Az evolúció szimulációja több ezer generáción keresztül
Az amerikai Vermonti Egyetem és a Cambridge-i Egyetem kutatói, köztük Petak Csenge, forradalmi számítógépes szimulációkkal több ezer generáción át követték digitális organizmusok fejlődését. Ennek során összesen 105 különböző, a természeteshez hasonló, változó környezetekben figyelték, miként alakul a populációk alkalmazkodóképessége.
Kiderült, hogy az evolúció útja nem olyan egyirányú és kiszámítható, mint azt korábban gondolták. Egyes környezeti ingadozások segítették a populációkat, hogy magasabb alkalmazkodási szintet érjenek el, míg mások éppen akadályozták, vagy éppen vakvágányra vitték a fejlődést. Ebből arra lehet következtetni, hogy két populáció, még ha azonos fajhoz is tartoznak, egészen eltérő fejlődési pályára kerülhetnek attól függően, milyen típusú környezeti változásokkal szembesülnek.
Miért számít a kezdet és a történelem?
Míg a hagyományos evolúciós kutatások gyakran csak egy populáció viselkedését figyelik egyféle körülmények között, a kiterjedt szimulációk lehetővé tették, hogy a kutatók azt is átlássák, mennyire eltérő utat járhatnak be különböző közegben élő közösségek. Például egy amerikai gyümölcslégy-populáció, amely az évszakos hőmérséklet-ingadozáshoz szokott, rugalmasabban alkalmazkodhat, míg egy kenyai állomány, amely az aszály és a monszunesők váltakozásával él, folyamatosan újrakezdheti az alkalmazkodást, így sosem érhet el igazán jó eredményt.
A legfontosabb eredmény az, hogy a kiindulási helyzet és a populáció múltja alapjaiban meghatározza, mennyire lehet sikeres vagy kudarcos az alkalmazkodás. Nem lehet tehát egyetlen populáció eredményeit egy egész fajra általánosítani úgy, ahogy korábban gyakran tették.
Globális kihívások és következmények
A felfedezés jelentőséggel bír napjaink kihívásai szempontjából is. Például fontos kérdés, hogy a növények és állatok képesek-e elég gyorsan alkalmazkodni a gyorsuló klímaváltozáshoz, vagy a baktériumok miként alakítanak ki ellenállóképességet az antibiotikumokkal szemben. Mivel a legtöbb kutatás egyáltalán nem vizsgálja az eltérő kihívásokkal küzdő populációkat, sokszor félrevezető lehet az általánosítás.
A kutatók szerint a számítógépes modellek alkalmazása megnyithatja az utat új, valós populációkra vonatkozó hipotézisek előtt.
Tanulság az MI-fejlődés számára
Érdekesség, hogy az eredmények nemcsak a biológiában, hanem a mesterséges intelligencia területén is hasznosíthatók. Sok MI-rendszer nem tud új feladatokat megtanulni anélkül, hogy közben a korábbi ismereteit elveszítené. A kutatók szerint ezek a rendszerek és az evolúció működése között hasonlóságok mutatkoznak: mindkét területen a változatos körülmények között történő „tanulás” vezethet jobb alkalmazkodóképességhez.
A kutatás végső tanulsága, hogy az evolúció – legyen szó élőlényekről vagy gépi tanulórendszerekről – elsősorban a változások sorrendjétől, típusától és előzményeitől függ. Vagyis a változékonyság nem egyértelmű előny vagy hátrány: a részletek számítanak.</final
