IT-специалист Роберт Маркс о проблемах матмоделирования эволюции
Здесь.
Настоятельно рекомендую прочесть всем, кто интересуется данной темой.
То, что обычно именуется дарвиновской эволюцией, и так называемые генетические алгоритмы - это две совершенно разные вещи. Грамотные дарвинисты не могут пойти на то, чтобы ввести в свои рассуждения направленность, потому что отсутствие направленности - это их конёк и потому что, введя направленность, они признают собственное банкротство. Почему это будет равносильно признанию собственного поражения? Просто потому, что направленность - это дизайн, которого они признавать, понятное дело, не собираются. Между тем, направленность - это именно то, чему генетические алгоритмы обязаны своей эффективностью.
Генетические алгоритмы моделируют не дарвиновскую эволюцию, а искусственную селекцию. Вот и весь фокус. Искусственный отбор осуществляют все, включая сторонников дарвинизма, кто занимается математическим моделированием с использованием генетических алгоритмов, однако при этом эволюционисты предпочитают не замечать или даже не знают о существовании данного ключевого различия между дарвиновской моделью и эффективными генетическими алгоритмами. Главная ошибка Дарвина заключалась в том, что он предположил, что раз у природы намного больше времени и других ресурсов, чем у опытного селекционера, то и достичь она может много более. Это оказалось принципиально неверно.
Направленность достигается в поисковых алгоритмах различными методами:
Без всех этих инженерных "премудростей" эффективность алгоритма поиска не выше эффективности угадывания (random guess): в задачах малой размерности это бывает невидно, но с увеличением размерности не заметить этого нельзя.
Маркс с коллегами не только продемонстрировали, что неэффективность дарвиновской эволюции напрямую является следствием NFL-теорем, сформулированных Wolpert & Macready, но Маркс и др. также предложили меру информации, которую программист для достижения желаемого результата сообщает поиску для обеспечения направленности поискового процесса.
Важно дополнить, что мнение Wolpert & Macready о том, что коэволюция не подпадает под ограничения NFL-теорем, было позднее опровергнуто [Ewert & Marks: Conservation of information in evolutionary searches, Bio-complexity.org].
Маркс утвеждает, что биологов иногда нужно ставить на место, причем часто именно инженеры обладают необходимым для этой цели теоретическим инструментарием. Приятное совпадение взглядов.
Настоятельно рекомендую прочесть всем, кто интересуется данной темой.
То, что обычно именуется дарвиновской эволюцией, и так называемые генетические алгоритмы - это две совершенно разные вещи. Грамотные дарвинисты не могут пойти на то, чтобы ввести в свои рассуждения направленность, потому что отсутствие направленности - это их конёк и потому что, введя направленность, они признают собственное банкротство. Почему это будет равносильно признанию собственного поражения? Просто потому, что направленность - это дизайн, которого они признавать, понятное дело, не собираются. Между тем, направленность - это именно то, чему генетические алгоритмы обязаны своей эффективностью.
Генетические алгоритмы моделируют не дарвиновскую эволюцию, а искусственную селекцию. Вот и весь фокус. Искусственный отбор осуществляют все, включая сторонников дарвинизма, кто занимается математическим моделированием с использованием генетических алгоритмов, однако при этом эволюционисты предпочитают не замечать или даже не знают о существовании данного ключевого различия между дарвиновской моделью и эффективными генетическими алгоритмами. Главная ошибка Дарвина заключалась в том, что он предположил, что раз у природы намного больше времени и других ресурсов, чем у опытного селекционера, то и достичь она может много более. Это оказалось принципиально неверно.
Направленность достигается в поисковых алгоритмах различными методами:
- введением явно сформулированной или неявной функции цели;
- формированием удобных для поиска решения конкретной задачи операторов соседства;
- прямым вмешательством в ход поиска, например, для борьбы с проблемой стагнации в локальных оптимумах функции цели; в частности, это делал Грэгори Чейтин в своих попытках математически обосновать дарвиновскую эволюцию: он просто вводил максимум на число итераций без улучшения значения фитнесс-функции, чтобы избежать зацикливания.
Без всех этих инженерных "премудростей" эффективность алгоритма поиска не выше эффективности угадывания (random guess): в задачах малой размерности это бывает невидно, но с увеличением размерности не заметить этого нельзя.
Маркс с коллегами не только продемонстрировали, что неэффективность дарвиновской эволюции напрямую является следствием NFL-теорем, сформулированных Wolpert & Macready, но Маркс и др. также предложили меру информации, которую программист для достижения желаемого результата сообщает поиску для обеспечения направленности поискового процесса.
Важно дополнить, что мнение Wolpert & Macready о том, что коэволюция не подпадает под ограничения NFL-теорем, было позднее опровергнуто [Ewert & Marks: Conservation of information in evolutionary searches, Bio-complexity.org].
Маркс утвеждает, что биологов иногда нужно ставить на место, причем часто именно инженеры обладают необходимым для этой цели теоретическим инструментарием. Приятное совпадение взглядов.