Na przestrzeni ostatnich dziesięcioleci jesteśmy świadkami intensywnego rozwoju nauk biologicznych. Nowe odkrycia biologii molekularnej, biofizyki, liczne dane dostarczane przez nauki geologiczne, ekologiczne, etiologiczne itd., jak i prace teoretyków biologii, coraz częściej sadzają standardową, neodarwinistyczną koncepcję ewolucji na ławie oskarżonych. Jej trzy główne filary: losowe mutacje, gradualizm i dziedziczenie genetyczne nie stanowią już niezachwianego fundamentu biologii, którym wydawały się jeszcze jakiś czas temu. Coraz śmielej kwestionowany „kanoniczny” model ewolucji darwinowskiej może zostać zmuszony do dokonania daleko idących ustępstw na rzecz teorii konkurencyjnych i rezygnacji z monopolu na wyjaśnianie fenomenu życia; a może nawet zostać zastąpiony jakąś bardziej adekwatną teorią.
Wbrew rozpowszechnionemu mniemaniu, poprawność, bądź wadliwość modelu ewolucji nie jest kwestią teoretycznych dywagacji jakiejś grupy naukowców. Szeroko stosowane narzędzia informatyczne często stanowią kopię rozwiązań, które odnajdujemy w przyrodzie lub są takimi rozwiązaniami inspirowane. Jeśli tak, niewłaściwe odczytanie mechanizmów ewolucji nie pozostanie bez wpływu na sprawność opartych na nich algorytmów komputerowych. Implementacja niewłaściwego modelu ewolucji może znacznie obniżyć skuteczność działania takiego instrumentu. Tak dzieje się choćby w przypadku powszechnie używanego narzędzia optymalizacji jakim są algorytmy ewolucyjne (AE), które w zamyśle autorów mają naśladować ewolucję biologiczną. Niestety największą bolączką AE jest szybka utrata różnorodności, stagnacja i przedwczesna konwergencja. Dodawanie nowych parametrów, czy modulowanie ich funkcji może złagodzić problem, ale nie przyniesie oczekiwanej poprawy sytuacji. Docelowo programom tym potrzebna jest zupełnie nowa rama teoretyczna opierająca się na innej wizji ewolucji.
Bardzo płodną ideą, która, nie przekreślając myśli darwinistycznej, proponuje znacznie szerszą wizję ewolucji jest koncepcja semiotyczna Charlesa Sandersa Peirce’a. Podczas wystąpienia zostanie zaprezentowany ogólny zarys teorii ewolucji Peirce’a, oraz dwa przykłady jej aplikacji w narzędziach informatycznych. Pierwszy model, Peirce’owski Algorytm Ewolucyjny (P-EA) w całości opiera się na kategoriach ontologicznych Amerykanina. Rozwiązanie to nosi jednak pewną wadę, która zdaje się być przezwyciężona w drugim modelu – Richarda Watsona i Jordana Polaka. Skonstruowany przez nich algorytm STEM, wprowadza, istotne z punktu widzenia semiozy, mechanizmy zmienności i selekcji na różnych poziomach złożoności ewolucyjnej. Wykład ma ukazać jak przemyślenia filozoficzne mogą służyć pomocą w rozwiązywaniu problemów informatycznych i jak symulacjami komputerowe mogą stanowić metodę „testowania” twierdzeń filozoficznych.