El artículo sobre BIO-Complejidad ofrece un método objetivo para sopesar las explicaciones darwinianas.

George D. Montañez publica un nuevo artículo en la revista BIO-Complexity, A Unified Model of Complex Specified Information «Un modelo unificado de información compleja especificada». Los escépticos de la teoría evolutiva han argumentado que los procesos darwinianos propuestos no alcanzan el nivel de explicaciones detalladas plausibles para el surgimiento de la vida compleja. El documento del Dr. Montañez, científico informático del Harvey Mudd College, ofrece una forma objetiva de demostrarlo directamente.

¿Qué significa para el Diseño Inteligente?

Se introduce una teoría matemática de información especificada compleja que unifica varios métodos anteriores de computar la complejidad especificada. De manera similar a cómo la familia exponencial de distribuciones de probabilidad tienen formas de superficie diferentes pero comparten una identidad matemática subyacente común, definimos un modelo que nos permite analizar la complejidad especificada semiótica de Dembski, la complejidad especificada algorítmica de Ewert et al., la información funcional Hazen et al., y la complejidad irreducible de Behe ​​en una forma matemática común. Añadiendo restricciones adicionales, introducimos modelos de complejidad canónicos especificados, para los cuales se dan límites de conservación unilaterales, mostrando que los valores de complejidad especificados grandes son improbables en cualquier distribución continua o discreta dada y que los modelos canónicos pueden usarse para formar pruebas de hipótesis estadísticas, por Límite de probabilidades de cola para distribuciones arbitrarias.

Hay algunas cálculos pesados en el artículo y, sin duda, necesita un poco de traducción para el lector aficionado. ¿Qué significa para la comunidad del diseño inteligente? Aquí hay un comienzo.


En términos (relativos) de «hombre-común»

El artículo ofrece una teoría matemática detallada de qué es la complejidad especificada, qué hace y cómo se puede usar para descartar las explicaciones propuestas. Define una base común y rigurosa para todos los modelos de complejidad especificados. Demuestra que la complejidad especificada debe ser rara y muestra cómo crear nuevos modelos de complejidad especificados para dominios de interés (como convertir la complejidad irreductible en una forma cuantitativa de complejidad especificada, como se muestra en el documento).

Dada la conexión explícita realizada entre la complejidad especificada y las pruebas de hipótesis estadísticas (mediante los valores de p), podemos revertir la relación para proporcionar una línea de base probabilística mínima que cualquier explicación propuesta debe superar para que se considere una explicación plausible, estableciendo una barra cuantitativa objetiva (en relación con una distribución uniforme simple) mediante la cual podemos medir la suficiencia causal de cualquier explicación naturalista. Como señala el Dr. Montañez en el documento, cumplir con este requisito «es la cuota de inscripción para un mecanismo probabilístico incluso para ingresar al torneo de explicaciones en competencia».

Los campos están maduros

Aquí hay diez comentarios del artículo:

1) El documento proporciona una definición matemática general de la complejidad especificada, para lo cual se puede demostrar que todos los demás trabajos anteriores examinados en complejidad especificada son casos especiales. Esto se llama «forma común» en el documento.

2) Agregar una sola restricción a los modelos de forma común da como resultado lo que Montañez llama «forma canónica», una forma que tiene propiedades importantes, como el funcionamiento como un estadístico de prueba de hipótesis estadística, muy similar a un valor p. Se muestra que cada prueba de hipótesis de valor p tiene una prueba de hipótesis de complejidad especificada canónica equivalente, y que cada modelo de complejidad especificada canónica se puede usar para vincular las probabilidades de la cola exactamente de la misma manera que un valor de p (y en algunos casos donde p -los valores no pueden ser utilizados). Montañez da ejemplos de cómo realizar pruebas de hipótesis de complejidad especificada, como dar una tabla de valores de corte de complejidad especificados para los niveles de rechazo alfa deseados.

3) Debido a que ahora se define la forma canónica, pone en claro las investigaciones previas, como mostrar que una forma particular de complejidad específica (denominada «método de significación algorítmica» (Milosavljević, 1993)) se ha utilizado en el aprendizaje automático y en la bioinformática. ¡Por más de 25 años! Esto fue sacado a la luz por un crítico del DI (señalando una similitud con la complejidad algorítmica especificada). Sin embargo, ahora que tenemos una complejidad especificada canónica, podemos mostrar que no es solo similar, sino que es un modelo matemático de complejidad especificada. Por lo tanto, la complejidad especificada ya ha encontrado aplicaciones directas fuera del DI durante más de un cuarto de siglo.

4) ¡Puedes crear tus propios modelos de complejidad especificada! Usando cualquier forma de función de especificación que pueda encontrar (que no es negativa y se aplica a dominios finitos), el documento ofrece una receta para crear nuevos modelos de complejidad especificada. Por ejemplo, si piensa que la coherencia funcional es importante, entonces puede definir la Complejidad Especificada de Coherencia usando la receta dada.

5) El documento define un modelo cuantitativo de complejidad irreducible, llamado «complejidad cuantitativa irreducible», como un modelo canónico.

6) El documento muestra la información funcional de Robert Hazen (Hazen, 2007) y la complejidad especificada semiótica de William Dembski (Demsbki, 2005) son modelos de formas comunes, y define variantes canónicas de ambos.

7) Montañez proporciona muchos resultados matemáticos (implicaciones) para formas comunes y modelos canónicos.

8) Se muestra que la complejidad algorítmica especificada de Winston Ewert et al. (Ewert, 2012) es un modelo canónico, por lo que el documento proporciona nuevos resultados teóricos para ese modelo.

9) El documento brinda una explicación intuitiva de por qué los niveles altos de complejidad especificada deben ser raros. Básicamente, hay una propiedad de conservación en «masa de especificación». Esto significa que cuando su función de especificación no permite que todo sea altamente especificado (es decir, en realidad mide algo no trivial), entonces como resultado directo cualquier modelo de complejidad especificado que use esa función de especificación solo puede tener valores grandes para un pequeño subconjunto de posibilidades.

10) En lugar de ser un callejón sin salida para la investigación, la complejidad especificada representa un área rica para la exploración teórica y empírica, con suficiente «frutos al alcance» para que un solo investigador produzca más de 20 páginas de resultados matemáticos utilizando dichos modelos.

En resumen, los trabajadores pueden ser pocos, pero los campos están maduros. Mantenga un ojo en este espacio para obtener más información sobre esta importante contribución nueva.

Bibliografía
Demsbki, W. (2005). Especificación: El patrón que significa inteligencia. Philosophia Christi, 7 (2): 299–343.

Ewert, W. et al. (2012). Complejidad especificada algorítmica. Ingeniería y metafísica.

Hazen, R. et al. (2007). La información funcional y la aparición de la biocomplejidad. Actas de la Academia Nacional de Ciencias, 104.suppl 1: 8574-8581.

Milosavljević, A. (1993). Descubriendo la similitud de secuencia mediante el método de significación algorítmica. Proc Int Conf Intell Syst Mol Biol, (págs. 284–291).

Crédito de la foto: Foto de Reuben Teo en Unsplash.