Programa de la comadreja

El programa de la comadreja o la comadreja de Dawkins es un experimento mental y diversas simulaciones por computadora que lo ilustran. Su objetivo es demostrar que el proceso que impulsa los sistemas evolutivos —la variación aleatoria combinada con la selección acumulativa no aleatoria— es diferente del mero azar .

El experimento mental fue formulado por Richard Dawkins , y la primera simulación fue escrita por él; otras personas han escrito diversas implementaciones del programa.

En el capítulo 3 de su libro El relojero ciego , Dawkins ofreció la siguiente introducción al programa, haciendo referencia al conocido teorema del mono infinito :

No sé quién señaló por primera vez que, con suficiente tiempo, un mono tecleando al azar en una máquina de escribir podría producir todas las obras de Shakespeare . La clave está, por supuesto, en "con suficiente tiempo". Limitemos un poco la tarea de nuestro mono. Supongamos que tiene que producir, no las obras completas de Shakespeare, sino solo la breve frase "Me parece que es como una comadreja ", y se lo facilitaremos dándole una máquina de escribir con un teclado limitado, uno con solo 26 letras mayúsculas y una barra espaciadora. ¿Cuánto tiempo tardará en escribir esta pequeña frase?

El escenario está diseñado para producir una serie de letras sin sentido , asumiendo que la selección de cada letra en una secuencia de 28 caracteres será aleatoria. El número de combinaciones posibles en esta secuencia aleatoria es 2⁷ ^{× 2⁸} , o aproximadamente ^10⁴⁰ , por lo que la probabilidad de que el mono produzca una secuencia determinada es extremadamente baja. Cualquier secuencia particular de 28 caracteres podría seleccionarse como frase "objetivo", todas igualmente improbables como el objetivo elegido por Dawkins: "ME PIENSO QUE ES COMO UNA COMADREJA".

Se podría escribir un programa informático para realizar las acciones del hipotético mono de Dawkins, generando continuamente combinaciones de 26 letras y espacios a alta velocidad. Incluso a una velocidad de millones de combinaciones por segundo, es improbable, incluso considerando que el universo duraría toda su vida, que el programa produjera alguna vez la frase "ME PIENSO QUE ES COMO UNA COMADREJA". Para una cadena de 28 caracteres, con 27 caracteres posibles (AZ más espacio), cualquier cadena generada aleatoriamente tiene una probabilidad de uno entre 27^28 de ser correcta; es decir, aproximadamente uno entre 10^40. Si un programa que generara 10 millones de cadenas por segundo hubiera estado funcionando desde el inicio del universo (unos 14 mil millones de años, o 10^17 segundos), solo habría generado alrededor de 10^24 cadenas hasta ahora.

Dawkins pretende que este ejemplo ilustre un malentendido común sobre el cambio evolutivo : que las secuencias de ADN o los compuestos orgánicos , como las proteínas, son el resultado de la combinación aleatoria de átomos para formar estructuras más complejas. En este tipo de cálculos, cualquier secuencia de aminoácidos en una proteína será extraordinariamente improbable (esto se conoce como la falacia de Hoyle ). En realidad, la evolución procede mediante un proceso gradual , como en los paisajes adaptativos .

Dawkins continúa demostrando que un proceso de selección acumulativa puede requerir muchos menos pasos para alcanzar cualquier objetivo determinado. En palabras de Dawkins:

Volvemos a usar nuestro mono informático, pero con una diferencia crucial en su programa. Comienza de nuevo eligiendo una secuencia aleatoria de 28 letras, igual que antes... la duplica repetidamente, pero con cierta probabilidad de error aleatorio — «mutación» — en la copia. El ordenador examina las frases mutantes sin sentido, la «descendencia» de la frase original, y elige la que, por muy ligeramente que sea, más se parezca a la frase objetivo: ME PIENSA QUE ES COMO UNA COMADREJA.

Al repetir el procedimiento, una secuencia generada aleatoriamente de 28 letras y espacios irá cambiando gradualmente en cada generación . Las secuencias progresan a través de cada generación:

Generación  01: WDLTMNLT DTJBKWIRZREZLMQCO P ^{[ nota 1 ]}     

Generación  02: WDLTMNLT DTJBSWIRZREZLMQCO P     

Generación  10: MDLDMNLS ITJISWHRZREZ MECS P      

Generación  20: MELDINLS IT ISWPRKE Z WECSEL       

Generación  30: COSAS QUE ES COMO B WECSEL       

Generación  40: CREO QUE ES COMO UNA COMADREJA        

Generación  43: CREO QUE ES COMO UNA COMADREJA        

Dawkins continúa:

El tiempo exacto que tarda el ordenador en alcanzar el objetivo no importa. Si quieres saberlo, me completó todo el ejercicio la primera vez, mientras yo estaba almorzando. Tardó media hora. (Los entusiastas de la informática podrían pensar que es excesivamente lento. La razón es que el programa estaba escrito en BASIC , una especie de lenguaje infantil para ordenadores. Cuando lo reescribí en Pascal , tardó 11 segundos). Los ordenadores son un poco más rápidos en este tipo de cosas que los monos, pero la diferencia no es realmente significativa. Lo que importa es la diferencia entre el tiempo que tarda la selección acumulativa y el tiempo que tardaría el mismo ordenador, trabajando a pleno rendimiento al mismo ritmo, en alcanzar la frase objetivo si se viera obligado a utilizar el otro procedimiento de selección paso a paso: aproximadamente un millón de millones de millones de millones de años. Esto es más de un millón de millones de millones de veces el tiempo que lleva existiendo el universo hasta ahora.

El programa pretende demostrar que la preservación de pequeños cambios en una secuencia evolutiva de caracteres (o genes ) puede generar combinaciones significativas en un tiempo relativamente corto, siempre que exista algún mecanismo para seleccionar cambios acumulativos, ya sea que una persona identifique qué rasgos son deseables (en el caso de la selección artificial) o que el entorno imponga un criterio de supervivencia ("aptitud") (en el caso de la selección natural). Los sistemas reproductivos tienden a preservar los rasgos a lo largo de las generaciones, porque la descendencia hereda una copia de los rasgos de los padres. Son las diferencias entre la descendencia, las variaciones en la copia, las que constituyen la base de la selección, permitiendo que las variantes más cercanas al objetivo sobrevivan y que las restantes "desaparezcan".

Dawkins analiza la cuestión del mecanismo de selección con respecto a su programa de "biomorfos":

El ojo humano desempeña un papel activo en esta historia. Es el agente selectivo. Examina la camada de crías y elige una para la reproducción. En otras palabras, nuestro modelo es estrictamente un modelo de selección artificial, no de selección natural. El criterio de «éxito» no es el criterio directo de supervivencia, como ocurre en la verdadera selección natural. En la verdadera selección natural, si un organismo posee las características necesarias para sobrevivir, sus genes sobreviven automáticamente porque se encuentran en su interior. Por lo tanto, los genes que sobreviven tienden a ser, automáticamente, aquellos que confieren a los organismos las cualidades que les permiten sobrevivir.

En cuanto a la aplicabilidad del ejemplo a la evolución biológica, se cuida de señalar que tiene sus limitaciones:

Aunque el modelo del mono/Shakespeare es útil para explicar la distinción entre selección de un solo paso y selección acumulativa, resulta engañoso en aspectos importantes. Uno de ellos es que, en cada generación de "reproducción" selectiva, las frases de la "descendencia" mutante se juzgaban según el criterio de semejanza con un ideal lejano : la frase "ME PIENSA QUE ES COMO UNA COMADREJA". La vida no es así. La evolución no tiene un objetivo a largo plazo. No existe un objetivo lejano, una perfección final que sirva de criterio de selección, aunque la vanidad humana se aferre a la absurda idea de que nuestra especie es el objetivo final de la evolución. En la vida real, el criterio de selección siempre es a corto plazo: la simple supervivencia o, más generalmente, el éxito reproductivo.

En El relojero ciego, Dawkins presenta un modelo gráfico de selección genética que involucra entidades a las que denomina biomorfos. Estos son conjuntos bidimensionales de segmentos de línea que guardan relaciones entre sí, dibujados bajo el control de "genes" que determinan la apariencia del biomorfo. Al seleccionar entidades de generaciones sucesivas de biomorfos, un experimentador puede guiar la evolución de las figuras hacia formas específicas, como los biomorfos de "avión" o "pulpo".

Como simulación, los biomorfos no se acercan mucho al comportamiento genético real de los organismos biológicos. Al igual que el programa Weasel, su desarrollo está condicionado por un factor externo, en este caso las decisiones del experimentador, quien elige cuál de las muchas formas posibles se transmitirá a la siguiente generación. Sin embargo, sirven para ilustrar el concepto de "espacio genético", donde cada gen posible se trata como una dimensión , y los genomas reales de los organismos vivos constituyen una pequeña fracción de todas las combinaciones genéticas posibles, la mayoría de las cuales no producirán un organismo viable. Como afirma Dawkins: "Por muchas maneras que haya de estar vivo, es seguro que hay muchísimas más de estar muerto".

En *Escalando el Monte Improbable* , Dawkins respondió a las limitaciones del programa *Weasel* describiendo programas, escritos por terceros, que modelaban la evolución de la telaraña . Sugirió que estos programas eran modelos más realistas del proceso evolutivo, ya que no tenían un objetivo predeterminado más allá de crear una telaraña que atrapara más moscas mediante un proceso de "ensayo y error". Las telarañas se consideraban buenos temas para el modelado evolutivo porque eran ejemplos sencillos de biosistemas fáciles de visualizar; los programas de modelado generaron con éxito una variedad de telarañas similares a las que se encuentran en la naturaleza.

• Algoritmo genético
• Objeciones a la evolución
• Analogía del relojero

• Talk.origins afirma que CF011_1 es la simulación WEASEL de Dawkins.
• Algoritmo evolutivo - Página de código de Rosetta con implementaciones del programa en varios lenguajes de programación.