Czy da się zrozumieć przyrodę za pomocą algorytmu?

W ciągu ostatnich lat nastąpił silny rozwój metod optymalizacyjnych bazujących na procesach zachodzących w środowisku naturalnym. Pojawiły się różnego rodzaju algorytmy, w których sposób przeszukiwania przestrzeni potencjalnych rozwiązań jest analogią do ich biologicznych odpowiedników. Można wymienić w tym miejscu algorytmy mrówkowe (będące komputerową adaptacją zachowań występujących w kolonii mrówek), algorytmy rojowe (symulujące stadne zachowania niektórych gatunków zwierząt), sztuczne systemy immunologiczne (nawiązujące do działania ludzkiego systemu immunologicznego), oraz algorytmy ewolucyjne (będące komputerową symulacją procesu ewolucji gatunków)

Algorytmami ewolucyjnymi nazywa się algorytmy, w których sposób poszukiwania rozwiązania, tj. przeszukiwania przestrzeni potencjalnych rozwiązań (sposóbprzetwarzania informacji) naśladuje procesy zachodzące w środowisku naturalnym i darwinowską walkę o przetrwanie (przeży ją tylko osobniki najlepiej przystosowane do otoczenia – środowiska). Algorytmy ewolucyjne zaczęły robić karierę z końcem lat 60-tych i początkiem 70-tych ubiegłego wieku, kiedy John Holland wraz ze swoimi studentami z University of Michigan stworzyli program zwany algorytmem genetycznym do symulowania procesu ewolucji w naturze.

Wedle zapewnień ewolucjonistów, algorytmy genetyczne zawierają również podstawowe charakterystyki tego procesu. Otwiera to nowe możliwości pomocne w udzielaniu odpowiedzi na takie pytania, jak: w jaki sposób darwinowski mechanizm prowadził do powstawania nowych funkcji, do znajdowania szeregu rozwiązań spełniających cechy projektu? Jest rozpowszechnionym poglądem, że ewolucyjne algorytmy potwierdzają neodarwinistyczny mechanizm, jakoby dobór naturalny i przypadkowe mutację były główną kreacyjną siłą w biologii.

Jednakże dokładna analiza ewolucyjnych algorytmów i informacji, za pomocą której programuje się je pokazuje, że ewolucyjne algorytmy stwarzają problem, a nie stanowią rozwiązanie dla kwestii pochodzenia informacji i kompleksowości w żywych organizmach. Nie rozwiązując problemu jedynie spychają go głębiej.

Aby algorytmy ewolucyjne znalazły rozwiązanie jakiegoś problemu, konieczna do tego informacja musi zostać do nich rozumnie wprowadzona w samej konstrukcji takiego algorytmu, jak i w specjalnej funkcji, która ocenia wyniki (najczęściej jest to tzw. funkcja dostosowania lub oceny — fitness function). Każdy więc projekt, jaki generują algorytmy ewolucyjne wymaga najpierw wprowadzenia projektu — w konstrukcji takiego algorytmu i w informacji, która steruje takim algorytmem.

Pod tym względem bardzo pouczające są słowa Geoffrey’a Millera z University College w Londynie:

„…Algorytmy genetyczne sprawdzają się przy poszukiwaniu raczej prostych rozwiązań w małej przestrzeni projektów. Jednak dla trudnych problemów i bardzo dużej przestrzeni projektów, zaprojektowanie dobrego genetycznego algorytmu jest bardzo, bardzo trudne. Cała wiedza jaką nasi inżynierowie mogą wykorzystać stojąc w obliczu projektowania — specjalistyczna wiedza, inżynieryjne zasady, narzędzia analityczne, metody heurystyczne i tym podobne — musi być wbudowana w genetyczny algorytm….”

Amerykański matematyk, Williama Dembskiego omawiając ewolucyjne algorytmy stwierdza krótko: „nic za darmo” — informacja generowana przez ewolucyjny algorytm nie jest generowana z niczego, ale wymaga wcześniejszego wprowadzenia takiej informacji do tego algorytmu. Algorytm ewolucyjny tylko przetwarza (m.in. przez zmienność i selekcję) już obecną w nim informację.”

Analogicznie było w przypadku projektu anteny do satelitów wykonanej przez specjalistów z NASA. Opracowali oni oprogramowanie działające w sieci 120 komputerów osobistych, a wykorzystujące algorytm genetyczny do znalezienia optymalnego projektu anteny. Program testował pod kątem dobranych wcześniej kryteriów miliony potencjalnych anten, by wybrać tę optymalną. Jason Lohn z NASA Ames Research Center położonego w kalifornijskiej Krzemowej Dolinie wyjaśnia:

„…Powiedzieliśmy programowi jakie właściwości powinna mieć antena, a komputer symulował ewolucję, zachowując najlepsze projekty anten, które spełniały kryteria, o jakie pytaliśmy…” John Bluck, Nasa ‚Evolutionary’ Software Automatically Designs Antenna, Ames News 14 June 2004.

Tutaj podobnie sukces był możliwy tylko dlatego, że funkcja oceny testowała różne projekty anten pod kątem przyszłego celu, tak aby jak wyjaśnia Lohn rezultat „spełniał pożądane specyfikacje”. Krótko mówiąc, koniecznym warunkiem, aby algorytm ewolucyjny znalazł optymalne rozwiązanie problemu jest takie zdefiniowane kryteriów selekcji, aby operowały one pod kątem przyszłego celu. Potwierdza to Melanie Mitchell:

„…Początkowy wybór stałego systemu oprogramowania sterującego genetycznym algorytmem stanowi paradoks dla potencjalnego użytkownika takiego algorytmu: dla każdego problemu, którego rozwiązanie jest dostępne dla genetycznego algorytmu, użytkownik nie wie jak rozwiązać taki problem dopóki, dopóty nie zaprojektuje dla tego algorytmu właściwej procedury poszukującej rozwiązania. W rzeczywistości stworzenie takiej właściwej procedury jest zawsze równoznaczne z rozwiązaniem oryginalnego problemu!…” Melanie Mitchell, An Introduction to Genetic Algorithms, Massachusetts Institute of Technology Press, Cambridge, Massachusetts 1998, s. 158, podkreślenie dodane.

Czym zatem jest sama informacja ?

Oczywiście informacja, energia i materia są pojęciami abstrakcyjnymi. Jeśli uważają Państwo inaczej proszę podać czym jest materia, energia i informacja? Możecie Państwo podać tylko definicje opisowe ale do istoty rzeczy nie dotrzecie.

Profesor Horodecki, a wcześniej profesor Czesław Białobrzeski („Podstawy fizyczne świata atomowego”) podejrzewają, że pierwotne jest UNITARNE POLE INFORMACYJNE. Jest to taki informacyjny „eter”, który wypełnia całą rzeczywistość. Doświadczenie Younga potwierdza że coś takiego może istnieć („świadomość” kolejnych cząstek przechodzących przez szczelinę). Łączy się to również z faktem, że otaczająca nas rzeczywistość jest nielokalna.

Nie sądzmy aby informacja a tym bardziej energia potrzebowała jakiegokolwiek materialnego nośnika. Dla wielu MATERIA = KONDENSACJA ENERGII (zgodnie ze wzorem Einsteina), a to że podczas kondensacji energia stworzyła zupełnie nową jakość czyli struktury materialne jest zupełnie wtórne (zresztą jaką masę ma właściwie kwark i czy to już jest cząstka materii czy właściwie forma energii). Energia może się przetwarzać w struktury czysto energetyczne (inną energię) ale i materialne i na odwrót. Podobnie informacja – istniejąc w warstwie subkwantowej (potencjalności), może się zaktualizować w struktury informacyjne jak również energetyczne a te z kolei np. w materię, Nie ma tu żadnej sprzeczności z prawami fizyki (w szczególności z zasadami zachowania). Podsumowując należy szukać wpierw zródła informacji by wykryć kto nią steruje.

„…Mądrość polega na tym, by poznać myśl, która wszystkim steruje….” Heraklit z Efezu  (540 p.n.e.–480 p.n.e.) – starożytny filozof grecki.

Linki:

Świat jest dziełem Inteligentnego Projektanta – cudowny program Tv Trwam !

Pamięć absolutna (globalna) Total recall – resety cache i RAM ?

Miłość do Jezusa – pokarmem żywota rodu boskiego Lecha

Zakazane obrazy świadomości (archeologicznej tożsamości)

„oto Czuwający i Święty zstępował z nieba”

Wiek Ziemi według fizyka nuklearnego ?

Duchowe poglądy o rzeczywistości

Kolumna geologiczna ? Faszerstwo !

Marzulli ujawnia kolejne sensacyjne wyniki badań !

Bereszit bara Elohim et haszemaim – Na początku stworzył Bóg…

Przedświadomość megalityczna

Megalityczna rzeczywistość kontra darwinistyczna Maja माया

Wyginięcie mamutów i zagadkowe artefakty starożytnej cywilizacji, co je łączy ?

Sklepienie ochronne nad Ziemią przedpotopową, czy zdajemy sobie sprawę jak niesamowity był to świat !?

Żelazna logika naukowca kreacjonisty – dr Thomas Kindell

Inteligentny wybuch cwanej zupy

„Bóg przywraca to, co przeminęło”, czyli „Oblivion” w nowej formie

Nowy nieznany rodzaj jogi ?

Wyginięcie mamutów i zagadkowe artefakty starożytnej cywilizacji, co je łączy ?

Amnezja trwa i cały czas jest nam narzucana !

Dobre(16)Słabe(0)

Jedna opinia do Czy da się zrozumieć przyrodę za pomocą algorytmu?

  1. Thot napisał(a):

    W przyrodzie występuje taka spirala która jest pod takimi samymi wymiarami w miniaturce co całe galaktyki. Nazywa to się ciąg Fibonacciego, jest wszędzie na muszlach ślimaków w kształcie spirali, na roślinach, w ludzkim i zwierzęcym DNA itp. Projektant który tworzył wszechbyt wetknął ja prawie w przeróżne miejsca, równomierne wymiary zawarte są w największych dziełach architektonicznych, katedrze NoterDame w Francji. W rysunkach Lehonardo da Vinci, w wymiarach ludzkiego ciała stosunek głowy do ciała i wielu , wielu innych przypadkach poza kosmosem, a nawet w miniaturyzacji, makro, micro, nanotechnologii. Czy w Fizyce kwantowej i planetach.

    Dobre(1)Słabe(0)

Dodaj komentarz

Twój adres email nie zostanie opublikowany.