Готовый перевод Rationality: From AI to Zombies / Рациональность: от ИИ до зомби: (133) Эволюции неразумны (Но всё равно работают)

В прошлом эссе я писал:

"Наука очень точно знает, что эволюция может, а что – нет. Если вы превозносите эволюцию хоть на миллиметр выше, то вы не "сражаетесь на стороне эволюции" против креационизма. Вы научно неточны, вот и всё".

В этом эссе я опишу некоторые широко известные неэффективности и ограничения эволюций. Я говорю "эволюции" во множественном числе, потому что эволюция лис работает с целью, прямо противоположной цели эволюции кроликов, и ни одна из них не может пообщаться с эволюцией змей, чтобы научиться выращивать ядовитые клыки.

То есть я говорю сейчас об эволюционных ограничениях, но это не значит, что я пытаюсь пропагандировать креационизм. Это обычная Эволюционная биология 201 (583? если вам нужны отсылки). Как раз ограничения и придают смысл наблюдаемым биологическим изменениям, интерпретируясь как эволюция. Помните, что прелесть изменений не в том, насколько хорошо они работают, а в том, что случаются вообще.

Человеческий интеллект настолько сложен, что нет достаточно рабочего способа рассчитать, насколько он эффективен. Естественный отбор, хотя и не прост, - проще, чем человеческий мозг; и соответственно, как и подобает первому процессу оптимизации, который когда-либо существовал, недостаточно быстр и менее эффективен. На самом деле эволюции достаточно просты, и мы можем точно рассчитать, насколько они глупы.

Эволюционные изменения медленны. Насколько? Предположим, есть полезная мутация, которая обеспечивает преимущество в приспособленности на 3%. В среднем, носители этого гена имеют в 1,03 раза больше детей, чем не-носители. При условии, что мутация распространяется свободно, сколько займёт её внедрение во всей популяции? Это зависит от численности населения. Ген, передающий 3% -ное преимущество приспособленности, распространяющееся среди 100 000 человек, потребует в среднем 768 поколения для достижения повсеместности в генофонде. Для населения в 500 000 потребуется 875 поколений. Общая формула

поколений потребуется для фиксации гена в генофонде = 2*ln(N)/s

где N — размер популяции, а (1 + s) — приспособленность. (Если у каждого носителя этого гена в 1,03 раза больше детей, чем у не-носителя, s равняется 0,03). Таким образом, если размер популяции составляет 1 000 000 особей — примерная численность населения во времена охоты и собирательства — то потребуется 2763 поколения, чтобы ген, дающий преимущество на один процент, распространился в генофонде.

В этом нет ничего удивительного. Генам приходится самим выполнять всю работу, потому что нет никакой Феи Эволюции, которая бы наблюдала за генофондом и решала: «Хм, этот ген, кажется, быстро распространяется, надо раздать его всем!»

В условиях человеческой рыночной экономики любой, кто, оставаясь в рамках закона, получает 20% прибыли от инвестиций — особенно если за этим стоит очевидный, прозрачный механизм — стремительно получает ещё больше капитала от инвесторов, а другие начинают копировать его предприятие. Генам же приходится распространяться без помощи фондовых рынков, банков и подражателей. Как если бы Генри Форду пришлось сделать одну машину, продать её, купить деталей на ещё 1,01 машину (в среднем), продать эти машины, и так до тех пор, пока не дойдёт до миллиона.

Это если предполагать, что ген вообще распространится. Следующее уравнение проще и вовсе не связано с размером популяции:

вероятность закрепления гена = 2s.

У мутации, которая несёт 3%-ное преимущество (что чертовски много для мутаций), 6% вероятность распространения в популяции, по крайней мере на этот раз. Мутации могут повторяться, но при популяции из миллиона особей и точности копирования 10^-8 ошибок на поколение вам придётся подождать сотню поколений, чтобы получить ещё один шанс, а потом у неё всё равно будет 6% шанс закрепиться.

И всё-таки в конечном итоге эволюции неплохо удаётся добираться до конца.

(Это постоянный лейтмотив.)

На развитие сложных адаптаций требуется очень много времени. Сначала появляется аллель А, который выгоден сам по себе, и уходит тысяча поколений, прежде чем он закрепится в генофонде. Только после этого аллель B, зависимый от А, может начать развиваться. Меховая шуба не станет серьёзным преимуществом, если у окружающей среды нет статистически достоверной склонности устраивать вам морозильник. А гены составляют часть окружающей среды для других генов, и если B зависит от A, то B не получит серьёзного преимущества, пока A не будет достоверно присутствовать в окружающей среде.

Предположим, что B дает преимущество 5% при наличии A, без него преимущества не даёт. Тогда, в случае когда A все еще имеет 1% -ную частоту в популяции, B даст преимущество только 1 из 100 раз, поэтому суммарное преимущество наличия B составляет 0,05%, а вероятность закрепления В составляет 0,1%. При сложной адаптации сначала А должен развиваться более тысячи поколений, затем B должен развиваться более чем в тысяче поколений, тогда A* разовтётся более чем через тысячу поколений. , , и несколько миллионов лет спустя, у вас новая сложная адаптация.

Притом другие эволюции не перенимают её. Если змея в процессе изменений разовьёт новый потрясающий яд, это не поможет эволюции лис или эволюции льва.

Сравните все это с человеком-программистом, который может разработать новый сложный механизм с сотнями взаимозависимыми частями в течение одного дня. Как это вообще возможно? Я не знаю ответа, и я предполагаю, что это тоже не наука; человеческий мозг намного сложнее, чем эволюции. Я мог бы махнуть рукой и сказать что-то вроде «целенаправленная обратная цепочка с использованием комбинаторных модульных представлений», но это не помогло бы вам спроектировать своего собственного человека. Тем не менее: люди могут [предсказуемо?] проектировать новые элементы в ожидании дальнейшей разработки других новых частей; производить согласованные одновременные изменения в взаимозависимом механизме; учиться, изучая отдельные тестовые примеры; [останавливаться?] в проблемных точках и абстрагируясь, думать о том, как их решать; оценивать, какие трюки стоит попробовать, - вместо того, чтобы ждать космического луча, который всё улучшит. По меркам естественного отбора это просто волшебство.

Люди способны делать вещи, которые эволюции сделать не могут (здесь можно поставить точку) за всё то время, сколько ещё проживёт Вселенная. Как однажды сказала выдающийся биолог Синтия Кеньон за обедом, на котором я имел честь присутствовать: "Один аспирант за час может сделать то, что эволюция не смогла за миллиард лет". Согласно текущим знаниям биологов, эволюции изобрели полностью вращающееся колесо в общей сложности трижды.

И не забывайте ту часть, когда программист постит фрагмент кода в интернете.

Да, некоторые изделия эволюции впечатляют даже в сравнении с лучшими технологиями Homo sapiens. Но наш кембрийский взрыв только начался, мы едва только начали накапливать знание, примерно... четыре сотни лет назад? В чём-то биология всё ещё превосходит лучшие человеческие технологии: мы не можем создать самовоспроизводящуюся систему размером с бабочку. В других случаях человеческая технология делает биологию только так. У нас есть колёса, у нас есть сталь, у нас есть ружья, у нас есть ножи, у нас есть заострённые палки; есть ракеты, транзисторы, атомные электростанции. С каждым десятилетием чаша весов склоняется всё ниже.

Повторю: для человека искать вдохновения в конструкторском мастерстве естественного отбора — то же самое, как если бы сложная современная бактерия подражала бы неуклюжей биохимии первого репликатора. Первый репликатор, появись он в сегодняшней конкурентной среде, был бы мгновенно съеден. Та же участь ждёт и человека-проектировщика, который станет вносить в свои стратегии случайные точечные мутации и ждать 768 итераций тестов, прежде чем внести 3%-ное улучшение.

Не превозносите эволюции ни на миллиметр больше, чем они того заслуживают.

Далее в программе: ещё больше захватывающих математических ограничений для эволюции!

Внимание! Этот перевод, возможно, ещё не готов.
Его статус: идёт перевод

Переведено на Нотабеноиде
http://notabenoid.org/book/60560/295283

Переводчики: AlRaune, Moons_flower, ninacarrot