El principio de conservación de la información

En la década de 1970, Doubleday publicó una serie de libros con el título «Hecho simple». Esta serie cubrió una variedad de temas académicos (Estadísticas simplificadas, Filosofía simplificada, etc.). La década de 1980 vio la serie «Para Dummies», que amplió la gama de temas para incluir cuestiones prácticas como la reparación de automóviles. La serie «Para Dummies» ha sido replicada, especialmente por guías para «tontos». Todos los libros de estas series intentan, con diversos grados de éxito, desglosar temas complejos, ayudando a los estudiantes a aprender un tema, especialmente cuando ‘ han sido obstaculizados por enfoques y libros de texto más convencionales.

En este artículo, voy a seguir el ejemplo de estos libros, exponiendo de manera tan simple y clara como puedo lo que es la conservación de la información y por qué plantea un desafío al pensamiento evolutivo convencional. Voy a romper este concepto para que parezca natural y directo. En este momento, es muy fácil para los críticos del Diseño Inteligente (DI) decir: «Ah, esa conservación de la información es simplemente una tontera. Es parte de la agenda del DI para hacer que un público crédulo piense que hay algún respaldo científico del DI cuando en realidad es todo humo y espejos. «La conservación de la información no es un concepto difícil y una vez que se entiende, se vuelve claro que los procesos evolutivos no pueden crear la información requerida para impulsar la evolución biológica.

Conservación de la información: una breve historia

La conservación de la información es un término con una corta historia. El biólogo Peter Medawar lo utilizó en la década de 1980 para referirse a sistemas matemáticos y computacionales que se limitan a producir consecuencias lógicas a partir de un conjunto dado de axiomas o puntos de partida, y así no puede crear información nueva (todo en las consecuencias ya está implícito en el inicio). Su uso del término es el primero que conozco, aunque la idea que captó es mucho más antigua. Tenga en cuenta que lo llamó la «Ley de Conservación de la Información» (ver The Limits of Science, 1984).

El científico informático Tom English, en un documento de 1996, también utilizó el término conservación de la información, aunque fue sinónimo de los resultados probados recientemente por Wolpert y Macready sobre No Free Lunch (NFL). En la versión de [Tom] English sobre NFL, «la información que obtiene un optimizador sobre valores no observados se debe a su información previa de distribución de valores». Al igual que con la forma de conservación de información de Medawar, la información para English no se crea desde cero sino que se redistribuye desde fuentes existentes .

La conservación de la información, a medida que la idea se desarrolla y gana actualidad en la comunidad del diseño inteligente, es principalmente obra de Bob Marks y de mí mismo, junto con varios de los estudiantes de Bob en Baylor (consulte la página de publicaciones en www.evoinfo.org). La conservación de la información, como usamos el término, se aplica a la búsqueda. Ahora la búsqueda puede parecer un tema bastante restringido. A diferencia de la conservación de la energía, que se aplica a todas las escalas y dimensiones del universo, la conservación de la información, al centrarse en la búsqueda, puede parecer que tiene un significado físico limitado. Pero, de hecho, la conservación de la información está profundamente arraigada en la estructura de la naturaleza, y el término no tergiversa su propia importancia.

La búsqueda es un fenómeno muy general. La razón por la que normalmente no pensamos que la búsqueda en términos generales se aplica a la naturaleza en general es que tendemos a pensar en ella de forma limitada en términos de encontrar un objeto predefinido en particular. Por lo tanto, nuestro ejemplo de búsqueda se correlaciona con perder las llaves, y el intento de recuperarlas. Pero también podemos buscar cosas que no están preestablecidas de esta manera. Los exploradores del siglo XVI buscaban nuevas tierras inexploradas. Sabían cuándo las encontraron que su búsqueda había sido exitosa, pero no sabían exactamente lo que estaban buscando. U2 tiene una canción titulada «Todavía no he encontrado lo que estoy buscando». ¿Cómo sabrá Bono una vez que haya encontrado lo que está buscando? A menudo, sabemos que lo hemos encontrado, aunque no se parece en nada a lo que esperábamos, y que a veces incluso infringe nuestras expectativas.

Otro problema con la extensión de la búsqueda a la naturaleza en general es que tendemos a pensar que la búsqueda está limitada a contextos humanos. Los humanos buscan llaves, y los humanos buscan tierras inexploradas. Pero, como resulta, la naturaleza también es bastante capaz de buscar. Ve a Google y busca el término «búsqueda evolutiva» y obtendrás algunos éxitos. La evolución, según algunos biólogos teóricos, como Stuart Kauffman, puede ser concebida como una búsqueda (ver su libro Investigations). Kauffman no es un tipo del DI, por lo que no hay inteligencia humana o algo parecido detrás de la búsqueda evolutiva en lo que a él respecta. No obstante, para Kauffman, la naturaleza, al impulsar el proceso evolutivo, se dedica a una búsqueda a través del espacio de configuración biológica, buscando y encontrando órdenes cada vez mayores de complejidad y diversidad biológica.

Una época de búsqueda.

La búsqueda evolutiva no se limita a la biología sino que también tiene lugar dentro de las computadoras. El campo de la computación evolutiva (que incluye algoritmos genéticos) se encuentra en general en esa área de las matemáticas conocida como investigación de operaciones, cuyo enfoque principal es la optimización matemática. La optimización matemática se trata de encontrar soluciones a problemas en los que las soluciones admiten grados de bondad variables (medibles). La informática evolutiva se ajusta a este molde, buscando elementos en un espacio de búsqueda que logre un cierto nivel de aptitud. Estas son las soluciones óptimas. (Por cierto, la ironía de hacer una «búsqueda» de Google en la frase objetivo «búsqueda evolutiva», descrita en el párrafo anterior, no se me escapó. Todo el negocio de Google se basa en realizar búsquedas óptimas, donde la optimización se mide en términos de la estructura de enlaces de la web. ¡Vivimos en una era de búsqueda!).

Si las posibilidades relacionadas con la búsqueda ahora le parecen mayores que en el pasado, extendiéndose más allá de los humanos a las computadoras y la biología en general, aún pueden parecer limitadas ya que la física parece no saber nada de búsqueda. ¿Pero es esto cierto? El mundo físico permite la vida: su estructura y leyes permiten (aunque están lejos de requerir) la existencia no solo de vida celular sino también de vida multicelular inteligente. Para que el mundo físico permita la vida de esta manera, sus leyes y constantes fundamentales deben configurarse de manera muy precisa. Además, parece lejos de ser obligatorio que esas leyes y constantes tuvieran que tomar la forma precisa que lo hacen. El universo mismo, por lo tanto, puede verse como la solución al problema de hacer posible la vida. Pero la resolución de problemas en sí es una forma de búsqueda, es decir, encontrar la solución (entre una variedad de candidatos) al problema.

Aún así, para muchos científicos, la búsqueda encaja incómodamente en las ciencias naturales. Algo inevitablemente subjetivo y teleológico parece estar involucrado en la búsqueda. La búsqueda siempre implica una meta u objetivo, así como criterios de éxito y fracaso (según lo que se juzga por quién o por qué), dependiendo de si se ha cumplido el objetivo y en qué medida. ¿De dónde proviene ese objetivo, típicamente conocido como blanco, además de las mentes de los investigadores humanos? ¿Estamos, como animales que buscan patrones e inventamos patrones, simplemente imponiendo estos blancos / patrones a la naturaleza a pesar de que no tienen un estado objetivo independiente?

Esta preocupación tiene mérito, pero no necesita ser exagerada. Si no presuponemos una metafísica materialista que haga de la mente, la inteligencia y la agencia una propiedad emergente de la materia adecuadamente organizada, entonces es una pregunta abierta si la búsqueda y la teleología inherentes en ella son meras construcciones humanas por un lado, o, en cambio, realidades incrustadas en la naturaleza en el otro. ¿Qué pasa si la naturaleza es en sí misma el producto de la mente y los patrones que exhibe reflejan soluciones a los problemas de búsqueda formulados por esa mente?

La investigación científica que está libre de prejuicios y las suposiciones metafísicas estrechamente sostenidas deberían, al parecer, dejar abiertas estas dos posibilidades. Después de todo, los patrones de los que estamos hablando no son como encontrar una vaga semejanza de la barba de Papá Noel en una formación de nubes. ¿Quién, si se ven lo suficientemente duro, no verá la barba de Papá Noel? El ajuste de las leyes y constantes de la naturaleza que permite que la vida exista en absoluto no es así. Es un patrón notable y puede ser considerado como la solución a un problema de búsqueda, así como una característica fundamental de la naturaleza, o lo que los filósofos llamarían un tipo natural, y no simplemente una construcción humana. Si una inteligencia es responsable del éxito de esta búsqueda es una pregunta separada. La línea materialista estándar en respuesta a tal ajuste cosmológico es invocar múltiples universos y ver el éxito de esta búsqueda como un efecto de selección: la mayoría de las búsquedas terminaron sin un universo que permitiera la vida, pero tuvimos suerte y vivimos en un universo hospitalario a la vida.

En cualquier caso, es posible caracterizar la búsqueda de una manera que deje abierto el papel de la teleología y la inteligencia sin presuponerlos ni decidirlos de antemano. En términos matemáticos, la búsqueda siempre ocurre en un contexto de posibilidades (el espacio de búsqueda), siendo la búsqueda de un subconjunto dentro de este contexto de posibilidades (conocido como el objetivo). El éxito y el fracaso de la búsqueda se caracterizan en términos de una distribución de probabilidad en este contexto de posibilidades, la probabilidad de éxito aumenta en la medida en que aumenta la probabilidad de localizar el objetivo.

Por ejemplo, considere todas las posibles secuencias de L-aminoácidos unidas por enlaces peptídicos de longitud 100. Esto lo podemos tomar como nuestra clase de referencia o contexto de posibilidades: nuestro espacio de búsqueda. Dentro de esta clase, considere aquellas secuencias que se pliegan y así podrían formar una proteína funcional. Esto, digamos, es el objetivo. Este objetivo no es simplemente una construcción humana. La propia naturaleza ha identificado este objetivo como una condición previa para la vida; ningún ser vivo que sepamos puede existir sin proteínas. Además, este objetivo admite algunas estimaciones probabilísticas. Comenzando con el trabajo de Robert Sauer, la mutagénesis en cassette y otros experimentos de este tipo realizados en las últimas tres décadas sugieren que el objetivo tiene una probabilidad no mayor a 1 en 10⁶⁰ (suponiendo una distribución de probabilidad uniforme sobre todas las secuencias de aminoácidos en la referencia clase).

La búsqueda de caracterización matemática de esta manera es directa y general. Ya sea en situaciones específicas, una búsqueda así caracterizada también involucra elementos humanos inevitablemente subjetivos o refleja realidades dadas objetivamente integradas en la naturaleza que pueden argumentarse independientemente de las matemáticas. Tal argumento habla de la interpretación de la búsqueda, no de la búsqueda en sí misma. Tal argumento es paralelo a las controversias que rodean la interpretación de la mecánica cuántica: si la mecánica cuántica es intrínsecamente una teoría basada en la mente y dependiente del observador; si se puede desarrollar independientemente de los observadores; si se interpreta correctamente como reflejo de un multiuniverso determinista, independiente de la mente, etc. La mecánica cuántica es en sí misma una teoría única y bien definida que admite varias formulaciones, todas las cuales son matemáticamente equivalentes. Del mismo modo, la búsqueda tal como se describe aquí tiene una base teórica única y directa.

Una búsqueda de huevos de Pascua, desde la ciencia

Vale la pena insertar una aclaración aquí mientras todavía estamos sentando las bases para la conservación de la información. Para la mayoría de las personas, cuando se trata de buscar, lo importante es el resultado de la búsqueda. Tome una búsqueda de huevos de Pascua. Los niños que buscan huevos de Pascua se preocupan por si encuentran los huevos. Desde el punto de vista científico, sin embargo, lo importante de la búsqueda no son los resultados particulares sino la distribución de probabilidad en toda la gama de resultados posibles en el espacio de búsqueda (esto es paralelo a la teoría de la comunicación, en la que lo que interesa no son mensajes particulares enviados a través de canal de comunicación, pero el rango de posibles mensajes y su distribución de probabilidad). El problema con solo mirar los resultados es que una búsqueda puede tener suerte y encontrar el objetivo incluso si las probabilidades están en contra.

Haga una búsqueda de huevos de Pascua en la que solo hay un huevo cuidadosamente escondido en algún lugar de una vasta área. Este es el objetivo y es muy poco probable que la búsqueda ciega lo encuentre precisamente porque el espacio de búsqueda es tan vasto. Pero todavía hay una probabilidad positiva de encontrar el huevo, incluso con la búsqueda a ciegas, y si se descubre el huevo, así es como es. Puede ser, porque el descubrimiento del huevo es tan improbable, que podríamos cuestionar si la búsqueda era verdaderamente ciega y, por lo tanto, rechazar esta hipótesis (nula). Tal vez fue una búsqueda guiada en la que alguien, con conocimiento del paradero del huevo, le dijo al buscador «caliente, más caliente, tibio, más caliente, más caliente, más caliente, más ardiente». Dicha guía le da al buscador información adicional que, si la información es precisa, ayudará a ubicar el huevo con una probabilidad mucho mayor que la mera búsqueda a ciegas; esta información adicional cambia la distribución de probabilidad.

Pero una vez más, la cuestión importante, desde una perspectiva científica, no es cómo terminó la búsqueda, sino la distribución de probabilidad bajo la cual se realizó la búsqueda. No es necesario ser un científico para apreciar este punto. Supongamos que tiene una afección médica grave que requiere tratamiento. Digamos que hay dos opciones de tratamiento. ¿Con qué opción irás? Dejando de lado el costo y la incomodidad, querrá el tratamiento con mayores posibilidades de éxito. Este es el tratamiento más efectivo. Ahora, en circunstancias particulares, puede ocurrir que el tratamiento menos eficaz conduzca a un buen resultado y que el tratamiento más efectivo conduzca a un resultado malo. Pero eso es después del hecho. Al decidir qué tratamiento tomar, serás un buen científico e irás con el que tenga la mayor probabilidad de éxito.

El ejemplo de búsqueda de huevos de Pascua proporciona una pequeña vista previa de la conservación de la información. La búsqueda ciega, si el espacio de búsqueda es demasiado grande y el número de huevos de Pascua es demasiado pequeño, es muy poco probable que encuentre con éxito los huevos. Una búsqueda guiada, en la cual el buscador recibe retroalimentación sobre su búsqueda al ser informado cuando está más cerca o más lejos del huevo, por el contrario, promete aumentar dramáticamente la probabilidad de éxito de la búsqueda. El buscador recibe información vital sobre el éxito de la búsqueda. Pero, ¿de dónde viene esta información que mide la proximidad del buscador al huevo? La conservación de la información afirma que esta información es tan difícil de encontrar como localizar el huevo mediante búsqueda ciega, lo que implica que la búsqueda guiada no es mejor para encontrar los huevos que la búsqueda ciega una vez que se debe tener en cuenta esta información.

Conservación de la información en biología evolutiva

En la consiguiente, me centraré principalmente en la conservación de la información aplicada a la búsqueda en biología evolutiva (y por extensión en computación evolutiva), confiando en que una vez que se defiende la conservación de la información en biología, su alcance y aplicabilidad para el resto de las ciencias naturales será mucho más aceptado y aceptable. Tal como están las cosas, los biólogos evolutivos que poseen las herramientas matemáticas para comprender la búsqueda suelen sentirse felices de caracterizar la evolución como una forma de búsqueda. E incluso aquellos con un conocimiento mínimo de las matemáticas relevantes caen en esta forma de pensar.

Tomemos a Kenneth Miller, de Brown University, un biólogo celular cuyo conocimiento de las matemáticas relevantes no conozco. Miller, al intentar refutar el DI, describe regularmente ejemplos de experimentos en los que se elimina cierta estructura biológica junto con su función, y luego, bajo presión de selección, se desarrolla una estructura de reemplazo que recupera la función. Lo que hace que estos experimentos sean significativos para Miller es que son fácilmente replicables, lo que significa que los mismos sistemas con los misma eliminación experimentarán la misma recuperación bajo el mismo régimen de selección adecuado. En nuestra caracterización de búsqueda, diríamos que la búsqueda de estructuras que recuperan la función en estos experimentos de eliminación directa logra éxito con alta probabilidad.

Supongamos que, para ser un poco más concretos, imaginamos una bacteria capaz de producir una enzima particular que le permita vivir de una fuente de alimento determinada. A continuación, desactivamos esa enzima, no eliminándola por completo, sino cambiando, por ejemplo, una base de ADN en la región codificante de esta proteína, cambiando así un aminoácido en la enzima y disminuyendo drásticamente su actividad catalítica en el procesamiento de la fuente de alimento. Por supuesto, este ejemplo es un poco estilizado, pero captura el tipo de experimento que Miller cita regularmente.

Entonces, tomando estas bacterias modificadas, el experimentador ahora las somete a un régimen de selección que las inicia en una fuente de alimento para la cual no necesitan la enzima que ha sido inhabilitada. Pero, con el tiempo, obtienen cada vez más de la fuente de alimento para la que se requiere la enzima y cada vez menos de otras fuentes de alimentos para las que no la necesitan. Bajo tal régimen de selección, la bacteria debe o bien evolucionar la capacidad de procesar el alimento para el que previamente necesitaba la enzima, presumiblemente mutando el ADN dañado que originalmente codificaba la enzima y de ese modo recuperaba la enzima, o moría de hambre.

Entonces, ¿dónde está el problema de la evolución en todo esto? De acuerdo, el régimen de selección aquí es un caso de selección artificial: el experimentador controla cuidadosamente el entorno bacteriano y decide qué bacteria puede vivir o morir. Pero la naturaleza parece ser capaz de hacer algo similar. El nailon, por ejemplo, es un producto sintético inventado por los humanos en 1935, y por lo tanto estuvo ausente de las bacterias durante la mayor parte de su historia. Y, sin embargo, las bacterias han desarrollado la capacidad de digerir el nailon mediante el desarrollo de la enzima nilonasa. Sí, estas bacterias están obteniendo nueva información, pero la están obteniendo de sus entornos, ambientes que, presumiblemente, no necesitan estar sujetos a una guía inteligente. Ningún experimentador, aplicando selección artificial, por ejemplo, se propuso producir la nilonasa.

Para ver que sigue habiendo un problema para la evolución en todo esto, tenemos que mirar más de cerca la conexión entre búsqueda e información y cómo estos conceptos figuran en una formulación precisa de la conservación de la información. Una vez que hayamos hecho esto, volveremos a los ejemplos de evolución de Miller para ver por qué los procesos evolutivos no crean, y de hecho no pueden, la información que necesitan los sistemas biológicos. La mayoría de los espacios de configuración biológica son tan grandes y los objetivos que presentan son tan pequeños que la búsqueda a ciegas (que en última instancia, según los principios materialistas se reduce al empuje de los constituyentes moleculares de la vida a través de fuerzas de atracción y repulsión) es muy improbable que tenga éxito. Como consecuencia, se requiere una búsqueda alternativa si el objetivo tiene una posibilidad razonable de ser localizado. Los procesos evolutivos impulsados ​​por la selección natural constituyen una búsqueda alternativa de este tipo. Sí, hacen un trabajo mucho mejor que la búsqueda ciega. Pero a un costo: un costo de información, un costo que estos procesos tienen que pagar, pero que son incapaces de ganar por sí mismos.

En la literatura de la teoría de la información, la información generalmente se caracteriza como el logaritmo negativo para la base dos de una probabilidad (o un promedio logarítmico de probabilidades, a menudo denominado entropía). Esto tiene el efecto de transformar las probabilidades en bits y de permitir que se sumen (como el dinero) en lugar de multiplicarse (como las probabilidades). Por lo tanto, una probabilidad de un octavo, que corresponde a obtener una cara de la moneda tres veces, corresponde a tres bits, que es el logaritmo negativo a la base dos de uno octavos. Tal transformación logarítmica de probabilidades es útil en la teoría de la comunicación, donde lo que se mueve a través de los canales de comunicación es bits en lugar de probabilidades y el consumo de ancho de banda se determina aditivamente en términos de número de bits. Sin embargo, a los efectos de este documento «Hecho simple», podemos caracterizar la información, en lo que se refiere a la búsqueda, únicamente en términos de probabilidades, también cambiando la conservación de la información de forma puramente probabilística.

Las probabilidades, tratadas como información utilizada para facilitar la búsqueda, se pueden considerar en términos financieros como un costo, un costo de información. Piénsalo de esta manera. Supongamos que hay algún evento que desee que suceda. Si es seguro que suceda (es decir, tiene probabilidad 1), entonces usted es el propietario de ese evento, no le cuesta nada hacerlo posible. Pero supongamos que en cambio su probabilidad de ocurrir es menor que 1, digamos una probabilidad p. Esta probabilidad luego le mide el costo de hacer que el evento suceda. Cuanto más improbable sea el evento (es decir, cuanto menor sea p), mayor será el costo. A veces, no puede aumentar la probabilidad de que el evento se produzca hasta 1, lo que lo haría seguro. En cambio, puede que tenga que conformarse con aumentar la probabilidad a q donde q es menor que 1, pero mayor que p. Por ejemplo, muchos estudiantes pagan los costos de matrícula para obtener un título que mejorará sus perspectivas (es decir, las probabilidades) de obtener un buen trabajo bien remunerado.

Una lotería justa

Para ilustrar este punto de manera más precisa, imagina que estás jugando a la lotería. Digamos que es justo, para que el gobierno no se desentienda de nada (es decir, todo lo pagado en la lotería se le paga al ganador) y un boleto es seguro que será el ganador. Digamos que un millón de boletos de lotería se han comprado hasta ahora a un dólar cada uno, exactamente uno de los cuales es suyo. Por lo tanto, cada boleto de lotería tiene la misma probabilidad de ganar, por lo que su boleto de lotería tiene una posibilidad en un millón de llegar a la cima (que es su valor p actual), lo que implica una pérdida de un dólar si pierde y casi un millón de dólares si gana ($ 999,999 para ser exactos). Ahora digamos que realmente quiere ganar esta lotería, por la razón que sea, desea fervientemente tener el boleto ganador en su mano. En ese caso, puede comprar boletos adicionales. Al comprar estos, aumenta sus posibilidades de ganar la lotería. Digamos que usted compra un millón de boletos adicionales a un dólar cada uno. Al hacerlo, ahora ha aumentado su probabilidad de ganar la lotería de .000001 a .500001, o aproximadamente a la mitad.

Por lo tanto, aumentar la probabilidad de ganar la lotería ha tenido un costo. Con una probabilidad de aproximadamente .5 de ganar la lotería, ahora es mucho más probable que gane aproximadamente un millón de dólares. Pero también le cuesta un millón de dólares aumentar su probabilidad de ganar. Como resultado, sus ganancias esperadas, calculadas en términos estadísticos estándar como la probabilidad de perder multiplicado por lo que perdería sustraído de la probabilidad de ganar multiplicado por lo que ganaría, es igual a cero. Además, como se trata de una lotería justa, es igual a cero cuando solo compró un boleto y es igual a cero cuando compró un millón adicional de boletos. Por lo tanto, en términos estadísticos, invertir más en esta lotería no le hace ganar nada.

La conservación de la información es así. No exactamente así porque la conservación de la información se centra en la búsqueda, mientras que el ejemplo anterior se centró en la economía de la utilidad esperada. Pero así como aumentar sus posibilidades de ganar una lotería comprando más boletos no ofrece una ganancia real (no es una estrategia a largo plazo para aumentar el dinero en su bolsillo), por lo que la conservación de la información dice que aumentar la probabilidad de una búsqueda exitosa requiere recursos informativos que, una vez que se incluye el costo de ubicarlos, no hacen nada para facilitar la búsqueda original.
Para ver cómo funciona esto, consideremos un problema de juguete. Imagine que su espacio de búsqueda consta de solo seis elementos, etiquetados del 1 al 6. Digamos que su objetivo es el elemento 6 y que va a buscar en este espacio lanzando un dado justo una vez. Si aterriza en 6, su búsqueda es exitosa; de lo contrario, no tiene éxito. Entonces tu probabilidad de éxito es 1/6. Ahora digamos que desea aumentar la probabilidad de éxito a 1/2. Por lo tanto, usted encuentra una máquina que arroja una moneda justa y le entrega el artículo 6 en caso de que aterrice en cara y entrega otro elemento en el espacio de búsqueda si aterriza en cruz. Qué gran máquina, piensas. Aumenta significativamente la probabilidad de obtener el resultado 6 (de 1/6 a 1/2).

Pero luego una pregunta inquietante cruza su mente: ¿De dónde vino esta máquina que aumenta su probabilidad de éxito? Una máquina que arroja una moneda justa y que entrega el elemento 6 si la moneda cae en cara y algún otro objeto en el espacio de búsqueda si cae cruz se reconfigura fácilmente. Puede entregar fácilmente el elemento 5 si aterriza cara y algún otro elemento si cae por cruz. Del mismo modo para todos los elementos restantes en el espacio de búsqueda: una máquina como la descrita puede privilegiar cualquiera de los seis elementos en el espacio de búsqueda, entregándola con probabilidad 1/2 a expensas de las demás. Entonces, ¿cómo obtuviste la máquina que privilegia el elemento 6? Bueno, había que buscar entre todas esas máquinas que arrojaran monedas y entregaran un artículo determinado con probabilidad de 1/2, seleccionando la que entrega el elemento 6 cuando cae. ¿Y cuál es la probabilidad de encontrar una máquina así?

Para simplificar, imaginemos que nuestra máquina entrega el ítem 6 con probabilidad 1/2 y cada uno de los ítems 1 a 5 con igual probabilidad, es decir, con probabilidad 1/10. En consecuencia, esta máquina es una de las seis máquinas posibles configuradas esencialmente de la misma manera. Hay otra máquina que arroja una moneda, entrega el ítem 1 del espacio de búsqueda original si aterriza, y entrega cualquiera de 2 a 6 con probabilidad de 1/10 cada uno si la moneda sale de cruz. Y así. Por lo tanto, de estas seis máquinas, una entrega el ítem 6 con probabilidad 1/2 y las cinco máquinas restantes entregan el ítem 6 con probabilidad 1/10. Como hay seis máquinas, solo una de ellas entrega el ítem 6 (nuestro objetivo) con alta probabilidad, y dado que solo las etiquetas y ninguna propiedad intrínseca distinguen una máquina de otra en esta configuración (las máquinas son, como dirían los matemáticos, isomórficas), el principio de indiferencia se aplica a estas máquinas y prescribe que la probabilidad de obtener la máquina que entrega el ítem 6 con probabilidad 1/2 es la misma que la de obtener cualquier otra máquina, y por lo tanto es 1/6.

Pero una probabilidad de 1/6 de encontrar una máquina que entregue el ítem 6 con probabilidad 1/2 no es mejor que nuestra probabilidad original de 1/6 de encontrar el objetivo simplemente arrojando un dado. De hecho, una vez que tenemos esta máquina, todavía tenemos una probabilidad del 50-50 de ubicar el artículo 6. Encontrar esta máquina implica un costo de probabilidad de 1/6, y una vez que se incurre en este costo, todavía tenemos un costo de probabilidad de 1 / 2 de encontrar el ítem 6. Como los costos de probabilidad aumentan a medida que las probabilidades disminuyen, en realidad estamos peor que cuando estábamos al principio, donde simplemente tuvimos que tirar un dado que, con probabilidad 1/6, ubica el ítem 6.

La probabilidad de encontrar el ítem 6 usando esta máquina, una vez que tenemos en cuenta el costo probabilístico de asegurar la máquina, por lo tanto, termina siendo 1/6 x 1/2 = 1/12. Por lo tanto, nuestro intento de aumentar la probabilidad de encontrar el ítem 6 al ubicar una búsqueda más efectiva de ese ítem en realidad resultó contraproducente, haciendo que sea aún más improbable que encontremos el ítem 6. La conservación de la información dice que esto siempre es un peligro cuando intentamos aumentar la probabilidad de éxito de una búsqueda, que la búsqueda, en lugar de ser más fácil, sigue siendo tan difícil como antes o incluso, como en este ejemplo, puede volverse más difícil una vez que hay costos de información adicionales asociados, asociados con la mejora de la búsqueda y a menudo oculto, como en este caso al encontrar una máquina adecuada, se tienen en cuenta.

Por qué se llama «Conservación» de información

La razón por la que se llama «conservación» de la información es que lo mejor que podemos hacer es equilibrarnos, haciendo que la búsqueda no sea más difícil que antes. En ese caso, la información está realmente conservada. Sin embargo, a menudo, como en este ejemplo, en realidad podemos empeorar al tratar de mejorar la probabilidad de una búsqueda exitosa. Por lo tanto, podemos introducir una búsqueda alternativa que parezca mejorar en la búsqueda original, pero que, una vez que se tienen en cuenta los costos de obtener esta búsqueda, de hecho, agrava el problema de búsqueda original.

Al referirme a la facilidad y dificultad de búsqueda, no estoy siendo matemáticamente impreciso. La facilidad y la dificultad, caracterizadas matemáticamente, son siempre nociones de complejidad teórica que presuponen una medida de complejidad subyacente. En este caso, la complejidad se compensa de forma probabilística, por lo que la medida de complejidad es una medida de probabilidad, con búsquedas cada vez más fáciles en la medida en que es más probable encontrar objetivos con éxito, y las búsquedas se vuelven más difíciles en la medida en que es más improbable encontrar objetivos. En consecuencia, también tiene sentido hablar sobre el costo de una búsqueda, con el costo subiendo más difícil es la búsqueda, y el costo bajando más fácil es la búsqueda.

En todas estas discusiones sobre la conservación de la información, siempre hay una búsqueda más difícil que se desplaza por una búsqueda más fácil, pero una vez que se tiene en cuenta la dificultad de encontrar una búsqueda más fácil (se entienden las dificultades probabilísticamente), no hay ganancia, y de hecho el costo total puede haber aumentado. En otras palabras, la probabilidad real de ubicar el objetivo con la búsqueda más fácil no es mayor, y en realidad puede ser menor, que la probabilidad de ubicar el objetivo con la búsqueda más difícil una vez que se tiene en cuenta la probabilidad de localizar la búsqueda más fácil. Todo esto admite una formulación matemática precisa. Inherente a una formulación de este tipo es tratar la búsqueda en sí misma como tema de búsqueda. Si esto suena autorreferencial, lo es. Pero también tiene sentido.

Para ver esto, considera una búsqueda del tesoro. Imagina buscar un cofre del tesoro enterrado en una gran isla. Consideramos dos búsquedas, una más difícil y otra más fácil. La búsqueda más difícil, en este caso, es una búsqueda ciega en la que, sin saber dónde está enterrado el tesoro, vagabundeando aleatoriamente por la isla, cavando aquí o allá por el tesoro. La búsqueda más fácil, por el contrario, es tener un mapa del tesoro en el que «x marca el lugar» donde se encuentra el tesoro, y donde simplemente sigue el mapa hasta el tesoro.

Pero, ¿de dónde sacaste ese mapa del tesoro? Los cartógrafos han hecho muchos mapas de esa isla, y para cada mapa que marca con precisión la ubicación del tesoro, hay muchos otros que marcan incorrectamente su ubicación. De hecho, para cualquier lugar de la isla, hay un mapa que lo marca con una «x». Entonces, ¿cómo puede encontrar su camino entre todos estos mapas a uno que marque correctamente la ubicación del tesoro? Evidentemente, la búsqueda del tesoro se ha desplazado a la búsqueda de un mapa que ubique el tesoro. Cada mapa corresponde a una búsqueda, y ubicar el mapa correcto corresponde a una búsqueda de búsqueda (abreviado, en la literatura de conservación de la información, como S4S).

La conservación de la información, en este ejemplo, dice que la probabilidad de localizar el tesoro buscando primero un mapa del tesoro que identifique con precisión la ubicación del tesoro no es mayor, y puede ser menor, que la probabilidad de ubicar el tesoro simplemente por búsqueda ciega. Esto implica que la búsqueda más fácil (es decir, la búsqueda con el mapa del tesoro en la mano), una vez que se incluye el costo de encontrarla, no ha hecho que la búsqueda general sea más fácil. En general, la conservación de la información dice que cuando una búsqueda más difícil se desplaza por una búsqueda más fácil, la probabilidad de encontrar el objetivo primero encontrando la búsqueda más fácil y luego usando la búsqueda más fácil para encontrar el objetivo no es mayor, y con frecuencia es menor , que la probabilidad de encontrar el objetivo directamente con la búsqueda más difícil.

En el espíritu de «No hay almuerzo gratis»

Cualquiera que esté familiarizado con los teoremas de No Free Lunch (NFL) (No hay almuerzo gratis) verá de inmediato que la conservación de la información tiene el mismo espíritu. El resultado de los teoremas de la NFL es que ninguna búsqueda evolutiva supera la búsqueda ciega una vez que la información inherente a la aptitud (es decir, el panorama de la aptitud física) se tiene en cuenta. NFL es un gran ecualizador. Dice que todas las búsquedas son esencialmente equivalentes a la búsqueda ciega cuando se las mira no desde la perspectiva de encontrar un objetivo en particular, sino cuando se promedian entre los diferentes objetivos posibles que pueden ser buscados.

Si NFL tiende hacia el igualitarismo argumentando que ninguna búsqueda es, en sí misma, mejor que la búsqueda ciega cuando el objetivo queda sin especificar, la conservación de la información tiende al elitismo al hacer que algunas búsquedas sean mejores que otras (especialmente la búsqueda ciega) en la localización de objetivos particulares. Sin embargo, la conservación de la información agrega rápidamente que el estado de élite de tales búsquedas no se debe a ningún mérito inherente de la búsqueda (en línea con la NFL) sino a la información que la búsqueda está empleando para aumentar su rendimiento.

Algunas búsquedas funcionan mejor, de hecho, mucho mejor que la búsqueda ciega, y cuando lo hacen, es porque están utilizando la información específica del objetivo. La conservación de la información calcula el costo de información de este aumento de rendimiento y muestra cómo debe contrarrestarse con una pérdida en el rendimiento de búsqueda en otro lugar (específicamente, al necesitar buscar la información que aumente el rendimiento de la búsqueda) para que el rendimiento global en la localización del objetivo no sea mejorado ni disminuya, por cierto.

La conservación de la información, al centrarse en la búsqueda de la información necesaria para impulsar el rendimiento de la búsqueda, sugiere una ontología relacional entre la búsqueda y los objetos que se buscan. En una ontología relacional, las cosas son reales no como entidades aisladas sino en virtud de su relación con otras cosas. En la ontología relacional entre la búsqueda y los objetos que se buscan, cada uno encuentra su existencia en el otro. Nuestra tendencia natural es pensar que los objetos son reales y buscar esos objetos como menos reales en el sentido de que la búsqueda depende de los objetos que se buscan, pero los objetos pueden existir independientemente de la búsqueda. Sin embargo, los objetos nunca llegan a nosotros en sí mismos sino como reflejos modelados de nuestro conocimiento previo, y por lo tanto como un objetivo de búsqueda.

Cualquier escena, de hecho cualquier entrada a nuestros sentidos, llega a nuestra conciencia solo por aspectos que se vuelven relevantes, y esto sucede porque ciertos patrones en nuestro conocimiento de fondo se combinan con la exclusión de otros. En una extensión del «ser es ser percibido» de George Berkeley, la conservación de la información sugiere que «ser percibido debe ser un objeto de búsqueda». Por transitividad del razonamiento, se seguiría que ser es ser un objeto de búsqueda. Y dado que la búsqueda es siempre la búsqueda de un objeto, la búsqueda y el objeto de búsqueda se convierten, en esta forma de pensar, en una ontologización mutua, dando existencia mutua. La conservación de la información se agrega a esto diciendo que la búsqueda puede ser un objeto de búsqueda.
La mayoría de las ontologías relacionales están formuladas en términos de accesibilidad causal, de modo que lo que hace que una cosa sea real es su accesibilidad causal a otra cosa. Pero dado que la búsqueda se entiende apropiadamente de forma probabilística, la forma de accesibilidad relevante para una ontología relacional basada en la búsqueda es probabilística. La accesibilidad probabilística más que causal fundamenta la ontología relacional de la búsqueda. Piense en una aguja en un pajar, imagine que la aguja tiene el tamaño de un electrón y que el pajar tiene el tamaño del universo físico conocido. Las búsquedas con una probabilidad tan pequeña de éxito a través de búsqueda ciega o aleatoria son comunes en biología. Los espacios de configuración biológica de posibles genes y proteínas, por ejemplo, son inmensos, y encontrar un gen o proteína funcional en tales espacios a través de la búsqueda ciega puede ser mucho más improbable que encontrar un electrón arbitrario en el universo físico conocido.

Por qué el Multiverso es Incoherente

Dadas agujas tan pequeñas en el pajar, esta búsqueda grande y ciega es efectivamente incapaz de encontrar una aguja en un pajar. El éxito, en cambio, requiere una búsqueda que aumenta enormemente la probabilidad de encontrar la aguja. Pero, ¿de dónde viene esa búsqueda? Y en qué sentido existe la aguja aparte de tal búsqueda. Sin una búsqueda que haga probable encontrar la aguja, la aguja podría no existir. Y, de hecho, con toda probabilidad no sabríamos que existe a excepción de una búsqueda que lo haga probable. Por cierto, este es el motivo por el cual considero que el multiverso es incoherente: lo que hace que el universo físico conocido sea cognoscible es que se puede buscar. El multiverso, por el contrario, es inescrutable. En una ontología relacional que hace que la búsqueda sea tan real como los objetos buscados, el multiverso es irreal.

Estas consideraciones son altamente relacionadas con la biología evolutiva, que trata la búsqueda evolutiva como algo dado, como algo que no requiere explicación más allá de las fuerzas ciegas de la naturaleza. Pero en la medida en que la búsqueda evolutiva hace que los aspectos de un espacio de configuración biológica sean probabilísticamente accesibles donde antes, bajo una búsqueda ciega, eran probabilísticamente inaccesibles, la conservación de la información dice que la búsqueda evolutiva logra este aumento en el rendimiento de búsqueda a un costo informativo. En consecuencia, la búsqueda evolutiva, que mejora la búsqueda ciega, se tuvo que encontrar a través de una búsqueda de orden superior (es decir, una búsqueda de búsqueda abreviada BdB) que, cuando se toma en cuenta, ya no hace la búsqueda evolutiva eficaz para encontrar el objetivo que la búsqueda ciega original.

Dada esta discusión de antecedentes y motivación, ahora estamos en condiciones de ofrecer una formulación razonablemente precisa de la conservación de la información, a saber: elevar la probabilidad de éxito de una búsqueda no hace nada para facilitar el logro del objetivo, y de hecho puede hacerlo más difícil, una vez que se tienen en cuenta los costos de información involucrados en aumentar la probabilidad de éxito. La búsqueda es costosa y el costo debe pagarse en términos de información. Las búsquedas alcanzan el éxito no mediante la creación de información sino aprovechando la información existente. La información que conduce a una búsqueda exitosa no admite tratos, solo ofertas aparentes que deben pagarse en su totalidad en otro lugar.

Para un documento «simplificado» sobre la conservación de la información, esto es casi todo lo que quiero decir con respecto a una declaración precisa de conservación de la información. Bob Marks y yo hemos demostrado varios teoremas de conservación de la información técnica (vea la página de publicaciones en www.evoinfo.org). Cada uno de estos examina un modelo matemático particular de búsqueda y muestra cómo elevar la probabilidad de éxito de una búsqueda por un factor de q / p (> 1) incurre en un costo de información no inferior a logaritmo (q / p), o, equivalentemente , un costo de probabilidad de no más de p / q. Si, por lo tanto, comenzamos con una búsqueda con probabilidad de éxito p y luego la elevamos a q, la probabilidad real de encontrar el objetivo no es q, sino que es menor o igual a q multiplicado por p / q, o, por lo tanto, menor que o igual a p, que es solo la dificultad de búsqueda original. En consecuencia, elevar la probabilidad de éxito de una búsqueda no contribuye en nada a encontrar el objetivo una vez que se toma en cuenta el costo de la información de aumentar la probabilidad.

La conservación de la información, sin embargo, no es solo un teorema o una familia de teoremas, sino también un principio o ley general (recuérdese la «Ley de conservación de la información» de Medawar). Una vez que tales teoremas han sido probados y su aplicabilidad a una amplia gama de problemas de búsqueda ha sido demostrada repetidamente (el Evolutionary Informatics Lab, por ejemplo, ha mostrado cómo algoritmos evolutivos ampliamente promocionados como AVIDA, ev, Tierra y Dawkins’s WEASEL todos no crean, sino que simplemente redistribuyen la información), la conservación de la información se ve no como un resultado estrecho y aislado, sino como un principio fundamental o ley aplicable a la búsqueda en general. Así es como tomamos la conservación de la información.

En lugar de elaborar el aparato teórico subyacente para la conservación de la información, que es sólido y ha aparecido ahora en una serie de artículos revisados ​​por pares en la literatura de ingeniería y matemática (ver la página de publicaciones en www.evoinfo.org – vale la pena señalar que ninguno de las críticas de este trabajo ha aparecido en la literatura científica / ingeniería revisada por pares, aunque algunas han aparecido en la filosofía de la literatura científica, como Philosophy and Biology , la mayoría de las críticas son diatribas de Internet), quiero ilustrar a continuación conservación de la información tal como se aplica a uno de los ejemplos clave promocionados por los evolucionistas como demostración de los poderes generadores de información de los procesos evolutivos. Una vez que haya hecho eso, quiero considerar qué luz la conservación de la información arroja sobre la evolución en general.

Un economista está varado en una isla

Para establecer el escenario, considere una vieja broma sobre un economista y varios otros científicos que están varados en una isla y descubren una lata de frijoles. Hambriento, quieren abrirlo. Cada uno busca su área de experiencia para abrir la lata. El físico calcula la trayectoria de un proyectil que abriría la lata. El químico calcula el calor de un incendio necesario para reventar la lata. Y así. Cada uno viene con una manera concreta de abrir la lata dado los recursos en la isla. Excepto el economista. El método del economista para abrir la lata es la frase clave del chiste: supongamos que se trata de un abrelatas. Por supuesto, no hay abrelatas en la isla.

La broma implica que los economistas son conocidos por hacer suposiciones a las que no tienen derecho. No sé lo suficiente sobre economistas para saber si esto es cierto, pero sí sé que este es el caso de muchos biólogos evolutivos. El humor en la solución propuesta por el economista de simplemente postular un abrelatas, además de su fuerte en el campo de la economía, es la imagen extraña de un abrelatas que acude al rescate de náufragos hambrientos sin ningún tipo de garantía para su existencia. El economista simplemente haría que el abrelatas se materializara mágicamente. El abrelatas es, esencialmente, un deus ex machina.

Curiosamente, el campo de la biología evolutiva está lleno de deus ex machinas (sí, he tomado latín y sé que este no es el plural propio de deus ex machina, que es dei machiis, pero este es un documento «hecho simple» destinado a las masas, de las cuales soy un miembro portador de cartas). Solo el biólogo evolutivo es un poco más taimado al emplear, o debería decir, desplegar, deus ex machinas que el economista. Imagine a nuestro economista asesorando a alguien que tiene dificultades para pagar un préstamo de jugos al crimen organizado. De acuerdo con el consejo que dio en la isla, nuestro amigo economista podría dar el siguiente consejo: supongamos $ 10,000 en efectivo.

$ 10,000 podría pagar el préstamo de jugos, pero esa suposición parece un poco cruda. Un biólogo evolutivo, para hacer que su consejo parezca más plausible, le agregaría una capa de complejidad: suponga una llave para una caja de seguridad con $10,000 en efectivo dentro de ella. Tal clave es tanto un deus ex machina como los $ 10,000 en efectivo. Pero la biología evolutiva hace mucho tiempo que adquirió el dominio en el despliegue de tales dispositivos, además de obtener el derecho de llamar a su despliegue «ciencia».

Desearía estar simplemente siendo gracioso, pero aquí hay más verdad de lo que parece. Considere el conocido ejemplo de Richard Dawkins «creo que es como una comadreja» (de su libro de 1986 El relojero ciego), un ejemplo repetido y elaborado por biólogos tratando de hacer que la evolución parezca plausible, la versión más notable del investigador del mundo de ARN Michael Yarus en su libro de 2010 Life from an RNA World [Vida a partir del ARN] (La frase objetivo de Yarus, a diferencia de Dawkins, extraída de Hamlet de Shakespeare, es el famoso dicho de Theodosius Dozhansky «NADA EN BIOLOGÍA TIENE SENTIDO, EXCEPTO A LA LUZ DE LA EVOLUCIÓN»).

Un historiador o persona de la literatura, confrontado con «creo que es como una comadreja», estaría en su derecho de decir, supongamos que hubiera un escritor llamado William Shakespeare que lo escribió. Y dado que la persona y el trabajo de Shakespeare han sido controvertidos (¿era realmente ella ?, ¿existió ?, etc.), esta suposición no está exenta de contenido y mérito. De hecho, los historiadores y la gente de la literatura hacen tales suposiciones todo el tiempo, y hacerlo es parte de lo que les pagan. ¿Son los poemas homéricos el resultado principalmente de un solo poeta, Homero, o una elaboración por una tradición de bardos? ¿Escribió Moisés el Pentateuco o es el compuesto de varias tradiciones textuales, como en la hipótesis documental? ¿Jesús realmente existió? (Dawkins y sus compañeros ateos cuestionan seriamente si Jesús era una figura real de la historia; véase la película El Dios que no estaba allí).

Para la frase objetivo «creo que es como una comadreja», Dawkins elude la hipótesis de Shakespeare, que sería demasiado obvia y demasiado amigable al diseño inteligente. En lugar de postular a Shakespeare, que sería una inteligencia o diseñador responsable del texto en cuestión (los diseñadores son una «zona prohibida» en la teoría evolutiva convencional), Dawkins les pide a sus lectores que supongan un algoritmo evolutivo que desarrolle la frase objetivo. Pero tal algoritmo evolutivo privilegia la frase objetivo al adaptar el paisaje de la aptitud para que le otorgue mayor adaptación a las frases que tienen más letras correspondientes en común con el objetivo.

¿Y de dónde vino ese paisaje de aptitud? Tal paisaje potencialmente existe para cualquier frase, y no solo para «creo que es como una comadreja». El algoritmo evolutivo de Dawkins, por lo tanto, pudo haber evolucionado en cualquier dirección, y la única razón por la que evolucionó para «creo que es como una comadreja» es que seleccionó cuidadosamente el paisaje de la adaptación para dar el resultado deseado. Por lo tanto, Dawkins se deshizo de Shakespeare como autor de «creo que es como una comadreja», solo para reintroducirlo como el (co) autor del paisaje de aptitud que facilita la evolución de «creo que es como una comadreja».

La falsedad de este ejemplo, con su desorientación de escamoteo, ha sido discutida hasta el cansancio por mí y por mis colegas de la comunidad del DI. Hemos gastado tanto tiempo y tinta en este ejemplo no por su mérito intrínseco, sino porque la comunidad evolutiva en sí permanece tan unida a ella y repite sin cesar su falacia subyacente en formas cada vez más enrevesadas (AVIDA, Tierra, ev, etc. ) Para una deconstrucción cuidadosa de la comadreja de Dawkins, proporcionando una simulación precisa bajo el control del usuario, consulte el proyecto «Weasel Ware» en el sitio web de Evolutionary Informatics: www.evoinfo.org/weasel.

¿Cómo se aplica la conservación de la información a este ejemplo? Directamente. Obteniendo «creo que es como una comadreja» haciendo una búsqueda ciega (por ejemplo, arrojando al azar piezas de Scrabble en una línea) es extremadamente improbable. Entonces Dawkins propone un algoritmo evolutivo, su programa COMADREJA, para obtener esta secuencia con mayor probabilidad. Sí, este algoritmo hace un trabajo mucho mejor, con una probabilidad mucho más alta, de localizar el objetivo. ¿Pero a qué precio? A un costo de improbabilidad aún mayor que simplemente localizar la secuencia objetivo mediante búsqueda ciega.

Dawkins evita completamente esta cuestión del costo de la información. Previniendo cualquier examen crítico del origen de la información que hace que su simulación funcione, en cambio intenta, por medio de trucos retóricos, simplemente inducir en sus lectores una maravilla estupefacta ante el poder de la evolución: «Caramba, no es sorprendente cuán poderosa es la evolución ya que se dan procesos que pueden producir oraciones como «creo que es como una comadreja», que normalmente requieren inteligencia humana. «Pero Dawkins no hace nada más que aconsejar a nuestro desventurado prestatario con el préstamo de jugos para suponer una llave de una caja de seguridad con el dinero necesario para pagarlo. ¿De dónde saca la llave? Del mismo modo, ¿de qué manera el panorama de la aptitud hizo probable la evolución de «creo que es como una comadreja»? En términos de conservación de la información, la información necesaria no se creó internamente, sino que se introdujo de contrabando, en este caso, por el propio Dawkins.

Un intercambio de correo electrónico con Richard Dawkins

Hace más de una década, intercambié correspondencia con Dawkins sobre su simulación de computadora COMADREJA. En un correo electrónico con fecha del 5 de mayo de 2000, respondió a mi crítica de la teleología oculta en esa simulación. Tenga en cuenta que él no responde directamente al desafío de la conservación de la información, ni desarrollé esta idea con suficiente claridad en el momento como para usarla como refutación. Más sobre esto en breve. Esto es lo que escribió, exactamente como lo escribió:

El punto sobre cualquier frase que sea igualmente elegible para ser un objetivo se trata en la página 7 [de El relojero ciego]: «Cualquier colección de piezas mezcladas es única y, en comprensión retrospectiva, es tan improbable como cualquier otra. . .» y siguientes. Más específicamente, el punto que haces sobre COMADREJA, se admite, sin problemas, en la página 50: «Aunque el modelo del mono de Shakespeare es útil para explicar la distinción entre selección de un solo paso y selección acumulativa, es engañoso de manera importante. Una de ellas es que, en cada generación de ‘crianza’ selectiva, las frases ‘progenie’ mutantes se juzgaban según el criterio de semejanza con un objetivo IDEAL DISTANTE … La vida no es así «.

En la vida real, por supuesto, el criterio para la optimización no es un objetivo distante elegido arbitrariamente sino SUPERVIVENCIA. Es tan simple como eso. Esto no es arbitrario. Ver la parte inferior de la página 8 hasta la parte superior de la página 9. Y también es un degradado suave, no un salto repentino desde una llanura plana en el espacio de fases. O más bien debe ser un gradiente suave en todos los casos donde la evolución ha sucedido realmente. Tal vez hay grados óptimos teóricos que no se pueden alcanzar porque la subida es demasiado precipitada.

Se suponía que el modelo de Weasel, como cualquier modelo, tenía un solo objetivo, no ser una réplica completa de lo real. Lo inventé pura y simplemente para contrarrestar a los creacionistas que habían supuesto ingenuamente que el espacio de fase era totalmente plano, excepto por un pico vertical (lo que más tarde representé como el precipicio escarpado del Monte Improbable). El modelo de Weasel es bueno para refutar este punto, pero es engañoso si se lo toma como un modelo completo de darwinismo. Esa es exactamente la razón por la que puse el pedacito en la página 50.

Quizá deberías ver el trabajo de Spiegelman y otros sobre la evolución de las moléculas de ARN en un entorno de replicasa de ARN. Han encontrado que, repetidamente, si ‘siembras’ una solución de este tipo con una molécula de ARN, convergerá en un tamaño particular y una forma de replicador ‘óptimo’, a veces llamado minivariante de Spiegelman. Maynard Smith da una breve reseña de ella en The Problems of Biology (ver Spiegelman en el índice). Orgel amplió el trabajo, mostrando que diferentes entornos químicos seleccionan diferentes moléculas de ARN.

La teoría es tan hermosa, tan poderosa. ¿Por qué estás tan ciego a su simple elegancia? ¿Por qué anhelas el «diseño» cuando seguramente debes ver que no explica nada? Ahora ESO es lo que llamo una regresión. Usted es bueno para hablar de IMPORTAR la complejidad. El «diseño» es la mayor importación que uno pueda imaginar.

El correo electrónico de Dawkins plantea una serie de preguntas interesantes que, en los años posteriores, han recibido una amplia discusión entre las diversas partes que debaten el diseño inteligente. El retroceso de quién diseñó el diseñador, si la inteligencia de diseño debe ser compleja de la misma manera que los sistemas biológicos son complejos, las condiciones bajo las cuales la evolución aumenta la complejidad frente a la disminución de la complejidad, el significado evolutivo de los minivalentes de Spiegelman, y cómo la geometría del paisaje de aptitud facilita o socava la evolución se han tratado extensamente en la literatura de diseño y no se ensayarán aquí (para obtener más información sobre estas cuestiones, consulte mis libros No Free Lunch y The Design Revolution, así como el libro de Michael Behe The Edge of Evolution).

«Solo una palabra: plásticos»

En lo que quiero centrarme es en la respuesta de una sola palabra de Dawkins a la acusación de que su simulación COMADREJA incorpora una teleología injustificada, injustificada por la comprensión darwiniana de la evolución, por la cual su relojero ciego es una apologética. La línea clave en la cita anterior es: «En la vida real, por supuesto, el criterio para la optimización no es un objetivo distante elegido arbitrariamente sino SUPERVIVENCIA». La supervivencia es ciertamente una condición necesaria para que la vida evolucione. Si no estás sobreviviendo, estás muerto, y si estás muerto, no estás evolucionando: punto. Pero llamar a la «supervivencia», por escrito, un criterio para la optimización es ridículo. Mientras leía esto, tengo imágenes de Dustin Hoffman en El graduado siendo llevado a parte en una fiesta por un ejecutivo que está a punto de revelar el secreto del éxito: PLÁSTICOS (puede ver el video haciendo clic aquí). Para las mejores respuestas simplistas de una sola palabra que se hayan dado, Dawkins se destaca.

Pero tal vez estoy leyendo a Dawkins sin clemencia. Presumiblemente, lo que realmente quiere decir es que la supervivencia y la reproducción diferencial están regidas por la selección natural y la variación aleatoria. De acuerdo, estoy dispuesto a comprar que esto es lo que quiere decir. Pero incluso en esta lectura más caritativa, su caracterización de la evolución es engañosa e incorrecta. Ken Miller profundiza en esta lectura más caritativa en su reciente libro Only a Theory. Allí pregunta qué se necesita para impulsar el aumento de la información biológica a lo largo de la evolución. ¿Su respuesta? «Solo tres cosas: Selección, replicación y mutación… La información proviene», de hecho, del proceso selección en sí mismo».

Es fácil ver que Miller está alardeando incluso sin los beneficios de la teoría de la información moderna. Todo lo que se requiere es comprender una lógica directa, descubierta en la época de Darwin, sobre la naturaleza de la explicación científica para burlar las posibles causas. De hecho, la recepción de la biología del darwinismo podría haber sido mucho menos favorable si los científicos hubieran prestado una mayor atención al contemporáneo de Darwin, John Stuart Mill. En 1843, dieciséis años antes de la publicación de El origen de las especies de Darwin, Mill publicó la primera edición de su obra Un Sistema de lógica (que en la década de 1880 había pasado por ocho ediciones). En ese trabajo Mill presenta varios métodos de inducción. El que nos interesa aquí es su método de diferencia. En Un Sistema de lógica, Mill describió este método de la siguiente manera:

Si una instancia en la que se produce el fenómeno bajo investigación, y una instancia en la que no ocurre, tienen todas las circunstancias en común salvo una, la que ocurre solo en la primera; la circunstancia en la cual las dos instancias difieren es el efecto, o la causa, o una parte indispensable de la causa, del fenómeno.

Esencialmente, este método dice que descubrir cuál de un conjunto de circunstancias es responsable de una diferencia observada en los resultados requiere encontrar una diferencia en las circunstancias. Un corolario inmediato es que las circunstancias comunes no pueden explicar una diferencia en los resultados. Por lo tanto, si una persona está sobria y otra borracha, y si ambas comieron papas fritas, salsa y palomitas de maíz, este hecho, común a ambos, no explica, y de hecho no puede explicar, la diferencia. Más bien, la diferencia se explica por una abstención de alcohol y otra por beber demasiado. El método de diferencia de Mill, tan ampliamente utilizado en la vida cotidiana como en la ciencia, es crucial para la biología evolutiva. De hecho, ayuda a dar cierto sentido de proporción y realidad a los reclamos inflados que con tanta frecuencia se hacen en nombre de los procesos darwinianos.

Un ejemplo: la sobreventa de Miller de la evolución darwiniana al afirmar que «lo que se necesita para impulsar» aumenta la información biológica es «solo tres cosas: selección, replicación y mutación». El método de diferencia de Mill desmiente la afirmación de Miller. Es fácil escribir simulaciones por computadora que incluyan selección, replicación y mutación (o escritura de SUPERVIVENCIA, o supervivencia y reproducción diferencial, o cualquier reducción de la evolución a los principios darwinianos), y que no vayan a ninguna parte. Tomados en conjunto, la selección, la replicación y la mutación no son una solución mágica, y no necesitan resolver ningún problema interesante ni producir ningún patrón destacado. Dicho esto, la computación evolutiva sí se emplea con éxito en el campo de la optimización, por lo que es posible escribir simulaciones de computadora que incluyan selección, replicación y mutación, y que vayan a algún lado, resuelvan problemas interesantes o produzcan patrones sobresalientes. Pero precisamente porque la selección, la replicación y la mutación son comunes a todas esas simulaciones, no pueden explicar la diferencia, como subraya el método de Mill.

Un ingeniero de Boeing solía llamarse a sí mismo un «artista de penalización». Una función de penalización es simplemente otro término para el paisaje de la aptitud (aunque los números se invierten, cuanto mayor es la penalización, menor es la aptitud). Las funciones de penalización correctas le permitieron a esta persona resolver sus problemas de ingeniería. La mayoría de tales funciones de penalización, sin embargo, son completamente inútiles. Además, todas estas funciones operan dentro del contexto de un entorno informático evolutivo que presenta la tríada de selección, replicación y mutación de Miller. ¿Que hace la diferencia? Es que el ingeniero, con conocimiento del problema que está tratando de resolver, adapta cuidadosamente la función de penalización al problema y de ese modo aumenta la probabilidad de encontrar una solución con éxito. Él no solo está eligiendo sus funciones de penalización de cualquier manera. Si lo hiciera, no estaría trabajando en Boeing. Es un artista, y su arte (diseño inteligente) consiste en poder encontrar las funciones de penalización que resuelven sus problemas.

He mantenido contacto con Miller como con Dawkins desde 2000. Miller y yo hemos discutido en varias ocasiones en el debate público (tan recientemente como en junio de 2012, haga clic aquí). Dawkins rechaza todos esos encuentros. A pesar de todo, estamos familiarizados con el trabajo del otro, y nunca he podido obtener de ninguno de ellos una simple admisión de que la lógica en el método de diferencia de Mill es válida y que se aplica a la teoría evolutiva, dejando el problema de información de la biología sin resolver incluso después de invocar los axiomas darwinianos de selección, replicación y variación.

La verdad incómoda de John Stuart Mill

En cambio, Miller sigue siendo un darwinista ortodoxo, y Dawkins va incluso más allá, abrazando un darwinismo universal que considera que la evolución darwiniana es la única explicación científica concebible de la diversificación de la vida en la historia natural. Como escribió en El relojero ciego y sigue creyendo:

Mi argumento será que el darwinismo es la única teoría conocida que, en principio, es capaz de explicar ciertos aspectos de la vida. Si estoy en lo correcto significa que, incluso si no hubiera evidencia real a favor de la teoría darwinista (hay, por supuesto), deberíamos estar justificados al preferirla sobre todas las teorías rivales.

El método de diferencia de Mill es una verdad incómoda para Dawkins y Miller, pero es una verdad que debe afrontarse. Por su disposición a enfrentar esta verdad, respeto a Stuart Kauffman infinitamente más que Miller o Dawkins. Miller y Dawkins son ávidos darwinistas comprometidos a mantener el mundo seguro para su santo patrón. Kauffman es un espíritu libre, dispuesto a admitir problemas donde surgen. Kauffman al menos ve que hay un problema al afirmar que el mecanismo darwinista puede generar información biológica, incluso si su propio enfoque de autoorganización está lejos de resolverlo. Como Kauffman escribe en su libro Investigations:

Si la mutación, la recombinación y la selección solo funcionan bien en ciertos tipos de paisajes de adaptación, aunque la mayoría de los organismos son sexuales y, por lo tanto, usan recombinación, y todos los organismos usan la mutación como mecanismo de búsqueda, ¿de dónde provienen estos paisajes de adaptación bien trabajados, al punto de que la evolución logra producir las cosas sofisticadas que nos rodean?

Según Kauffman, «Nadie lo sabe».
La observación de Kauffman aquí está totalmente de acuerdo con la conservación de la información. De hecho, él ofrece esta observación en el contexto de la discusión de los teoremas de No Free Lunch, cuya conservación de la información es una extensión lógica. El panorama de la aptitud proporciona el proceso evolutivo con información. Solo los paisajes de adaptación finamente sintonizados que son lo suficientemente suaves, no aíslan los óptimos locales y, sobre todo, recompensan una complejidad cada vez mayor en la estructura y función biológica, que son adecuados para impulsar un proceso evolutivo completo. Entonces, ¿de dónde provienen esos paisajes de adaptación? En ausencia de una inteligencia extrínseca, la única respuesta parece ser el medio ambiente.

Así como escuché SUPERVIVENCIA como una resolución de una palabra al problema de generar información biológica, también escuché ENTORNO. Ernan McMullin, por ejemplo, me dijo esto en una cena en la Universidad de Chicago en 1999, entonando esta palabra («entorno») como si fuera la solución a todo lo que afecta la evolución. De acuerdo, el entorno proporciona la información necesaria para impulsar la evolución biológica. Pero, ¿de dónde sacó el ambiente esa información? ¿De si mismo? El problema con tal respuesta es este: la conservación de la información implica que, sin información adicional, el problema de información de la biología permanece constante (se rompe) o se intensifica (empeora) cuanto más atrás en el tiempo lo rastreamos.

Toda la magia de la evolución es que se supone que explica la complejidad posterior en términos de simplicidad previa, pero la conservación de la información dice que nunca hubo un estado anterior de simplicidad primordial: la información, la entrada externa ausente, tenía que estar allí desde el principio. No es una hazaña de la teorización evolutiva explicar cómo los peces de la cueva perdieron el uso de sus ojos después de largos períodos de privación de luz. Los ojos funcionales que se convierten en protuberancias oculares sin función son una involución de la complejidad a la simplicidad. Como un caso de úsalo o piérdelo, no requiere explicación. La evolución gana aplausos por pretender explicar cómo las cosas como los ojos que ven pueden evolucionar en primer lugar a partir de estructuras anteriores más simples que no pueden ver.

Si el proceso evolutivo pudiera efectivamente crear tal información biológica, entonces la evolución de la simplicidad a la complejidad no sería problemática. Pero el proceso evolutivo concebido por Darwin y promulgado por sus sucesores no es teleológico. En consecuencia, no puede emplear la actividad de la inteligencia bajo ningún concepto para aumentar la información biológica. Pero sin un aporte inteligente, la conservación de la información implica que a medida que retrocedemos la información biológica en el tiempo, la cantidad de información que se debe tener en cuenta nunca disminuye y de hecho puede aumentar.

Explicando el éxito de Walmart al invocar autopistas interestatales

Dada la conservación de la información y la ausencia de información inteligente, la información biológica con la complejidad que vemos ahora debe haber estado siempre presente en el universo de alguna manera o forma, desde el Big Bang. Pero, ¿en qué parte del Big Bang, con un calor y densidad que descarta cualquier forma de vida en la historia primitiva del universo, está la información para el subsiguiente origen y desarrollo de la vida en el planeta Tierra? La conservación de la información dice que esta información debe estar allí, en forma embrionaria, en el Big Bang y en todo momento a partir de entonces. ¿Entonces donde esta? ¿Cómo se representa? ¿En el medio ambiente, dices? Invocar el medio ambiente como fuente de información de evolución es hablar en vano, en el orden de invocar el sistema de autopistas interestatales como la razón del éxito comercial de Walmart. Hay algo de conexión, seguro, pero ninguno proporciona una idea o explicación real.

Para ver más claramente lo que está en juego aquí, imagina las piezas de Scrabble dispuestas en secuencia para deletrear frases con sentido (como «Yo creo que es como una comadreja»). Supongamos que una máquina con sensores adecuados, brazos móviles y agarraderas saca los pedazos de Scrabble de una caja y los organiza de esta manera. Decir que el entorno ha dispuesto las piezas de Scrabble para deletrear frases significativas es, en este caso, difícilmente esclarecedor. Sí, en términos generales, el entorno está organizando las piezas en oraciones significativas. Pero, más precisamente, una máquina robótica, presumiblemente ejecutando un programa con oraciones significativas adecuadamente codificadas, está haciendo los arreglos.

Simplemente invocando el medio ambiente, sin más amplificación, por lo tanto, no explica nada acerca de la disposición de las piezas de Scrabble en oraciones significativas. ¿Qué es exactamente sobre el medio ambiente que explica la información transmitida en esos arreglos de piezas de Scrabble? ¿Y qué pasa con las cuentas de entorno para la información transmitida en la organización de los sistemas biológicos? Esa es la pregunta que debe ser respondida. Sin una respuesta a esta pregunta, las apelaciones al medio ambiente están vacías y simplemente ocultan nuestra ignorancia de las verdaderas fuentes de información biológica.

Con una máquina que organiza piezas de Scrabble, podemos tratar de entrar y ver qué hace («Ah, ahí está el código que deletrea Yo creo que es como una comadreja»). Con el entorno real para la evolución biológica, no podemos, por así decirlo, meternos debajo del capó del automóvil. Vemos fuerzas naturales tales como viento, olas, erosión, rayos, movimiento browniano, atracción, repulsión, afinidades de unión y similares. Y vemos pendientes resbaladizas en las que un organismo prospera y otros fundadores. Si dicho entorno estuviera ordenando piezas de Scrabble en secuencia, observaríamos las piezas sopladas por el viento o empujadas por las olas o levitadas por imanes. Y si, al final del día, encontramos piezas de Scrabble que deletrean oraciones coherentes en inglés, como METHINKS IT IS LIKE A WEASEL, estaríamos en nuestro derecho de inferir que una inteligencia había cooptado de alguna manera el medio ambiente e información insertada, aunque no tenemos idea de cómo.

Sin embargo, tal papel para el medio ambiente, como proveedor inescrutable de información, es inaceptable para los teóricos de la evolución. En su opinión, la forma en que el medio ambiente ingresa información en los sistemas biológicos a lo largo de la evolución es eminentemente controlable. Sucede, según dicen, por una acumulación gradual de información a medida que la selección natural se aferra a pequeñas ventajas, cada una de las cuales puede surgir por casualidad sin una aportación inteligente. Pero, ¿cuál es la evidencia aquí?
Esto nos lleva de vuelta a los experimentos contundentes que Ken Miller ha presentado repetidamente para refutar el Diseño Inteligente, en el que una estructura responsable de una función ha sido desactivada y luego, a través de la presión de selección, o algo cercano a ella capaz de función perdida, se recupera. En todos sus ejemplos, no hay una secuencia extensa de pasos múltiples de cambios estructurales cada uno de los cuales conduce a una ventaja funcional distinta. Por lo general, solo se necesita una base de nucleótido única o un cambio de aminoácido para recuperar la función.

Esto es cierto incluso con la evolución de nylonasa, mencionada anteriormente. La nylonasa no es el resultado de una secuencia de ADN completamente nueva que codifica para esa enzima. Más bien, fue el resultado de un cambio de marco en el ADN existente, cambiando algunas letras genéticas y, por lo tanto, produciendo el gen de la nylonasa. El origen de nylonasa es similar a cambiar el significado de «terapeuta» al insertar un espacio y obtener «el violador». Para los detalles sobre la evolución de nylonasa, vea este artículo.

El desafío de dos puntas del diseño inteligente

El diseño inteligente siempre ha montado un desafío en dos frentes a la teoría evolucionista convencional. Por un lado, los defensores del diseño han desafiado ancestros comunes. Las discontinuidades en el registro fósil y en supuestas filogenias moleculares, para muchos de nosotros (Michael Behe ​​ha tendido a ser la excepción), que hacen que el antepasado común parezca lejos de ser convincente. Nuestra reticencia aquí no es una reacción alérgica, sino simplemente una cuestión de evidencia: muchos de nosotros en la comunidad del DI vemos que la evidencia del antepasado común es débil, especialmente cuando uno deja las agrupaciones taxonómicas inferiores y se mueve al nivel de órdenes, clases y , sobre todo, filos (como con la explosión cámbrica, en la que todos los grandes filos animales aparecen de repente, sin precursores evidentes en las rocas precámbricas). Y de hecho, si la ascendencia común falla, también lo hace la teoría evolutiva convencional.

Por otro lado, los proponentes del diseño han argumentado que, incluso si el antepasado común se mantiene, la evidencia de inteligencia en biología es convincente. La conservación de la información es parte de ese desafío de segundo plano a la evolución. Los teóricos evolutivos como Miller y Dawkins piensan que si pueden descomponer el problema de la evolución de un sistema biológico complejo en una secuencia de pasos de bebé, cada uno de los cuales es manejable mediante búsqueda ciega (por ejemplo, mutaciones puntuales de ADN) y cada uno confiere una ventaja funcional, entonces la evidencia del diseño desaparece. Pero no es así. Independientemente de la historia evolutiva contada, la conservación de la información muestra que la información en el producto final tenía que estar allí desde el principio.
En realidad, sería una propiedad bastante notable de la naturaleza si la adaptación en el espacio de configuración biológica se distribuyera de tal forma que las ventajas pudieran acumularse gradualmente mediante un proceso darwiniano. Francamente, no veo la evidencia para esto. Los ejemplos que Miller cita muestran algunos pequeños incrementos en la información asociada con la recuperación y mejora de una única función biológica, pero difícilmente el aumento masivo de la información en el que las estructuras y funciones co-evolucionan y conducen a casos sorprendentes de invención biológica. La respuesta habitual a mi escepticismo es: «Dale más tiempo a la evolución». Me complace hacer eso, pero incluso si el tiempo permite que la evolución proceda de manera mucho más impresionante, el desafío que la conservación de la información pone en la evolución permanece.

En el campo de la evolución tecnológica (en oposición a la biológica), las nuevas invenciones revolucionarias nunca resultan de una modificación gradual de las tecnologías existentes. Las tecnologías existentes pueden, sin duda, ser cooptadas para su uso en una tecnología revolucionaria. Por lo tanto, cuando Alexander Graham Bell inventó el teléfono, utilizó tecnologías existentes como cables, circuitos eléctricos y diafragmas. Pero estos fueron creados y adaptados para una nuevo uso, y en ese momento sin precedentes.

Pero, ¿y si la evolución tecnológica procediera de la misma manera que, como se nos dice, la evolución biológica procede, con invenciones útiles para los seres humanos, todas accesibles mediante el cambio gradual de uno o unos pocos inventos primordiales? Una de las consecuencias sería que los fabricantes de software que no sabían nada sobre cómo funcionaban las cosas, sino que simplemente entendían lo que era beneficiarse de una función, podían convertirse en inventores del tipo de Bell y Edison. Más significativamente, tal estado de cosas también indicaría algo muy especial sobre la naturaleza de la invención humana, a saber, que se distribuyó continuamente a través del espacio de configuración tecnológica. Esto sería notable. De acuerdo, no vemos esto. En su lugar, vemos islas de invención fuertemente desconectadas, inaccesibles entre sí por un simple cambio gradual. Pero si tales islas estuvieran todas conectadas (por largos y estrechos istmos de función), sugeriría un diseño más profundo del espacio de configuración tecnológica para la facilitación de la invención humana.

Lo mismo podría decirse de la invención biológica. Si la evolución biológica procede por una acumulación gradual de ventajas funcionales, en lugar de encontrarse bloqueada en islas aisladas de función rodeadas por vastos mares de no función, entonces el paisaje de la aptitud sobre el espacio de configuración biológica tiene que ser muy especial (recuerden los comentarios de Stuart Kauffman a ese efecto anteriormente en esta pieza). La conservación de la información va más allá y dice que cualquier información que vemos que sale del proceso evolutivo ya estaba allí en este panorama de la aptitud física o en algún otro aspecto del entorno o fue insertada por una inteligencia que interviene. Lo que no sucedió con las garantías de conservación de la información es que el proceso evolutivo creó esta información desde cero.

Hace algunos años tuve un intercambio interesante con Simon Conway Morris sobre el lugar de la teleología en la evolución. Según él, la información que guía el proceso evolutivo está integrada en la naturaleza y no es reductible al mecanismo darwiniano de selección, replicación y mutación. Él declaró esto directamente en un correo electrónico con fecha del 20 de febrero de 2003, anticipando su libro de próxima aparición Life’s Solution. Cito este correo electrónico en lugar del libro porque aclara su posición mejor que cualquier cosa que le haya leído posteriormente. Aquí está la cita de su correo electrónico:

Da la casualidad de que no estamos tan lejos, al menos en algunos aspectos. Ambos, me imagino, aceptamos que somos parte de la buena Creación de Dios, y que a pesar de su diversidad, de ninguna manera todo es posible. En mi próximo libro Life’s Solution (La solución de la vida), sostengo que las propiedades biológicas de la inteligencia están conectadas al universo. Esto implica una «navegación» por la evolución a través de inmensos «hiperespacios» de alternativas biológicas, casi todas las cuales son desadaptativas [N.B. – ¡Esto significa que los hiperespacios adaptativos forman un objetivo de muy baja probabilidad!]. Estos caminos delgados (o «agujeros de gusano») de la evolución definen una estructura biológica más profunda, cuya evidencia principal es la convergencia (mi vieja historia). La historia y los arquetipos platónicos, si quieres, se encuentran. Eso me parece importante a diferencia del DI: mi visión de la Creación no solo es muy rica (evidentemente), sino que tiene una estructura subyacente que permite que la evolución actúe. La selección natural, después de todo, es solo un mecanismo; De lo que seguramente estamos de acuerdo es de la naturaleza de los productos finales, incluso si no estamos de acuerdo sobre cómo surgieron. Claramente, mi punto de vista es consistente con una imagen del mundo cristiano, pero nunca puede tomarse como prueba.

No hay mucho con lo que no estoy de acuerdo aquí. Mi único problema con Conway Morris es que duda demasiado en encontrar pruebas (lo que él llama «pruebas») para la teleología en el proceso evolutivo. Critico esta vacilación en mi reseña de Life’s Solution para Books & Culture, una reseña que salió un año después de este correo electrónico (haga clic aquí para la revisión). La falla de Conway Morris es que no sigue su posición hasta su conclusión lógica. Prefiere criticar la teoría evolutiva convencional, con su materialismo tácito, desde la perspectiva de la teología y la metafísica. La convergencia apunta a un proceso evolutivo muy limitado que es consistente con el diseño divino. Bien, pero hay más.

Si la evolución está tan estrechamente limitado y el mecanismo darwinista de la selección natural es sólo eso, un mecanismo, aunque uno que “navega inmensas hiperespacios de alternativas biológicas” al limitarse a “caminos delgadas de la evolución que define una estructura más profunda biológica”, a continuación, en el lenguaje de conservación de la información, las condiciones que permiten a la evolución actuar de manera efectiva para producir la complejidad y diversidad de la vida no es más que un pequeño subconjunto, y por lo tanto un objetivo de baja probabilidad, entre todas las condiciones bajo las cuales podría actuar la evolución. ¿Y cómo encontró la naturaleza exactamente esas condiciones? La naturaleza tiene, en ese caso, incrustado en ella no solo un proceso evolutivo genérico que emplea la selección, la replicación y la mutación, sino que está afinado precisamente para producir las exquisitas adaptaciones, o, me atrevo a decir, diseños, que impregnan la biología.

Cuando Conway Morris simplemente encuentra consistencia con su cosmovisión cristiana (atemperada por la fusión de Darwin y Plotino), la conservación de la información muestra que el proceso evolutivo ha incorporado fuentes de información que un materialismo riguroso no puede justificar y no tiene derecho a esperar. Lo mejor que puede hacer un materialismo así es contar un feliz accidente de que la evolución actúa eficazmente, produciendo una complejidad y diversidad biológica cada vez mayor, cuando la mayoría de las formas en que podría actuar sería ineficaz, sin producir vida o ecosistemas aburridos (una desproporción reflejada en la literatura de computación evolutiva, donde la mayoría de los paisajes de aptitud son desadaptativos).

La lección de conservación de la información

Por lo tanto, las improbabilidades asociadas con la efectividad de la renderización no son más manejables que las improbabilidades que enfrentan un proceso evolutivo que depende exclusivamente de la búsqueda ciega. Esta es la relevancia de la conservación de la información para la evolución: muestra que las enormes improbabilidades que se supone que mitigan la evolución de hecho nunca se mitigan. Sí, puedes escalar hasta la cima del monte improbable, pero las herramientas que te permiten encontrar un ascenso gradual por la montaña se adquieren de forma tan improbable como simplemente escalarlas de un solo golpe. Esta es la lección de conservación de la información. Queda una última pregunta, a saber, ¿cuál es la fuente de información en la naturaleza que permite buscar con éxito los objetivos? Si las fuerzas materiales ciegas solo pueden redistribuir la información existente, entonces, ¿de dónde viene la información que permite una búsqueda exitosa, ya sea en la evolución biológica o en la computación evolutiva o en la puesta a punto cosmológica o en cualquier otro lugar? La respuesta será ahora obvia: de la inteligencia. En los principios materialistas, la inteligencia no es real sino un epifenómeno de procesos materiales subyacentes. Pero si la inteligencia es real y tiene poderes causales reales, puede hacer más que simplemente redistribuir información, también puede crearla.

De hecho, esa es la propiedad definitoria de la inteligencia, su capacidad para crear información, especialmente la información que encuentra agujas en el pajar. Este hecho debería ser más obvio y convincente para nosotros que cualquier hecho de las ciencias naturales ya que (1) nosotros mismos somos seres inteligentes que creamos información todo el tiempo a través de nuestros pensamientos y nuestro lenguaje y (2) las ciencias naturales mismas lógicamente están aguas abajo de nuestra capacidad de crear información (si no fuéramos creadores de información, no podríamos formular nuestras teorías científicas, mucho menos buscar aquellas que sean empíricamente adecuadas, y no habría ciencia). La filosofía materialista, sin embargo, tiene esto al revés, convirtiendo una ciencia materialista en primaria y luego definiendo nuestra inteligencia fuera de la existencia porque el materialismo no le deja lugar. El curso más sensato sería no dejar espacio para el materialismo.

Esta es la lección de conservación de la información.

Queda una última pregunta, a saber, ¿cuál es la fuente de información en la naturaleza que permite buscar con éxito los objetivos? Si las fuerzas materiales ciegas solo pueden redistribuir la información existente, entonces, ¿de dónde viene la información que permite una búsqueda exitosa, ya sea en la evolución biológica o en la computación evolutiva o en la puesta a punto cosmológica o en cualquier otro lugar? La respuesta será ahora obvia: de la inteligencia. En los principios materialistas, la inteligencia no es real sino un epifenómeno de procesos materiales subyacentes. Pero si la inteligencia es real y tiene poderes causales reales, puede hacer más que simplemente redistribuir información, también puede crearla.
De hecho, esa es la propiedad definitoria de la inteligencia, su capacidad para crear información, especialmente la información que encuentra agujas en el pajar. Este hecho debería ser más obvio y convincente para nosotros que cualquier hecho de las ciencias naturales ya que (1) nosotros mismos somos seres inteligentes que creamos información todo el tiempo a través de nuestros pensamientos y nuestro lenguaje y (2) las ciencias naturales mismas lógicamente están aguas abajo de nuestra capacidad de crear información (si no fuéramos creadores de información, no podríamos formular nuestras teorías científicas, mucho menos buscar aquellas que sean empíricamente adecuadas, y no habría ciencia). La filosofía materialista, sin embargo, tiene esto al revés, convirtiendo una ciencia materialista en primaria y luego definiendo nuestra inteligencia fuera de la existencia porque el materialismo no le deja lugar. El curso más sensato sería no dejar espacio para el materialismo.

Concluyo con una cita de Descartes, a pesar de su sustancia dualista, comprendió correctamente que la inteligencia nunca podría reducirse a la materia ciega bruta actuando mecánicamente. La cita es de su Discurso sobre el Método. Mientras lo lees, ten en cuenta que para el materialista, todo es una máquina, ya sea ella misma, el proceso evolutivo o el universo tomado como un todo. Todo, para el materialista, es simplemente una materia ciega bruta que actúa mecánicamente. Además, al leer esto, tenga en cuenta que la conservación de la información muestra que esta visión materialista es fundamentalmente incompleta, incapaz de dar cuenta de la información que anima la naturaleza. Aquí está la cita:

Aunque las máquinas pueden realizar ciertas cosas tan bien o mejor que cualquiera de nosotros, infaliblemente se quedan cortas en otras, por lo que podemos descubrir que no actuaron desde el conocimiento, sino solo desde la disposición de sus órganos. Porque aunque la razón es un instrumento universal que puede servir para todas las contingencias, estos órganos necesitan una adaptación especial para cada acción en particular. De esto se deduce que es moralmente imposible que haya diversidad suficiente en cualquier máquina para permitirle actuar en todos los eventos de la vida de la misma manera que nuestra razón nos hace actuar.

Artículo publicado originalmente en inglés por William A. Dembski Ph.D.

Imagen: escultura Kryptos de la CIA, por Jim Sanborn / Wikicommons.