El algoritmo de la vida: genes, memes y evolución cultural (parte 1)

¿Cómo es posible que la organización y la complejidad propia de la vida se haya generado espontáneamente? ¿Puede el mismo mecanismo de evolución replicarse en otros ámbitos, o es específico de la biología?

Para abordar estas preguntas, a lo largo de varias entradas, vamos a recurrir a la idea de que la evolución es en realidad un proceso algorítmico, o mejor dicho, el resultado de un proceso algorítmico cuyas características explican los fenómenos evolutivos.

La evolución como algoritmo

Un algoritmo es una secuencia de instrucciones o reglas que describen de forma inequívoca un procedimiento para realizar una tarea.

Los algoritmos frecuentemente se implementan o ponen en práctica en programas informáticos que traducen las instrucciones a un lenguaje comprensible por el ordenador, sin embargo cualquier procedimiento inequívoco formado por etapas ordenadas y relacionadas puede considerarse un algoritmo (por ejemplo, un proceso de compra de suministros en la administración pública o las reglas de enjuiciamiento criminal), y es representable en forma de diagrama de flujo o diagrama de proceso:

Un algoritmo no tiene por qué ser determinista. Una instrucción puede decir "haz esto o aquello", o "elige entre A y B con una probabilidad X para A y una probabilidad Y para B". De esta manera se pueden formalizar y simular fenómenos naturales como el crecimiento de las plantas, la erosión del terreno, las olas, etc.

¿Qué proceso produce la evolución biológica? Charles Darwin y Alfred Russel Wallace coincidieron en que la evolución de las especies se produce al seleccionarse de forma natural ciertas variaciones que se propagan de una generación a otra por reproducción, de manera que los más aptos para la supervivencia se reproducen y pasan a su descendencia las características seleccionadas.

La teoría de Darwin y Wallace, más tarde comprobada de múltiples formas, tenía un gran mérito dado que en su tiempo se desconocía el mecanismo de la herencia genética, aunque sabían que había alguna forma de heredar características de un organismo a otro.

El excelente y divertido divulgador científico Bill Nye explica en este vídeo la idea central de la evolución por selección natural utilizando emojis:

¿Podemos considerar la selección natural como un algoritmo? Esta es la visión de autores como el filósofo Daniel Dennett y el biólogo evolutivo Richard Dawkins, y se ha visto reforzada como veremos por la implementación de este tipo de algoritmo en programas informáticos y sistemas físicos que aprenden, como los robots autónomos.

Dennett y Dawkins explican en sus obras como la forma en que opera la selección natural como proceso causal es suficiente para explicar las complejas características que observamos en los seres vivos, incluidos los humanos.

Dennett (y otros autores posteriormente) dan explicaciones basadas en la selección natural incluso para fenómenos como el libre albedrío y la consciencia. La idea de la evolución por selección natural sería así la 'gran unificadora' que permite concebir la relación causal entre el mundo físico, el mundo de la vida y el mundo de la consciencia y la intencionalidad:

La idea de la evolución como algoritmo se basa en que la selección natural combina dos tendencias aparentemente contrapuestas:

• Por un lado hay una fuente de azar y variabilidad: la mutación genética durante la reproducción. En muchas historias de ciencia-ficción de los años 50 y 60 las mutaciones (producidas por la radiactividad) son suficientes para hacer aparecer una raza de hormigas gigantes, un monstruo como Godzilla o una raza de superhombres, pero esta interpretación es totalmente errónea. La mutación no es suficiente para la evolución. 

Muchas críticas superficiales de la evolución se basan en el argumento de que el azar no puede crear algo tan complejo como un ser vivo, y eso es cierto, pero no invalida la explicación por selección natural. Esas críticas se olvidan de un segundo componente, o no comprenden su potencia:

• Un proceso de selección que elimina la gran mayoría de las mutaciones y deja solamente aquellas que suponen una ventaja para los individuos que las llevan. Esta selección natural se produce por el sencillo mecanismo de que los más aptos para reproducirse tendrán más descendencia con su mutación favorable, que así se irá extendiendo por la población. Este componente de la evolución es lo que convierte el azar en necesidad, parafraseando el famoso título de Jacques Monod:

Dawkins explica en este antiguo pero interesante vídeo cómo los dos componentes se combinan con el tiempo para dar su potencia a la evolución.

El algoritmo que subyace a la evolución podría resumirse, por tanto, en los siguientes pasos:

• Evaluación y selección: cada individuo, según su mayor o menor aptitud para sobrevivir y reproducirse, genera descendientes.

• El material genético de los descendientes proviene del cruce del material de sus progenitores (en la reproducción sexual), a lo cual se añaden posibles mutaciones o cambios aleatorios.

• Los descendientes entran a formar parte de la nueva población de individuos, y el ciclo continúa indefinidamente.

La evolución: un sistema de optimización dinámica

Según la definición de algoritmo, estos se definen para resolver problemas, generando una o más soluciones. Encontes, ¿cuál es el problema que el algoritmo de la evolución pretendería resolver?

Imaginemos que tuviéramos una forma de calcular la 'aptitud' de un individuo (su capacidad de sobrevivir y reproducirse) y darle un valor numérico. Podríamos representar esta aptitud dibujando una curva o superficie donde el eje vertical representa cuán apto es cada individuo y los ejes horizontales representarían diferentes variantes genéticas, diferentes posibles individuos (existan realmente o no).

Esta representación conceptual se llama paisaje adaptativo (fitness landscape) y fue introducida ya en 1932.

No debemos interpretar esta función de adaptación como un cálculo que podamos realizar realmente. Se trata de una construcción conceptual. En la práctica existirían tantos puntos en la superficie como posibles individuos con diferentes combinaciones genéticas, un número astronómicamente inmenso. Por otra parte, cada especie o población en un área determinada tendría diferentes paisajes adaptativos según su relación con el entorno y con otras especies. El contenido genético no es en sí mismo suficiente para determinar la aptitud.

En el mundo natural es la propia realidad competitiva entre los individuos de la misma especie, de diferentes especies y del medio, la que decide cuán apto es cada individuo (por el sencillo mecanismo de dejarle vivir y reproducirse en mayor o menor cantidad).

Lo que es importante es darse cuenta de que el objetivo del algoritmo evolutivo es conseguir que los individuos de diferentes especies alcancen posiciones más altas (mayores valores de aptitud) en sus respectivos paisajes adaptativos.

En forma gráfica, el objetivo de la evolución es conseguir combinaciones genéticas que vayan 'subiendo' por la superficie del paisaje, como si buscaran las cumbres, los puntos de mayor adaptación y aptitud. Es un proceso de búsqueda sin fin.

Desde este punto de vista el algoritmo evolutivo resolvería un problema de optimización, tratando de encontrar los valores (combinaciones genéticas) con los que se consiguen los máximos de una magnitud (la aptitud o adaptación).

Dada la complejidad de la interacción entre genes y entre genotipo y fenotipo, y las relaciones entre individuos, especies y entorno, es imposible predecir cuáles van a ser las combinaciones genéticas más adaptativas. Encontrarlas es precisamente el objeto de la evolución por selección natural.

Veremos en otra entrada posterior que la potencia de los algoritmos evolutivos para resolver problemas de optimización puede ser aprovechada para encontrar soluciones muy útiles en una variedad de campos prácticos.

Sin embargo, hay varios factores que convierten a la evolución en algo más que un problema de optimización clásico:

• El paisaje adaptativo real no es estático sino dinámico. La aptitud de una combinacion genética va cambiando en función del entorno físico, de la población en la que se encuentra y de las características de los individuos de otras especies (como en los procesos de coevolución), y todas estas relaciones son también dinámicas. En realidad la evolución va optimizando con el tiempo toda la combinación de relaciones entre las especies y con el entorno, de manera que todos evolucionan conjuntamente.

• La unidad de selección o aptitud es difícil de definir. ¿Qué es lo que realmente selecciona y optimiza la evolución: genes, células, individuos, grupos de individuos, especies, ecosistemas? Cada una de estas respuestas tiene sus adeptos. Personalmente creo que la evolución opera a todos estos niveles interrelacionados. Por tanto, no se puede decir que la solución al problema de optimización sea una combinación genética específica, sino que esta solución 'óptima' depende de su presencia en un determinado grupo, entorno, etc.

• En el modelo clásico de evolución son los genes los responsables de almacenar la información que determina la aptitud de un individuo. Sin embargo, durante la evolución van apareciendo otros mecanismos de almacenamiento y reproducción de información: primero, la memoria individual en el cerebro, luego la memoria colectiva y la transmisión cultural de conocimientos en los primates superiores, y más tarde con los humanos los sistemas de memoria masivos; el lenguaje escrito, la imprenta y los soportes electrónicos. La evolución biológica basada en información genética va dando paso así, como veremos en siguientes entradas, a la evolución cultural basada en información memética, con reglas de aptitud y un paisaje adaptativo totalmente diferentes.

Expandiremos este tema en las siguientes entradas. 

Hasta la próxima,

    Salvador