэволюции. Он мог под этим разуметь принципиальную немоделируемость макроэволюции, но мог и просто констатировать факт отсутствия такой теории в данный момент. Если он имел в виду второе, тогда я бы спросил: ну, а где, собственно, математическое объяснение макроэволюции? Вы удивитесь, но оказывается математической модели дарвиновской макроэволюции не существует.


Отсюда.

По признанию самих биологов, макроэволюция (генерация высших таксонов) и микроэволюция существенно различаются. По кр. мере, консенсуса среди них по этому вопросу нет. Слишком различны предполагаемые механизмы обоих процессов.

Удовлетворительной математической модели макроэволюции не существует де-факто. Вероятно, создание такой модели принципиально невозможно, по кр. мере, в таком же смысле, в каком это оказалось возможным для микроэволюции (популяционная генетика).

Ну, что ж? Честное признание.

Ох, уж этот Шарик у нас: Ричард Ленски и эволюция, bingo не получилось...



Richard Lenski, ведущий знаменитой программы длительных экспериментов с культурами одноклеточных, сообщал: Бактерии (кишечная палочка E. coli) после N поколений научились пожирать цитрат в аэробных условиях!

Bingo! ... Казалось бы.

Вот такие вот "казалось бы" обнаруживаются всегда, когда сначала что-то такое откроют, попеняв дремучим скептикам. Но что в этом всём меня напрягает, — это то, что критический анализ никогда не преподносят с такой же помпой. Так, мелким шрифтом пишут или шёпотом что-то говорят. А осадок остаётся. Так было и с пресловутым жгутиком, который представляет собой хрестоматийный пример сложной системы по Бихи. Как выяснилось позже, то, что выставил Кен Миллер как шаг в эволюционном пути по направлению к жгутику (т. наз. секреторная система 3 типа), скорее всего, — результат инволюции жгутика.

Бихи недавно выпустил книгу Darwin Devolves, где эволюция представляется как процесс функциональной деградации, но не производства новой сложной функции. Бихи считает, что нечто сложное может поломаться так, что поломанный ген, например, обеспечит организму в конкретных условиях обитания селективное преимущество, за которое может впоследствии зацепиться отбор (при выполнении целого ряда важных дополнительных требований). В сторону функционального усложнения процесс никогда на практике не идёт.

Lee Spetner: The Evolution Revolution

Lee Spetner, The Evolution Revolution: Why Thinking People are Rethinking the Theory of Evolution.


В тех источниках по биологии, с которыми я знаком, я не нашел ни одного свидетельства в пользу того, что мутация может приводить к возрастанию информации. Все известные точечные мутации, которые были когда-либо изучены на молекулярном уровне, приводят к деградации, а не к генерации генетической информации.

Немного уточню мысль автора. Это уточнение я считаю важным. Данная мысль корректна, если под информацией имеется в виду функциональная информация. Отличие функциональной информации от шенноновской можно проиллюстрировать на примере чертежа. Допустим в каком-то месте чертежа важного соединения по ошибке указана не та резьба: М12 вместо М8. Соединение, собранное по чертежу, не будет работать. Функциональной информации стало меньше (может быть вообще 0, если от этого соединения критически зависит функция всего изделия), а количество шенноновской информации не изменилось (пусть мы знаем, что размер архива чертежа остался прежним). Более подробно о функциональной информации см. в моей записи "Дизайн-распознавание основные понятия".

Ещё две цитаты (не считая той, что на иллюстрации):

Collapse )

Collapse )

И почему нужен физик, чтобы это понять? Неужели биологи этого не понимают?

Не верю! (с)

Естественный и искусственный отбор и моделирование

Прочитал в который раз вот это:

In the computer science field of artificial intelligence, a genetic algorithm (GA) is a search heuristic that mimics the process of natural selection.

Это настолько распространённая ошибка, что уже и руки опускаются... ГА воспроизводят искусственный отбор, а не естественный. ЕО очень груб, пропускает много шума, лишён явно заданной функции цели (помимо бинарной "выжил/не выжил"), не имеет удачно подобранного для конкретной задачи (иногда даже адаптивно изменяемого в целях повышения эффективности алгоритма) оператора соседства и, наконец, не имеет возможности активного управления по градиенту функции цели, значения которой вычисляются со сколь угодно большой точностью. Всё это может осуществить только агент (селекционер или программист), знающий чего он хочет добиться. Дарвин ошибался, когда утверждал, что природа обладает гораздо большими возможностями, чем селекционер! В реальности всё с точностью до наоборот. Селекционер отслеживает малейшие проявления желаемого признака и усиливает их в последующих поколениях, активно управляя процессом скрещивания (или направляя так или иначе поисковый процесс). Природе же, напротив, безразлично, что нужно выбирать: выжил да и ладно (да даже это -- фигура речи, ведь на самом деле природа активно не управляет процессом отбора, ЕО -- не отбор, а вымирание). Дарвиновская эволюция фактически — это блуждание изображающей точки в параметрическом пространстве.

ЕО работает, конечно, но слабо и в очень специфических случаях, о чем я уже неоднократно писал (например, здесь). Искусственный отбор -- совсем другое дело. Если бы приведённое выше распространённое высказывание было верным, никто бы генетическими алгоритмами на практике не пользовался.

Кто же там и чем именно вдохновлялся...

По поводу того, насколько плодотворны оказались идеи Дарвина в науке, комментатор с не очень благозвучным ником HeKS имеет сказать следующее:

Collapse )

Смысл этой реплики вкратце сводится к тому, что Дарвин вдохновился идеей искусственного отбора в своих теоретических построениях. А генетические алгоритмы, несмотря на надпись на этикетке, моделируют именно то, что вдохновило Дарвина. Иногда говорят, что генетические алгоритмы были инспирированы идеями Дарвина, но это просто так исторически сложилось (с), объективной же связи в этом не усматривается. Именно идея искусственного отбора, по мнению комментатора, и оказалась плодотворной для науки, а вовсе не идеи Дарвина.

Ну, а я могу сказать только то, что я полностью согласен с предыдущим оратором...