Reinaldo José Lopes (Folha de São Paulo) - Tarefa para casa: não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

Dez principais questões e objeções ao livro Introduction to Evolutionary Informatics

Robert J. Marks II

12 de junho de 2017, 2:00 AM

Cinco anos atrás, Gregory Chaitin, um co-fundador do fascinante e surpreendente campo de teoria da informação algorítmica, propôs um desafio:¹

A honra da matemática exige que nós elaboremos uma teoria matemática da evolução e assim provar que Darwin estava errado ou certo!

No livro Introduction to Evolutionary Informatics², co-autoria com William A. Dembski, Winston Ewert, e eu, nós respondemos o desafio de Chaitin na negativa: Não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada. Ponto final. Por “modelo” nós queremos dizer simulações definitivas ou matemática fundacional exigida de uma ciência dura.

Nós demonstramos que nenhuma informação significativa pode surgir de um processo evolucionário a menos que o processo seja guiado. Até quando guiado, o grau de realização da evolução é limitado pela perícia da fonte de informação orientadora — um limite que nós chamamos de teto de Basener. [NOTA DO TRADUTOR: O teto de Basener é um ponto de convergência em uma estreita gama de resultados. O fenômeno é encontrado em muitas áreas científicas, não apenas na evolução]. Um programa evolucionário cujo objetivo é dominar o jogo de xadrez nunca irá evoluir mais a ponto de oferecer aconselhamento em investimento financeiro.

Aqui eu respondo as dez questões e objeções frequentemente feitas sobre o livro Introduction to Evolutionary Informatics.

1. Por que mais um livro criticando a evolução darwinista?

Salomão estava certo. “Não há limite para a produção de livros, e estudar demais deixa exausto o corpo”.³ Há montanhas de livros escritos sobre a evolução, a favor e contra. Muitos são excelentes. Então o que há de tão importante sobre o livro Introduction to Evolutionary Informatics? No tópico de evolução, a conclusão está lá: Não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada. As ciências duras são construídas sobre os fundamentos da matemática ou simulações definitivas. Exemplos de ciências duras incluem o eletromagnetismo, a mecânica newtoniana, a geofísica, a relatividade, a termodinâmica, a mecânica quântica, a óptica, e muitas áreas na biologia. Aqueles que esperavam estabelecer a evolução darwinista como uma ciência dura com um modelo ou falharam ou inadvertidamente enganaram. Esses modelos contêm mecanismos de direção para aterrissar o avião na pista alvo apesar das rajadas de ventos estocásticos. Não somente pode a assistência de direção ser especificamente identificada em cada modelo de evolução proposto, a sua contribuição para o sucesso pode ser medida em bits como informação ativa.

E conforme abordado no livro Introduction to Evolutionary Informatics, nós suspeitamos que jamais existirá modelo para substanciar as afirmações da evolução darwinista não guiada.

2. Mas a evolução darwinista é tão complicada que não pode ser modelada!

Se esta objeção for verdade, nós chegamos à mesma conclusão por caminhos diferentes: Não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

3. Vocês modelam a evolução como uma busca. A evolução não é uma busca.

Nós ecoamos as palavras de Billy Joel: “Nós não começamos o incêndio!” Os modelos de evolução darwinista, os programas Avida e EV incluídos, são buscas com um alvo fixo. Para o EV, o objetivo é encontrar os locais especificados de ligação de nucleotídeos. O objetivo do programa Avida é gerar uma função lógica EQU [Igual]. Outros modelos de evolução que nós examinamos no livro Introduction to Evolutionary Informatics, buscam, da mesma maneira, um objetivo pré-especificado.

O software de evolução Avida é de importância particular porque Robert Pennock, um dos co-autores do primeiro artigo descrevendo o Avida,⁴ testemunhou no julgamento de Kitzmiller et al. vs. Distrito Escolar da área de Dover que confirmava Darwin. O testemunho de Pennock contribuiu pela decisão do juiz Jones de que ensinar sobre o design inteligente viola a cláusula estabelecida da Constituição dos Estados Unidos. Pennock testemunhou, “No [programa de computador Avida] sistema, nós não estamos simulando a evolução. A evolução está acontecendo de verdade.” Se isso é verdade, o programa Avida e assim a evolução são uma busca guiada com um alvo especificado borbulhando de informações ativas fornecidas pelos programadores.

A tentativa mais celebrada de um modelo de evolução sem um objetivo da qual nós somos cientes, é o TIERRA. Em uma tentativa de recriar algo como a Explosão Cambriana em um computador, o programador criou o que foi pensado ser um ambiente rico de informação onde os organismos digitais se desenvolveriam e evoluiriam. Segundo o engenhoso criador do TIERRA, Thomas Ray, o projeto falhou e foi abandonado. Até agora não há sucesso em evolução aberta no campo de vida artificial.⁵

Portanto, não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

4. Vocês não são biólogos. Por que alguém ouviria vocês sobre a evolução?

Deixe de lado que esta questão cheira a falácia genética utilizada em debate para conduzir a conversa para longe do tópico em questão e uma trilha para defesa de credenciais. A pergunta, no entanto, é sincera, e merece uma resposta. Além disso, ela permite falar de mim mesmo.

A verdade é que os cientistas de computação e engenheiros sabem muito sobre a evolução e modelos de evolução.

Como nós delineamos no livro Introduction to Evolutionary Informatics, os proponentes da evolução darwinista ficaram encantados com os computadores nos anos 1960s e 1970s. A evolução era muito lenta para ser demonstrada em um laboratório totalmente equipado, mas milhares e mais gerações de evolução podem ser depositadas no banco quando a evolução darwinista é simulada em um computador. Logo os cientistas da computação e engenheiros entenderam que a busca evolucionária poderia ajudar em fazer projetos auxiliados pelo computador. No livro Introduction to Evolutionary Informatics, nós descrevemos com que os engenheiros da NASA usaram programas evolucionários guiados para projetar antenas que parecem clipes de papel retorcidos que hoje estão flutuando e funcionando no espaço sideral.

Eis a minha formação pessoal. Eu fiquei interessado pela primeira vez em computação evolucionária no fim do século passado quando eu servi como editor chefe da IEEE⁶ Transactions on Neural Networks.⁷ Eu convidei os principais pesquisadores na área, David Fogel e seu pai Larry Fogel, para serem os editores convidados em uma edição especial da minha publicação científica dedicada à computação evolucionária.⁸ A edição foi publicada em janeiro de 1994, e resultou em David fundando a IEEE Transactions on Evolutionary Computing⁹ que hoje é a principal publicação científica em engenharia/ciência da computação dedicada ao tópico.

O meu primeiro artigo de conferência usando a computação evolucionária foi publicada um ano mais tarde¹⁰ e a minha primeira publicação em um periódico científico sobre computação evolucionária foi em 1999.¹¹ Isso foi naquele tempo. Mais recentemente meu trabalho, apoiado financeiramente pelo Escritório de Pesquisa Naval, envolve a evolução simulada da dinâmica de enxame motivado pelo extraordinário comportamento de auto-organização de insetos social.   Alguns dos resultados foram emocionantemente inesperados¹² inclusive o suicídio sacrificial de um membro para estender o tempo de vida geral do enxame.¹³ Evoluir enxames digitais é intrigante e nós temos um website totalmente devotado para o tópico.¹⁴

Então, eu tenho brincado na caixa de areia evolucionária por um longo tempo e tenho sujeira debaixo de minhas unhas para provar isso.

Mas isso é biologia? Resenhando nosso livro para a American Scientific Affiliation (ASA), meu amigo Randy Isaac, ex-diretor executivo da ASA, disse de nosso livro, “Aqueles procurando conhecimento em evolução biológica ou química são aconselhados a procurar em outro lugar”.¹⁵ Nós concordamos! Mas se você estiver procurando por conhecimentos nos modelos e matemática até aqui propostos por defensores da evolução darwinista que pretendem descrever a teoria, o Introduction to Evolutionary Informatics é O livro certo. E nós demonstramos que não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

5. Vocês usam probabilidade indevidamente. A teoria da probabilidade não pode ser aplicada a eventos que já aconteceram.

No filme Débi & Lóide: Dois Idiotas em Apuros, o personagem de Jim Carey, Lloyd Christmas, é esnobado pela linda Mary “Samsonite” Swanson quando lhe disse suas chances com ela ser uma em um milhão. Após uma pausa para uma reflexão introspectiva, o emergente sorriso cheio de dentes de Lloy mostra seu dente lascado feliz. Ele deixa escapar entusiasticamente, “Então você está me dizendo que há uma chance!” Exclamações semelhantes são ouvidas de defensores darwinistas. “Evolução darwinista. Então você está me dizendo que há uma chance!” Então, novamente, nós não começamos o incêndio da probabilidade. Os modelos evolucionários nadam de braçadas na aleatoriedade descrita pelas probabilidades.

A probabilidade-das-lacunas defendida pelos apoiadores da evolução darwinista é abordada em detalhe no livro Introduction to Evolutionary Informatics. Nós demonstramos que os recursos de probabilidade do universo e até o multiverso hipotético da teoria das cordas são insuficientes para explicar a complexidade especificada que nos rodeia.

Além disso, a probabilidade a posteriori é usada o tempo todo. O tamanho do seu último tweet pode ser medido em bits. Claude Shannon, que cunhou o termo bits no seu artigo clássico de 1948,¹⁶ baseou a definição do bit na probabilidade. Ainda assim, lá permanece o seu tweet transmitido com todos os seus bits a posteriori totalmente expostos. Outro exemplo é uma probabilidade bayesiana a posteriori comumente usada, por exemplo, nos filtros de spam de emails. Qual é a probabilidade que o seu último email de um príncipe nigeriano, já recebido e escrito no seu servidor, é spam? Probabilidades bayesianas também são probabilidades a posteriori.

Assim, uma desconsideração impensada das probabilidades a posteriori é má orientação. A aplicação de probabilidade no livro Introduction to Evolutionary Informatics é justa e a análise leva à conclusão de que não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

6. Que tal o princípio antrópico biológico? Nós estamos aqui, então a evolução deve funcionar.

Stephen Hawking tem uma explicação simples do princípio antrópico: “Se as condições no universo não fossem adequadas para a vida, nós não estaríamos perguntando porque que elas o que elas são.” Gabor Csanyi, que cita a partir da palestra de Hawking, disse, “Hawking afirma, a dimensionalidade do espaço e quantidade de matéria no universo é um acidente [fortuito], que não precisa de mais explicação.”¹⁷

“Então você está me dizendo que há uma chance!”

Uma questão ignorada pelos entusiastas do princípio antrópico é se ou não um ambiente até para a evolução guiada pudesse ocorrer por acaso. Se uma busca exitosa requer o igualar ou o exceder de algum grau de informação ativa, qual é a chance de se achar alguma busca com um bom ou melhor desempenho? Nós chamamos isso de uma busca-pela-a-busca [a search-for-the-search]. No livro Introduction to Evolutionary Informatics, nós demonstramos que a busca-pela-a-busca é, exponencialmente, mais difícil do que a busca em si! Assim, se você pode chutar a lata de refrigerante pela estrada, a lata pode ficar muito maior.

O professor Sydney R. Coleman disse após a palestra de Hawking no Instituto de Tecnologia de Massachusetts, “Qualquer coisa é muito melhor [do que o ‘Princípio Antrópico’ para explicar algo].”¹⁸ Nós concordamos. Por exemplo, confira a nossa análise de busca-pela-a-busca no livro Introduction to Evolutionary Informatics.

7. O que dizer da afirmação que “Toda a informação é física”?

Esta é uma pergunta que nós temos ouvidos dos físicos.

Na Física, o princípio de Landauer pertence ao mais baixo limite teórico de consumo de energia de computação e leva à sua declaração de que “toda a informação é física.”

Dizer que “todos os computadores são massa e energia” oferece uma descrição similar de computadores quase inútil. Como o princípio de Landauer, ela sofre da mesma imprecisão supergeneralizada e é, melhor dizendo, incompleta.

Claude Shannon contrarious a afirmação de Landauer:

A mim me parece que nós todos definimos “informação” como nós escolhemos; e, dependendo de qual campo nós estamos trabalhando, nós escolheremos definições diferentes. O meu modelo de teoria de informação… foi elaborada exatamente para trabalhar com o problema de comunicação.¹⁹

Landauer provavelmente está certo dentro dos estreitos limites de sua trincheira física. For a da trincheira está a informação Shannon que é construída em uma desconhecida probabilidade de eventos a priori que ainda não aconteceram e, portanto, ainda não são físicos.

Nós gastamos um capítulo todo no livro Introduction to Evolutionary Informatics definindo a informação a fim que não haja confusão quando o conceito é aplicado. E nós concluímos que não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

8. A teoria da informação não pode medir o significado.

Bobagem.

Um martelo, como a teoria da informação, é uma ferramenta. Um martelo pode ser usado para fazer mais do pregar pregos. E a teoria da informação pode fazer mais do que designar uma contagem genérica de bit a um objeto.

Os modelos de teoria de informação mais visíveis são a teoria de informação de Shannon e a informação KCS.²⁰ A consequência da teoria de Shannon na teoria da comunicação está residente no seu celular onde os códigos preditos por Shannon permitem hoje o uso maximamente eficiente da banda larga disponível. KCS quer dizer teoria de informação de Kolmogorov-Chaitin-Solomonoff, assim nomeada após os três homens que independentemente fundaram esta área. A teoria de informação KCS lida com com o conteúdo de informação de estruturas. (Gregory Chaitin, a propósito, dá um bom assentimento ao livro Introduction to Evolutionary Informatics.²¹)

A maneira pela qual a teoria da informação pode ser usada para medir o significado é abordada no livro Introduction to Evolutionary Informatics. Nós explicamos, por exemplo, porque uma fotograia do Monte Rushmore contendo as imagens de quatro presidentes dos Estados Unidos tem mais significado para você do que uma fotografia do Monte Fuji, muito embora as duas fotografias exijam os mesmos números de bits quando armazenadas no seu disco rígido. O grau de significado pode ser medido usando uma métrica chamada de complexidade algorítmica especificada [CAE].

Em vez de resumirmos a complexidade algorítmica especificada [CAE] derivada e aplicada no livro Introduction to Evolutionary Informatics, em vez disso nós nos referimos a uma citação de um artigo de um dos expoentes especialistas mundiais em teoria de informação algorítmica, Paul Vitányi. A citação é de um artigo que ele escreveu há mais de 15 anos atrás, intitulado “Meaningful Information” [Informação com significado]²²

Alguém pode dividir… a informação [KCS] em duas partes: a informação representando a regularidade útil [informação com significado] presente no objeto e a informação representando a informação acidental [sem significado] remanescente.²³

No livro Introduction to Evolutionary Informatics, nós usamos a teoria da informação para medir informação com significado, e demonstramos que não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

9. Para alcançar a complexidade especificada na natureza, o cenário de adaptação na evolução muda sempre. Assim, ao contrário de sua afirmação, o teto de Basener não se aplica à evolução darwinista.

Na busca, a complexidade não pode ser alcançada além da perícia do oráculo orientador. Como destacamos, nós mencionamos este limite como o teto de Basener.²⁴ Todavia, se a aptidão continua a mudar, argumenta-se, a entidade evoluída pode alcançar complexidade especificada cada vez maior e finalmente realizar arbitrariamente grandes atos como escrever livros academicamente judiciosos que refutam a evolução darwinista.

Nós analisamos exatamente este caso no livro Introduction to Evolutionary Informatics e nomeamos a estrutura geral de busca como stair step active information [degrau de escada de informação ativa]. Não somente a direção é exigida em cada escada, mas cada degrau deve ser cuidadosamente escolhido para guiar o processo ao cenário muito maior de aptidão e, portanto, cada vez crescente complexidade. A maioria das próximas escolhas possíveis são deletérias e resultam na deterioração da busca e até extinção. Isso também se aplica no limite quando as escadas se tornam pequeninas e a escada é melhor descrita como uma rampa. Como disse Aristóteles, “É possível falhar de muitas maneiras… enquanto que ter êxito é possível somente de uma maneira.”

Eis aqui uma ilustração anedótica do design cuidadoso necessário no modelo escada degrau. Se um meteoro colidisse na Península de Yucatan, e eliminasse todos os dinossauros e permitisse que os mamíferos começassem a dominar a Terra, então a explosão do meteoro deveria ser um evento Goldilocks [Zona habitável]. Se forte demais, toda a vida na Terra teria sido destruída. Se muito fraco, os velocirraptores ainda estariam comendo ovos de estegossauros.

Tal ajuste fino é o caso de qualquer mudança fortuita nos cenários de aptidão e aumenta, não diminui, a dificuldade da evolução de sempre crescente complexidade especificada. Isso apoia o caso de que não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada.

10. A sua pesquisa é guiada por sua ideologia e não pode ser confiável.

Eis novamente aquela velha falácia genética de descarrilamento.

Mas sim! Claro, nossa pesquisa é impactada por nossa ideologia! Nós temos orgulho de ser contados entre cristãos como Reverendo Thomas Bayes, Isaac Newton, George Washington Carver, Michael Faraday, e o maior de todo os matemáticos, Leonard Euler.²⁵ A verdade de suas contribuições se destacam sem sua ideologia. Assim como destaca a obra do ateu Pierre-Simon Laplace. Truth trumps ideology [A verdade supera a ideologia]. E permitindo a possibilidade do design inteligente,  design, defendido por teístas e agnósticos iluminados, amplia-se os horizontes investigativos de outros.

Alan Turing, o brilhante precursor da ciência da computação e decifrador do enigma do código nazista [na Segunga Guerra Mundial] oferece um grande exemplo da falha ulterior da ideologia superando a verdade. Quando jovem, Turing perdeu um amigo próximo por tuberculose bovina. Devastado pela morte, Turing abandonou Deus e se tornou um ateu. Ele foi parcialmente motivado no seu desenvolvimento da ciência da computação a fim de provar que o ser humano era uma máquina e consequentemente não havia necessidade nenhuma de um deus. Mas o trabalho de referência de Turing tem permitido que pesquisadores, mais notadamente Roger Penrose,²⁶ defenderem o caso de que certos atributos humanos, inclusive a criatividade e o entendimento estão além da capacidade do computador. A motivação ideológica de Turing foi então finalmente destruída pela verdade.

A relação entre as capacidades humana e de computadores é discutida mais profundamente no livro Introduction to Evolutionary Informatics.

Pontos importantes

No livro Introduction to Evolutionary Informatics, o desafio de Chaitin foi respondido na negativa e não existe nenhum modelo descrevendo com êxito a evolução darwinista não guiada. Segundo o nosso atual entendimento, não haverá nenhum. Mas a ciência nunca deve dizer nunca. Como bem destaca Stephen Hawking, nada em ciência é provado na verdade. Nós simplesmente acumulamos evidência.²⁷

Então, se alguém gerar um modelo demonstrando a evolução darwinista não guiada que resulte em um objeto com complexidade especificada significante, nos avise. Sem ser guiada, sem argumentos ocos, sem extrapolação de adaptações, sem apelar para física especulativa, ou provas anedóticas são permitidas.

Até lá então, eu acho que você pode nos chamar de céticos livres pensadores.

Obrigado por prestar atenção.

Robert J. Marks II PhD é Professor Distinto de Engenharia Elétrica e de Computação na Universidade Baylor.

Notas:

(1) Chaitin, Gregory. Proving Darwin: Making Biology Mathematical. Vintage, 2012.

(2) Marks II, Robert J., William A. Dembski, e Winston Ewert. Introduction to Evolutionary Informatics. World Scientific, 2017.

(3) Eclesiastes 12.12b.

(4) Lenski, R.E., Ofria, C., Pennock, R.T. e Adami, C., 2003. “The evolutionary origin of complex features.” Nature, 423(6936), pp. 139-144.

(5) ID the Future podcast com Winston Ewert. “Why Digital Cambrian Explosions Fizzle…Or Fake It,” June 7, 2017.

(6) IEEE, o Institute of Electrical and Electrical Engineers, é a maior sociedade profissional no mundo, com mais de 400.000 membros.

(7) R.J. Marks II, “The Journal Citation Report: Testifying for Neural Networks,” IEEE Transactions on Neural Networks, vol. 7, no. 4, July 1996, p. 801.

(8) Fogel, David B., e Lawrence J. Fogel. “Guest editorial on evolutionary computation,” IEEE Transactions on Neural Networks 5, no. 1 (1994): 1-14.

(9) R.J. Marks II, “Old Neural Network Editors Don’t Die, They Just Prune Their Hidden Nodes,” IEEE Transactions on Neural Networks, vol. 8, no. 6 (November, 1997), p. 1221.

(10) Russell D. Reed e Robert J. Marks II, “An Evolutionary Algorithm for Function Inversion and Boundary Marking,” Proceedings of the IEEE International Conference on Evolutionary Computation, pp. 794-797, November 26-30, 1995.

(11) C.A. Jensen, M.A. El-Sharkawi e R.J. Marks II, “Power Security Boundary Enhancement Using Evolutionary-Based Query Learning,” Engineering Intelligent Systems, vol. 7, no. 9, pp. 215-218 (December 1999).

(12) Jon Roach, Winston Ewert, Robert J. Marks II e Benjamin B. Thompson, “Unexpected Emergent Behaviors from Elementary Swarms,” Proceedings of the 2013 IEEE 45th Southeastern Symposium on Systems Theory (SSST), Baylor University, March 11, 2013, pp. 41-50.

(13) Winston Ewert, Robert J. Marks II, Benjamin B. Thompson, e Albert Yu, “Evolutionary Inversion of Swarm Emergence Using Disjunctive Combs Control,” IEEE Transactions on Systems, Man and Cybernetics: Systems, v. 43, #5, September 2013, pp. 1063-1076.

Albert R. Yu, Benjamin B. Thompson, e Robert J. Marks II, “Swarm Behavioral Inversion for Undirected Underwater Search,” International Journal of Swarm Intelligence and Evolutionary Computation, vol. 2 (2013). Albert R. Yu, Benjamin B. Thompson, e Robert J. Marks II, “Competitive Evolution of Tactical Multiswarm Dynamics,” IEEE Transactions on Systems, Man and Cybernetics: Systems, vol. 43, no. 3, pp. 563- 569 (May 2013).

Winston Ewert, Robert J. Marks II, Benjamin B. Thompson, e Albert Yu, “Evolutionary Inversion of Swarm Emergence Using Disjunctive Combs Control,” IEEE Transactions on Systems, Man and Cybernetics: Systems, vol. 43, no. 5, September 2013, pp. 1063-1076.

(14) NeoSwarm.com.

(15) Resenha de Introduction to Evolutionary Informatics, Perspectives on Science and Christian Faith, vol. 69 no. 2, June 2017, pp. 104-108.

(16) Claude E. Shannon, “A mathematical theory of communication,” Bell System Technical Journal 27: 379-423 and 623–656.

(17) Gabor Csanyi “Stephen Hawking Lectures on Controversial Theory,” The Tech, vol. 119, issue 48, Friday, October 8, 1999.

(18) A inserção de colchetes na citação não é nossa, é de Csanyi.

(19) Citado em P. Mirowski, Machine Dreams: Economics Becomes a Cyborg Science (New York: Cambridge University Press, 2002), 170.

(20) Cover, Thomas M., e Joy A. Thomas. Elements of Information Theory. John Wiley & Sons, 2012.

(21) Resenha de Introduction to Evolutionary Informatics.

(22) Paul Vitányi, “Meaningful Information,” in International Symposium on Algorithms and Computation: 13th International Symposium, ISAAC 2002, Vancouver, BC, Canada, November 21-23, 2002.

(23) Diferente de nossa abordagem, o uso de Vitányi da tão chamada estatística suficiente de Kolmogorov não leva em conta aqui o contexto.

(24) Basener, W.F., 2013. “Limits of Chaos and Progress in Evolutionary Dynamics.” Biological Information — New Perspectives. World Scientific, Singapore, pp. 87-104.

(25) Christian Calculus.

(26) Vide, e.g., Penrose, Roger. Shadows of the Mind. Oxford University Press, 1994.

(27) Hawking, Stephen. A Brief History of Time (1988). AppLife, 2014.

Crédito da foto: Postman85, via Pixabay.