Tekst ukazał się w „Filozofuj!” 2020 nr 2 (32), s. 32–33. W pełnej wersji graficznej jest dostępny w pliku PDF.
Z dwudziestu liter aminokwasowych zbudowała Natura język „w stanie czystym”, który wyraża – za nieznacznym przestawieniem sylab nukleotydowych – fagi, wirusy, bakterie, tyranozaury, termity, kolibry, lasy i narody – jeśli ma tylko do dyspozycji czas dostateczny. Język ten, tak doskonale ateoretyczny, antycypuje nie tylko warunki dna oceanów i szczytów górskich, ale kwantowość światła, termodynamikę, elektrochemię, echolokację, hydrostatykę – i Bóg wie, co jeszcze, a czego my na razie nie wiemy! Czyni to tylko „praktycznie”, ponieważ sprawiając wszystko, niczego nie rozumie, lecz o ileż sprawniejsza jest jego bezrozumność od naszej mądrości. Czyni to zawodnie, jest rozrzutnym szafarzem twierdzeń syntetycznych o własnościach świata, bo zna jego statystyczną naturę i zgodnie z nią właśnie działa: nie przywiązuje wagi do twierdzeń pojedynczych – liczy się dlań całość miliardoletniej wypowiedzi. Doprawdy, warto nauczyć się takiego języka, który stwarza filozofów, gdy nasz – tylko filozofie.
[Stanisław Lem, Summa technologiae, Kraków 2013, s. 378]
Choć teoria ewolucji nierozłącznie kojarzy się z wyjaśnieniem problemu złożoności życia na Ziemi, jej znaczenie daleko wykracza poza nauki biologiczne. Darwin stworzył podstawy zupełnie nowego paradygmatu, który wyznacza dziś ogólny schemat wyjaśniania tak odmiennych na pierwszy rzut oka procesów jak powstawanie kosmosu, różnicowanie się ludzkich języków, funkcjonowanie gospodarki czy ewolucja wiedzy naukowej. Główną ideą tego schematu jest powiązanie rozwoju z rywalizacją różnych „obiektów” pod względem najlepszego wykonywania swoistej dla nich funkcji w aktualnie panujących warunkach otoczenia. Rywalizacja ta, prowadząca nieodmiennie do wzrostu złożoności, odbywa się poprzez zmiany na ślepo, metodą prób i błędów, ale w sposób bezwzględny: pomyłki są ostateczne, wygrywają najlepiej dostosowani, choć wcale nie ma gwarancji, że dzisiejsi zwycięzcy nie znikną, gdy tylko zmianie ulegną warunki zewnętrzne.
Tak ogólne ujęcie mechanizmów ewolucji skłoniło wielu badaczy do poszerzenia pojęcia życia. Zostało ono zinterpretowane jako złożony system adaptacyjny. Takimi systemami są nie tylko organizmy biologiczne (lub ich części, np. system odpornościowy), ale także ekosystemy, ludzkie skupiska, korporacje, systemy ekonomiczne, społeczne czy polityczne. Systemy adaptacyjne odznaczają się pewnymi szczególnymi cechami. Przede wszystkim posiadają zdolność agregacji, czyli działania w sposób bardziej złożony niż ich elementy składowe. Systemy adaptacyjne są także zdolne do wewnętrznej komunikacji, tworzenia podsystemów, sieci przepływów (np. układ nerwowy, wymiana kapitału) oraz różnicowania się, co prowadzi do powstania nowych, odrębnych układów. Niektóre z systemów adaptacyjnych, zwłaszcza te, których rozwój można stymulować poprzez różnego rodzaju działania o charakterze technicznym, określa się czasem mianem „sztucznego życia”.
Od pojęcia sztucznego życia już tylko krok do inicjowania i kontrolowania ewolucji. Z punktu widzenia nauk matematycznych i informatycznych ewolucja da się sprowadzić do szukania maksimum funkcji opisującej „dostosowanie”. W warunkach naturalnych może to być na przykład zdolność do wykorzystywania przez organizm zasobów energetycznych, odporność na uszkodzenia czy zdolność widzenia w nocy. Podobne zadania można postawić przed konstruktorami samolotów, twórcami leków czy nanotechnologami tworzącymi nowe materiały. Problem w tym, że tego rodzaju funkcje mają charakter nieliniowy oraz zależą od bardzo dużej liczby zmiennych. Zazwyczaj nie da się więc szukać ich maksimów metodami analitycznymi. Z pomocą spieszą odpowiednie algorytmy przeszukiwania, dziś często symulowane komputerowo. Powiedzmy, że chcemy zbudować silnik optymalny do wykonywania jakiegoś zadania. Praca takiego silnika może być zależna od bardzo dużej liczby różnych parametrów mogących przyjmować bardzo różne wielkości. Na początek weźmy zatem kilkadziesiąt różnych wersji silnika („pierwsze pokolenie”) i poddajmy je szczegółowej ocenie. Następnie dokonajmy ich selekcji, ale w dość przemyślny sposób, tak aby nie doprowadzić do zbyt szybkiego wyeliminowania różnorodności. Możemy na przykład wziąć n silników wersji najwyżej ocenionej, n‑1 silników wersji drugiej na liście i tak dalej aż do jednego silnika wersji najgorszej. W następnym kroku dokonujemy reprodukcji – tworzymy nowe silniki łączące cechy np. dwojga losowo wybranych „rodziców”. Od czasu do czasu możemy także dokonać przypadkowej „mutacji”, zmieniając arbitralnie jakiś parametr. W ten sposób powstaje „drugie pokolenie” silników. Proces ten powtarzamy tak długo, aż uzyskamy silnik o parametrach, które uznamy za satysfakcjonujące.
Stworzono bardzo dużo różnych wariantów oceny, selekcji, reprodukcji i zamiany. Obliczenia ewolucyjne stały się dziś osobnym działem informatyki, niekiedy zaliczanym wprost do badań nad sztuczną inteligencją. Pole ich zastosowań ograniczone jest już chyba tylko wyobraźnią inżynierów, farmakologów, biomechaników czy konstruktorów przeróżnych typów robotów.
Sztucznej ewolucji warto się jednak przyjrzeć z nieco innej perspektywy. Stanisław Lem w Paszkwilu na ewolucję, zamieszczonym w iście proroczym zbiorze esejów Summa technologiae z 1966 roku, trochę ironicznie punktuje wady ewolucji naturalnej, która jawi się mu jako strasznie nieefektywna. Produkuje nie tylko masę wersji nieudanych, skazując je na połowiczne, marnotrawiące zasoby funkcjonowanie, ale także zmuszona jest bazować wyłącznie na aktualnie istniejących obiektach. Nie potrafi ani powrócić do już sprawdzonych rozwiązań (może je co najwyżej mozolnie wypracowywać na nowo), ani bezboleśnie pozbyć się cech zbędnych, kiedyś przydatnych, ale obecnie neutralnych lub dysfunkcjonalnych. Nie jest także w stanie planować z wyprzedzeniem; każda zmiana, aby się utrwalić, musi bowiem natychmiast okazać swoją wyższość z punktu widzenia dostosowania do środowiska. Lem szybko tłumaczy się jednak ze swojej krytyki: „nie uprawiamy paszkwilu na tę naszą bezosobową stwórczynię serio. Idzie nam o coś zupełnie innego. Pragniemy być po prostu doskonalszymi od niej konstruktorami i musimy uważać, abyśmy nie popełnili jej »błędów«” (s. 362).
Sztuczna obliczeniowa ewolucja sztucznego życia wydaje się mieć rzeczywiście zdecydowaną przewagę nad swym naturalnym pierwowzorem: zawsze można zacząć od początku, wykorzystując zdobyte doświadczenia. Oczywiście jeśli zdążymy zatrzymać rozpędzone przez nas koło ewolucyjnych cykli, a kontrola nad przebiegiem zmian będzie jeszcze w naszych rękach.
Jacek Jaśtal – doktor hab. filozofii, pracuje na Politechnice Krakowskiej. Zajmuje się metaetyką oraz historią etyki i moralności. Wolne chwile poświęca na czytanie książek historycznych oraz słuchanie muzyki operowej. Pasjonat długodystansowych wypraw rowerowych.
Tekst jest dostępny na licencji: Uznanie autorstwa-Na tych samych warunkach 3.0 Polska.
< Powrót do spisu treści numeru.
Ilustracja: Małgorzata Uglik
Skomentuj