Uno de los puntos más brillantes del programa de investigación del Diseño Inteligente, destacado en nuestra lista recientemente actualizada de publicaciones pro-DI revisadas por pares, es el Laboratorio de Informática Evolutiva. Los fundadores del laboratorio, William Dembski y Robert Marks, tienen algunas de las credenciales más sólidas en el movimiento del Diseño Inteligente. Con doctorados en matemática y filosofía, Dembski es una luz líder del DI. Marks es Profesor Distinguido de Ingeniería Eléctrica e Informática en la Universidad de Baylor y tiene más de 250 publicaciones científicas a su nombre, incluidas muchas en el campo de la informática evolutiva.

El laboratorio tuvo un comienzo difícil en 2007 cuando los administradores de Baylor se enteraron de que Marks estaba haciendo una investigación pro Diseño Inteligente en el campus. Un decano de Baylor envió un correo electrónico a Marks con la orden de que «desconectara de inmediato este sitio web [del laboratorio]». Antes de que la policía pensara, Baylor obligó al Laboratorio de Informática Evolutiva no solo a eliminar su sitio web de los servidores de la universidad, sino también a devolver una subvención de cinco cifras. No se conoce a las universidades por rechazar el dinero gratis, pero aparentemente los censores de Baylor prefirieron no tener $ 30,000 para la investigación si apoyaba el Diseño Inteligente.

A pesar de los contratiempos, el laboratorio ha atraído a investigadores estudiantes de posgrado y hasta la fecha ha publicado seis artículos revisados ​​por pares en revistas de ciencia e ingeniería. En sus documentos, Dembski y Marks han desarrollado un sistema para estudiar algoritmos evolutivos: programas informáticos de organismos digitales que, según los críticos del DI, muestran que los procesos darwinianos pueden crear nueva información.

Utilizando su metodología, Dembski y Marks han medido cuantitativamente la cantidad de «información activa» introducida de contrabando en la simulación evolutiva por el programador para permitirle alcanzar su objetivo. Los análisis respaldan los teoremas de «no hay almuerzo gratis»: la noción de que sin información inteligente no puede haber ganancia en información compleja y específica.

Hasta el momento, Dembski, Marks y sus asistentes de investigación de posgrado han identificado fuentes de información activa en algoritmos evolutivos clave – «Avida» y «ev» – programas que han sido ampliamente promocionados como refutando el DI. Su trabajo muestra que estos programas no modelan realmente los procesos darwinianos aleatorios, sino que toman atajos porque sus diseñadores los preprogramaron para alcanzar sus objetivos evolutivos digitales. Como sugiere el sitio web del laboratorio, «la informática evolutiva… señala la necesidad de una fuente de información definitiva como Diseñador Inteligente».

Anteriormente hemos discutido muchos de los documentos del Laboratorio de Informática Evolutiva, pero vale la pena destacar algunos de los artículos que han sido recientemente agregado a nuestra página de artículos pro-DI revisados ​​por pares.

Construyendo la Metodología

Uno de los primeros artículos publicados por el Laboratorio de Informática Evolutiva salió en 2009, por William Dembski y Robert Marks en Actas de la Conferencia Internacional IEEE 2009 sobre Sistemas, Hombre y Cibernética. Titulado «Bernoulli’s Principle of Insufficient Reason and Conservation of Information in Computer Search» [Principio de Bernoulli de razón insuficiente y conservación de la información en la búsqueda por computadora], el documento sostiene que en todas las búsquedas, incluidas las darwinianas, la información se conserva de tal manera que «en promedio ninguna búsqueda supera a ninguna otra». La implicación de su principio de «Conservación de la información» (CDI) es que la evolución darwiniana, en la base, en realidad no es mejor que una búsqueda aleatoria.

Para hacer su argumento, el documento desarrolla una metodología para medir la información introducida de contrabando en un algoritmo de búsqueda por inteligencia. La información exógena (I ‡) representa la dificultad de una búsqueda para encontrar su objetivo sin información previa sobre su ubicación. La información activa (I +) es la cantidad de información introducida de contrabando por la inteligencia para ayudar al algoritmo de búsqueda a encontrar su objetivo. La información endógena (Is) mide la dificultad que tendrá la búsqueda para encontrar su objetivo después de la adición de información activa. Así, I+ = I‡ – Is.

Tras establecer esta base teórica, Dembski y Marks pretenden aplicar sus ideas a algoritmos evolutivos que afirman producir nueva información biológica. Argumentan que las simulaciones por computadora a menudo no modelan adecuadamente la evolución darwiniana verdaderamente aleatoria: “La Conservación de la Información o CDI ha llevado a la formulación de información activa como una medida que debe introducirse para que una búsqueda evolutiva sea exitosa. Al igual que un atleta con esteroides, muchos de estos programas están manipulados, intencionalmente o no, para tener éxito «y, por lo tanto,» CDI pone fin a los reclamos inflados por el poder generador de información de simulaciones evolutivas como Avida y Ev «. Concluyen que cuando se trata de generar nueva información compleja y específica, «en biología, como en computación, no hay almuerzo gratis», y por lo tanto se requiere cierta ayuda de la inteligencia para ayudar a la evolución darwiniana a encontrar objetivos poco probables en el espacio de búsqueda.

Otro artículo del Laboratorio de Informática Evolutiva apareció en Journal of Advanced Computational Intelligence and Intelligent Informatics en 2010. Coautor de Dembski y Marks, el documento argumenta que sin información sobre un objetivo, cualquier cosa más ambiciosa que una búsqueda trivial está destinada al fracaso: “Los problemas de la aguja en el pajar buscan objetivos pequeños en espacios grandes. En tales casos, la búsqueda a ciegas no tiene ninguna esperanza de éxito «. Citan «Teoremas de no hay almuerzo gratis«, según los cuales «cualquier técnica de búsqueda funcionará, en promedio, así como una búsqueda a ciegas». Sin embargo, en tal caso, “El éxito requiere una búsqueda asistida. ¿Pero de dónde proviene la asistencia necesaria para que una búsqueda tenga éxito?

Dembski y Marks argumentan que «las búsquedas exitosas no surgen espontáneamente, sino que necesitan ser descubiertas a través de una búsqueda». Sin embargo, sin información sobre el objetivo, la búsqueda de una búsqueda en sí misma no es mejor que una búsqueda a ciegas: «Probamos dos resultados: (1) La versión horizontal del teorema No hay almuerzo gratis, que muestra que el rendimiento relativo promedio de las búsquedas nunca excede las búsquedas sin asistencia o a ciegas, y (2) La versión vertical del teorema No hay almuerzo gratis, que muestra que la dificultad de buscar una búsqueda exitosa aumenta exponencialmente con respecto a la información activa mínima permitida que se busca». La implicación, una vez más, es que sin el aporte final de un agente inteligente – información activa – tales búsquedas fallarán.

Aplicando la Metodología

Después de haber desarrollado una metodología para medir la información activa en simulaciones informáticas de la evolución, el Laboratorio de Informática Evolutiva buscó aplicar estos métodos a varios programas notables.

En 2010, el laboratorio publicó otro artículo titulado «Extracción eficiente de información por consulta de un oráculo de Hamming», publicado en el 42º Simposio del sudeste sobre teoría de sistemas, que analiza el famoso algoritmo evolutivo «METHINKSITISLIKEAWEASEL» de Richard Dawkins. Demostraron que comienza con grandes cantidades de información activa, es decir, información insertada de manera inteligente por el programador para ayudar en la búsqueda. Los autores encuentran que esta forma de búsqueda es muy eficiente para encontrar su objetivo, pero solo porque está preprogramado con grandes cantidades de información activa necesaria para encontrar rápidamente el objetivo. Esta información activa preprogramada la aleja de un verdadero algoritmo de búsqueda evolutiva darwiniana. Los autores desarrollaron un conjunto de herramientas en línea de programas llamado «Weasel Ware» para evaluar este tipo de preguntas.

Otro artículo en el que los colaboradores del Laboratorio de Informática Evolutiva informaron fuentes activas de información en un algoritmo evolutivo bien conocido fue escrito por Winston Ewert, William A. Dembski y Robert J. Marks II en Proceedings of the 2009 IEEE International Conference on Systems, Man, and Cybernetics. Este artículo examinó a Avida, un programa de simulación evolutiva que había sido publicado en Nature en 2003, y fue promocionado por sus creadores como una refutación del DI que mostró «que los rasgos adaptativos complejos surgen a través de mecanismos darwinianos estándar». Pero el equipo del Laboratorio de Informática Evolutiva refutó esas afirmaciones. Su artículo argumenta que Avida pasa de contrabando en «información activa» para permitir que la simulación encuentre sus objetivos evolutivos, como los siguientes:

  • «Información activa de la inicialización de Avida» donde «[la] inicialización en Avida reconoce el papel esencial de la instrucción nop-C en la búsqueda del EQU».
  • «Mutación, estado físico y elegir el más apto de una serie de descendientes mutados».
  • Lo más importante es que hay «información activa de escalones» donde las «mutaciones» digitales en Avida están esencialmente preprogramadas para realizar una función útil, y son recompensadas por hacerlo.

Con respecto a este tercer punto, los autores señalan que «la importancia de la información activa de los escalones es evidente por la incapacidad de generar un solo EQU [la función objetivo] en Avida sin usarlo». Preguntan: «¿Qué sucede cuando no se aplica información activa de escalones?» y tenga en cuenta lo que escribieron los autores originales del programa Avida:

En el otro extremo, 50 poblaciones evolucionaron en un entorno donde solo EQU fue recompensado, y ninguna función más simple produjo energía. Esperábamos que EQU evolucionara con mucha menos frecuencia porque la selección no preservaría las funciones más simples que proporcionan bases para construir características más complejas. De hecho, ninguna de estas poblaciones evolucionó EQU, una diferencia muy significativa de la fracción que lo hizo en el entorno de recompensa total.

Pero, ¿la biología real «recompensa» las mutaciones en la medida en que lo hace Avida? El texto citado anteriormente muestra que cuando Avida se calibra para modelar la biología real, donde pueden ser necesarios muchos cambios antes de que haya una función beneficiosa para seleccionar (complejidad irreducible), «ninguna de estas poblaciones evolucionó» la función objetivo.

Los creadores de Avida anuncian su éxito, pero Ewert, Dembski y Marks muestran que Avida usa «información activa de escalones» al recompensar formas de «mutaciones» digitales que están preprogramadas para producir el resultado deseado. No modela la verdadera evolución darwiniana, que es ciega a los resultados futuros y no puede utilizar información activa. Las implicaciones pueden ser inquietantes para los defensores de la teoría neodarwiniana: no solo la evolución darwiniana «en promedio … no es mejor que la búsqueda a ciegas», sino que Avida es manipulada por sus programadores para tener éxito, lo que demuestra que la inteligencia es realmente necesaria para generar caracteristicas biológicas complejas. Nuevamente, los investigadores del laboratorio desarrollaron un juego de herramientas en línea de programas llamado «Minivida» para diseccionar este programa.

Finalmente, también en 2010, Dembski y Marks, junto con George Montañez y Winston Ewert, co-publicaron un artículo revisado por pares en BIO-Complexity titulado “A Vivisection of the ev Computer Organism: Identifying Sources of Active Information» [Una vivisección del organismo informático ev: identificación de fuentes de información activa]. Este estudio analizó el programa «ev» de Thomas Schneider, conocido en el campo de la computación evolutiva, que ha sido ampliamente citado como muestra de que los procesos darwinianos pueden aumentar la información. Pero el Laboratorio de Informática Evolutiva demostró que, contrariamente a tales afirmaciones, ev está de hecho manipulado para producir un resultado particular. Según el documento, ev «explota una o más fuentes de conocimiento para que la búsqueda [evolutiva] sea exitosa» y este conocimiento «predispone la búsqueda hacia su objetivo». Explican cómo el programa pasa de manipula información activa:

El éxito de ev se debe en gran medida a la información activa introducida por el oráculo de Hamming y de la estructura perceptrónica. No se debe al algoritmo evolutivo utilizado para realizar la búsqueda.

Como muestra el documento, la información activa se introduce de contrabando en la función de condición física utilizada por el programa ev. En lugar de mostrar que la información puede surgir por la evolución darwiniana, ev muestra que se requiere inteligencia. (Aquí también, el laboratorio lanzó un conjunto de herramientas en línea de programas llamado «Ev Ware» para analizar este programa).

El trabajo del Laboratorio de Informática Evolutiva demuestra que los proponentes del Diseño Inteligente son capaces de producir técnicas innovadoras para abordar preguntas relacionadas con el Diseño Inteligente y la evolución. Primero, el laboratorio desarrolló una metodología para estudiar el grado en que la información se introduce de contrabando en algoritmos evolutivos. Luego, los investigadores aplicaron esa metodología a varios programas conocidos como «Simulación de Comadreja» de ev, Avida y Dawkins, e identificaron con éxito fuentes de «información activa» en cada uno. Como prometió el sitio web del laboratorio, su investigación ha demostrado que incluso los mejores esfuerzos de los críticos del DI no pueden escapar al hecho de que se requiere inteligencia para generar nueva información.

Artículo publicado originalmente en inglés por Casey Luskin en Evolution News & Science Today

Imagen tomada de Evoinfo.org