plakhov

Внезапно (для меня) оказывается, что CS-совместимый формальный аппарат, идеально применимый к задачам моделирования биологических систем, давно существует. Это старая добрая Сonservative logic.

Это модель вычислений, обладающая универсальной мощностью, и в то же время позволяющая выражать "законы сохранения" (и вообще концепцию "ресурсов") на самом базовом уровне.

Есть большие подозрения, что автоматы, построенные в такой модели, гораздо более естественным образом объединяются в иерархические системы, чем, например, классические конечные (DFA). И над ними проще запускать, я прошу прощения, эволюционные алгоритмы, т.к. консервативные автоматы (как это по-русски?) гораздо лучше выдерживают "малые изменения" без потери функциональности, и вообще маппинг внутренней структуры в вычислительную функцию у них более естественный и предсказуемый.

Очень надеюсь, что когда-нибудь найду время продемонстрировать это "на пальцах".

(Это не научно-популярная запись, а вопрос тем, кто разбирается)
Существуют ли теории, согласно которым роль subj видится не столько в пользе для данного конкретного существа, сколько в пользе для скорости, с которой эти существа эволюционируют, и стабильности, с которой они наследуют свои фенотипические признаки?

Самый банальный пример того, о чем может идти речь.
Допустим, в хромосоме 0% молчащих участков. Тогда после кроссинговера потомство будет иметь один "сломанный" ген на каждую хромосому, где место разрыва пришлось на локус, в котором аллели папы и мамы не совпадают (это в предположении, что получающийся кентавр крайне редко работает "как надо"; я в этом не то чтобы совсем уверен, но не встречал обратных утверждений).

Теперь допустим, в хромосоме 80% молчащих участков, залитых "тождественными нулями". Тогда после кроссинговера потомство будет иметь в среднем в 5 раз меньше "сломанных" генов, чем в первом случае.

Т.е. просто количество "молчащих участков" регулирует относительную частоту, например, случаев, когда потомство рождается нежизнеспособным в силу того, что "отключился" жизненно важный ген.

(всё это к моему давнему и наивному вопросу о http://plakhov.livejournal.com/46540.html)

Если кто-нибудь о чем-нибудь хотел меня спросить, или что-нибудь сказать, или о чем-нибудь поговорить, но повода не было, можете сделать это сейчас. А то я подумываю, не бросить ли ЖЖ нафиг в пользу RL. Да и вообще, жизнь коротка.

Изначально комментарии скрываются, но только на всякий случай (ну мало ли о чем вы там спрашивать собираетесь).

Ask me anything.

Первый пост о том, как простые численные эксперименты позволяют лучше прочувствовать не совсем интуитивные особенности биологической эволюции.


( Бесчеловечные эксперименты над бабочками )

Жду комментариев, охотно отвечаю на вопросы.

А еще в отпуске я перечитал "Эгоистичный ген". В первый раз я читал эту книгу давным-давно, лет шесть назад, и, как теперь понимаю, тогда не мог воспринять ее правильно.

Вкратце, это знаменитая научно-популярная книга, написанная известным биологом (точнее, этологом) Ричардом Докинзом. Известен он, насколько я понимаю, даже не столько как биолог, сколько именно как популяризатор науки и один из самых непримиримых и яростных атеистов (особенно если ограничиться интересно пишушими и в целом вменяемыми личностями).

"Эгоистичный ген" отстаивает точку зрения на эволюцию, согласно которой единицей отбора является отдельный ген, а не целый организм (и уже тем более не популяция и не вид). Докинз и общими рассуждениями, и на конкретных примерах пытается доказать, что взгляд на животных и растения, как на "машины выживания", совместно используемые генами "в их личных целях", более продуктивен, чем знакомые по школьным учебникам биологии рассуждения о "благе вида", и даже чем "обыденное" представление об отборе, действующем на уровне отдельных особей. Такой способ взглянуть на проблему представляется автору более логичным, и он показывает, как с его помощью можно объяснить многие феномены, в том числе и такие, которые кажутся противоречащими подобному взгляду на мир, например, альтруистическое и социальное поведение животных. В этой же книге впервые появляется общеизвестное сейчас словечко "мем". Надо сказать, что, хотя именно в нем состоит самый заметный вклад книги в мировую культуру, обсуждение того, что сейчас называют "меметикой" занимает в ней лишь буквально несколько страниц. Я читал второе издание, в него добавлено несколько глав, в том числе интересный раздел об играх с ненулевой суммой (в частности, об iterated prisoner's dilemma), и о том, как эволюционно стабильные стратегии в таких играх могут приводить к появлению "добрых" по своей природе существ (несмотря на их изначально крайне эгоистичные мотивы).

На этом мое краткое введение заканчивается. Если вы ее не читали и не собираетесь, то остаток поста вас не заинтересует.

( Если не читали, но собираетесь )

( Если читали )

Существуют ли обучающие основам современной теории эволюции компьютерные модели типа красно-белых шаров? Вот у нас есть популяция такого-то размера, в ней есть дикий тип, и есть такой-то процент "мутантов". Мутация дает такие-то изменения в выживаемости, такие-то в скорости размножения и т.п. Какова вероятность закрепления этой мутации, сколько поколений при этом пройдет? Чтобы можно было играть параметрами: вот, например, снижаем размер популяции, и все сильнее заметен эффект дрифта. Вот такое происходит, если признак рецессивный, а такое - если кодоминирование. А вот вам то же самое для существ, размножающихся делением; а вот для циклически меняющихся "внешних условий"; понятно, зачем понадобилось два пола и два набора хромосом? А вот мутации, которые уменьшают репродуктивный возраст; понятно, что такое педогенез? А вот два вида; видите циклы и то, насколько реальный график отличается от модели Лотки-Вольтерра? И т.п.

Ну, чтобы красиво было, с графиками, с конкретными именованными примерами настроек, достаточно разумно демонстрирующими те или иные эффекты. Кажется, что должно быть несложно такой визуализатор и самому написать, но ведь наверняка есть такое уже.

А то у меня что-то не складывается в голове стройная картина. В теории описана куча вполне переводимых на математический язык эффектов разного рода, но насколько сильно описываемый упрощенный средний (или, наоборот, предельный) случай отличается от того, что происходит в конкретных цифрах, и как соотносятся масштабы разных эффектов в разных случаях, я "не чувствую". Перечитать книжку и затем посчитать я могу, но долго это каждый раз и неэффективно.

Потрясающее фото (via malaya_zemlya)

После того, как я почитал книжки про теорию эволюции, меня стали раздражать слова "мем" и "меметический" (некоторое недоумение они вызывали еще с тех времен, когда я увлекался генетическими алгоритмами). Приз за самую долбанутость достается слову "мемокомплекс".

Речь не об использовании термина "мем" для характеристики всевозможных "преведов". Там оно, по-видимому, оправдано за отсутствием чего-либо другого. Скорее, о подобных высказываниях.

Очень странно, что эти мумбо-юмбо в речи используют вроде бы умные и вроде бы образованные люди. Почему они не видят, что это типичные "информационные поля" и "таинственная сила воды", только предназначенные для чуть менее невежественных людей?

Видимо, так. Упомянул в споре - и непосвященный отступит в страхе перед стоящей за ними масштабной областью знаний. Невдомек ему, что никакой содержательной науки за ними не кроется.

Длина человеческого генома - порядка 10¹⁰ бит (очень примерно). От некоторого первосущества, снабженного сопоставимым по своему устройству генетическим аппаратом, до нас с вами прошло порядка 10¹⁰ поколений (это еще более примерная оценка сверху). В каждом поколении на Земле обитало вполне конечное, ограниченное сверху число особей. Еще нам известно, что генетический код - Тьюринг-полный язык программирования. Итого мы имеем некоторый генетический алгоритм (в том смысле, в котором это выражение понимается в computer science), единицами отбора в котором являются программы на некотором экзотическом Тьюринг-полном языке. Начиная с нуля, этот алгоритм за O(N) поколений ограниченной мощности дает на выходе программу длины N=10¹⁰, обладающую интеллектом (если точнее, интеллектом обладает результат ее экспрессии, но для Тьюринг-полных языков это достаточно эфемерная разница). Тем, кто на практике занимался генетическими алгоритмами или даже computer science вообще, я думаю, не нужно объяснять степень недоумения, возникающую при осознании этого факта. Можно соотнести это, например, с теорией вычислительной сложности, да с P-NP проблемой хотя бы.

Ну и на более школьном уровне, если вдуматься, дела тоже обстоят интересно. Каким бы набором генов ни был снабжен конкретный человек, он остается человеком - с двумя руками, двумя ногами и головой. Эта особь в любом случае может научиться ходить, говорить, а часто и думать - то есть, на макроуровне, основные признаки вида всегда присутствуют. И опять же на макроуровне он наследует признаки родителей. Как, черт побери, так получилось? Да простится мне глупая и очень misleading аналогия, но "среднее арифметическое" двух ехе-файлов не только не будет проявлять смешанное поведение, но вообще не будет валидным ехе-файлом.

Еще пять лет назад я бы с твердой уверенностью сказал, что никакие существующие генетические алгоритмы даже и близко не показывают ни такую эффективность, ни такую устойчивость "фенотипа" при сохранении Тьюринг-полноты. Может, я что-то пропустил, и за это время все изменилось?

На всякий случай, чтобы не было holy war. Весь этот вопрос не имеет отношения к спорам креационистов с эволюционистами. Пока что, насколько понимаю, между наиболее интеллигентными представителями спор идет между "а почему да" vs "а почему бы и нет"; о менее разумных спорщиках умолчим. Но здесь неважно, кто из них прав. Мы видим механизм, принцип работы которого, вне зависимости от его происхождения, во-первых, даже с точки зрения чистой computer science непонятен, а во-вторых, вполне можно пытаться reverse engineer'ить.

Теперь уже несколько месяцев пытаюсь изучать генетику с теорией эволюции (учебники пока что). В следующем посте на эту тему собираюсь написать о том, какие неинтуитивные с точки зрения программиста факты (при этом переводимые на computer science язык) о механизмах эволюции успел узнать.

А сейчас все-таки рискну написать о своих дилетантских ощущениях. Пока что складывается такое подозрение, что, объясняя развитие на макроуровне и вместе с тем устойчивость фенотипа, большая часть биологов довольствуется описанием на качественном уровне каких-то частных механизмов. Если перевести их на язык и в парадигму computer science, то совершенно фантастический итоговый результат оказывается не объяснен (хотя какие-то подсказки, безусловно, можно получить).