Como científico (y científico informático), mi opinión es que si no podemos simular un proceso, no lo hemos entendido correctamente. He estado siguiendo el interesante campo de la Vida Artificial durante bastante tiempo y los resultados son aleccionadores. Permítanme citar dos párrafos de los artículos de descripción general actuales:
Una cosa que siempre parece suceder con este tipo de proyectos es que, una vez que logran el objetivo previsto, si se permite que el programa 'evolutivo' continúe, no produce más mejoras. Esto es exactamente lo que sucedería si todo el conocimiento del exitoso robot hubiera venido realmente del programador [...]
Por eso dudo que alguna 'evolución artificial' haya creado jamás conocimiento. Tengo la misma opinión, por las mismas razones, sobre el tipo ligeramente diferente de 'evolución artificial' que trata de desarrollar organismos simulados en un entorno virtual, y el tipo que enfrenta a diferentes especies virtuales entre sí.
Fuente: David Deutsch (2011): El comienzo del infinito
Uno de los primeros experimentos de vida artificial en red se basó en el conocido sistema A-Life, Tierra. Este fue creado a principios de la década de 1990 por el ecologista Tom Ray para simular in silico los procesos básicos de la dinámica evolutiva y ecológica. Después de que Ray comenzara su trabajo, pronto reconoció el potencial de la Web para crear un entorno grande y complejo en el que los organismos digitales pudieran evolucionar libremente. Así que montó un proyecto llamado Network Tierra para explotar este potencial.
Los resultados de este experimento fueron mixtos. Uno de los objetivos de Network Tierra era reproducir la explosión cámbrica en la que los organismos unicelulares de la Tierra evolucionaron rápidamente a organismos multicelulares y luego a animales más complejos.
El experimento in silico comenzó con un organismo multicelular diseñado por humanos que consta de dos tipos de células diferentes. Esto sobrevivió bajo la selección natural, un éxito significativo en sí mismo, pero el número de tipos de células nunca aumentó más allá de dos.
Fuente: MIT Technology Review (2014): La curiosa evolución de la vida artificial
El punto es que yo mismo he trabajado con éxito mucho con algoritmos genéticos y programación genética (también estoy enseñando estas cosas), pero lo que me molesta es que todavía no somos capaces de crear alguna forma abstracta de (co-)evolución dentro de una computadora. donde tienen lugar algunas dinámicas reales para producir "especies" cada vez más sofisticadas.
Mi pregunta
¿Hay indicios de las ciencias biológicas sobre qué podría ser este misterioso ingrediente que parece que todavía nos falta? ¿Es la física? ¿Es química? ¿Es algo más?
EDITAR
Obviamente, la pregunta no está clara tal como está, así que intento una aclaración: me refiero a la complejidad de las "especies" resultantes en simulaciones de vida artificial. Por ejemplo, su complejidad conductual o estructural. ¿Por qué estas simulaciones siempre se atascan en un nivel muy bajo (p. ej., siguiendo la comida) y nunca crean algo tan complejo como una bacteria? La potencia informática debería ser más que suficiente por ahora, y aún así, nada... Parece que solo sale lo que se ha puesto en la simulación, pero la evolución real produce algo realmente nuevo (esto es lo que dice el renombrado científico y erudito David Deutsch ( Universidad de Oxford) significa "Dudo que alguna 'evolución artificial' haya creado conocimiento alguna vez").
EDIT2
Nathaniel me dio una pista decisiva en los comentarios de que este problema se llama "evolución abierta (OEE)" en la comunidad Alife y es uno de los mayores desafíos de investigación allí, ¡todavía sin resolver! Como punto de partida, consulte aquí: https://www.google.de/search?q=%22open-ended+evolution%22&artificial&life
Es muy interesante que no parezca molestar a la comunidad biológica y que incluso se encuentre con hostilidad aquí (algunos incluso me dan lecciones de que la evidencia de la evolución es abrumadora y, por lo tanto, implica que podría ser una especie de creacionista chiflado, increíble...)
... y no, la respuesta no es una cuestión de opinión (por qué se cerró esta pregunta), sino una pregunta de investigación válida (¡con suerte, con algunas buenas respuestas algún día)!
EDIT3
El año pasado incluso hubo una gran conferencia sobre este tema con muchos resultados interesantes (aunque el problema en sí aún no está resuelto):
http://www.tim-taylor.com/oee1/
Vea también mi pregunta de seguimiento aquí:
Si la evolución no se trata de una mayor complejidad, ¿por qué evoluciona tanta complejidad?
La pregunta parece interesante y me hizo pensar, pero es posible que no la entienda completamente. Déjame saber si estoy respondiendo a tu pregunta.
Algoritmo genético vs simulación de procesos evolutivos
Creo que todo el problema proviene de una confusión entre el concepto de simulación de procesos evolutivos y el uso del algoritmo genético (tipo de algoritmo de optimización) para varios propósitos.
Algoritmo genético
El algoritmo genético es un tipo de algoritmo de optimización (y el OP sabe mucho más que yo en este campo) con el objetivo de encontrar soluciones a los problemas de búsqueda. La precisión de la analogía entre un algoritmo genético y la realidad biológica que inspiró dicho algoritmo es completamente irrelevante para la utilidad del algoritmo para realizar una tarea específica (como el problema del vendedor ambulante NP, por ejemplo).
Simulaciones numéricas en ciencia.
Creo que su pregunta no es específica de la biología evolutiva sino de la ciencia en su conjunto (esto me lleva a pensar que Philosophy.SE sería un buen lugar para hacer esa pregunta).
En ciencias naturales (Física, Química, Biología y otras), ¡modelamos cosas! Abstraemos lo esencial de un mundo complicado y lo modelamos. Cuando modelamos, asumimos una serie de propiedades del sistema de interés. Estas suposiciones pueden estar extremadamente bien documentadas y verificadas o no. Cuando los supuestos de un modelo no están bien documentados, por supuesto es esencial estudiar a posteriori la robustez del modelo a la violación de los supuestos y considerar los resultados del modelo con una pizca de sal. Un modelo puede ser puramente verbal o expresarse con mayor frecuencia en formulaciones matemáticas. Sin embargo, muchos sistemas complejos no se pueden modelar matemáticamente (incluso para los matemáticos más brillantes). Aquí es donde entran en juego las simulaciones numéricas. Tenga en cuenta que una vez que se ha modelado un proceso,
Tu dices:
si no podemos simular un proceso, es que no lo hemos entendido bien
Si ya entendimos un proceso, ¡no tiene sentido gastar tiempo y dinero para simularlo de todos modos! Entonces, nuevamente, esta oración sugiere que las simulaciones numéricas no tienen valor en la ciencia. Sin embargo, es cierto que solo podemos simular los procesos para los que conocemos los componentes básicos (pero es posible que no entendamos la dinámica de un sistema de interés).
Simulaciones en biología evolutiva
Usted cita un trabajo (con el que no estoy familiarizado) que no reproduce el patrón observado. En otras palabras, las predicciones del modelo no se cumplen/observan en la realidad.
Como dije anteriormente, uno necesita comprender los componentes básicos de un sistema para poder simularlo. ¡Ya sabemos bastantes cosas! Por supuesto, es imposible abordar la pregunta "qué sabemos en biología", ya que sería demasiado amplia. Hay miles de estudios que han utilizado simulaciones numéricas (y también simulaciones matemáticas) para estudiar procesos evolutivos.
Ejemplo
Imagínese, por ejemplo, que le interesa saber la probabilidad de que una nueva mutación neutra dada aumente en frecuencia en una población diploide para alcanzar la "fijación" (es decir, una frecuencia de 1; entonces todos portan este alelo mutante). Existe una serie de modelos matemáticos (modelo de Wright-Fisher (binomial) de deriva genética, modelo de Moran (nacimiento-muerte) y modelo de coalescencia (proceso de ramificación)) para calcular esta probabilidad, pero supongamos que no logramos desarrollar dicho modelo matemático/analítico. y necesitamos simularlo. Podríamos simular este proceso durante mucho tiempo (usando un enfoque tipo ABC) y calcular la probabilidad esperada de que dicho alelo mutante se arregle. Por cierto, esta probabilidad es , dónde es el tamaño efectivo de la población.
¿Quieres saber más?
No soy un filósofo de la ciencia (sino un estudiante de doctorado que usa herramientas numéricas para modelar procesos evolutivos) y creo que la pregunta no es específica de la biología evolutiva. Recomendaría hacer la pregunta What is usefulness of numerical modelling in science?
o Are numerical modeling worth as much as analytical modelling in science?
en Philosophy.SE .
Si lo hace, ¿puede vincular sus publicaciones aquí? Me encantaría leer las respuestas. Si no hace estas preguntas en Philosophy.SE, probablemente lo haga en algún momento y agregaré los enlaces aquí.
[...] reaching some level complexity
. ¿Te refieres a la complejidad del modelo?artificial life experiments
se refiere a un tipo específico de simulación, supongo que su pregunta es relativamente clara. Pero supongo que la mayoría de la gente no sabe qué significa exactamente artificial life experiments
(al menos yo no lo sé)De acuerdo con la respuesta anterior.
¿Hay indicios de las ciencias biológicas sobre qué podría ser este misterioso ingrediente que todavía parece que nos falta? ¿Es la física? ¿Es química? ¿Es algo más?
El OP ya parece apoyar la teoría de la evolución, como lo haría cualquier persona con conocimientos básicos de biología.
Dado que está preguntando sobre un posible "ingrediente misterioso", es muy probable que la pregunta se refiera a la estimulación del proceso evolutivo en lugar de un algoritmo genérico.
Aún más específicamente, quiere estimular la evolución para saber si la "teoría de la probabilidad" apoyará la teoría de la evolución sin necesidad del "ingrediente misterioso".
Como se respondió anteriormente, sin comprender completamente todos los componentes del sistema, puede ser difícil estimular un proceso evolutivo. Ni siquiera hay necesidad de eso.
Pero si desea probar si la característica compleja se puede lograr por casualidad , puede estimularla fácilmente mediante algún otro método.
Desarrolle un programa que tenga la función de "detección de rostros" (a partir de la imagen) y agregue algunas otras funciones, como la autorreplicación, la "mutación" forzada y un entorno que seleccionará al más apto. Pruebe las supercomputadoras en las que su software se autorreplicará veces "ilimitadas" por segundo, y considérese exitoso cuando su programa obtenga una función más nueva, como la detección de "sexo" de la imagen o después de varios años (suponiendo que la función de detección de sexo hará que el programa "fitter" en su entorno)
vonjd
RAM
vonjd
vonjd
RAM
vonjd
vonjd
aliced
RAM
RAM
vonjd
vonjd
vonjd
vonjd
N. Virgo
N. Virgo
N. Virgo
vonjd
vonjd
RAM
RAM
vonjd
RAM
vonjd
aliced
vonjd
vonjd
RAM
vonjd
RAM
Doble doble
N. Virgo
RAM
vonjd
RAM
vonjd
RAM
vonjd
RAM
hebra kyle
RAM
vonjd
hebra kyle
RAM
vonjd
RAM
hebra kyle
hebra kyle
vonjd
cris
cris
vonjd
hebra kyle
hebra kyle
hebra kyle
vonjd
hebra kyle
cris
hebra kyle
hebra kyle
vonjd
vsz
años