Na przestrzeni ostatnich dziesi\u0119cioleci jeste\u015bmy \u015bwiadkami intensywnego rozwoju nauk biologicznych. Nowe odkrycia biologii molekularnej, biofizyki, liczne dane dostarczane przez nauki geologiczne, ekologiczne, etiologiczne itd., jak i prace teoretyk\u00f3w biologii, coraz cz\u0119\u015bciej sadzaj\u0105 standardow\u0105, neodarwinistyczn\u0105 koncepcj\u0119 ewolucji na \u0142awie oskar\u017conych. Jej trzy g\u0142\u00f3wne filary: losowe mutacje, gradualizm i dziedziczenie genetyczne nie stanowi\u0105 ju\u017c niezachwianego fundamentu biologii, kt\u00f3rym wydawa\u0142y si\u0119 jeszcze jaki\u015b czas temu. Coraz \u015bmielej kwestionowany \u201ekanoniczny\u201d model ewolucji darwinowskiej mo\u017ce zosta\u0107 zmuszony do dokonania daleko id\u0105cych ust\u0119pstw na rzecz teorii konkurencyjnych i rezygnacji z monopolu na wyja\u015bnianie fenomenu \u017cycia; a mo\u017ce nawet zosta\u0107 zast\u0105piony jak\u0105\u015b bardziej adekwatn\u0105 teori\u0105. <\/p>\n
Wbrew rozpowszechnionemu mniemaniu, poprawno\u015b\u0107, b\u0105d\u017a wadliwo\u015b\u0107 modelu ewolucji nie jest kwesti\u0105 teoretycznych dywagacji jakiej\u015b grupy naukowc\u00f3w. Szeroko stosowane narz\u0119dzia informatyczne cz\u0119sto stanowi\u0105 kopi\u0119 rozwi\u0105za\u0144, kt\u00f3re odnajdujemy w przyrodzie lub s\u0105 takimi rozwi\u0105zaniami inspirowane. Je\u015bli tak, niew\u0142a\u015bciwe odczytanie mechanizm\u00f3w ewolucji nie pozostanie bez wp\u0142ywu na sprawno\u015b\u0107 opartych na nich algorytm\u00f3w komputerowych. Implementacja niew\u0142a\u015bciwego modelu ewolucji mo\u017ce znacznie obni\u017cy\u0107 skuteczno\u015b\u0107 dzia\u0142ania takiego instrumentu. Tak dzieje si\u0119 cho\u0107by w przypadku powszechnie u\u017cywanego narz\u0119dzia optymalizacji jakim s\u0105 algorytmy ewolucyjne (AE), kt\u00f3re w zamy\u015ble autor\u00f3w maj\u0105 na\u015bladowa\u0107 ewolucj\u0119 biologiczn\u0105. Niestety najwi\u0119ksz\u0105 bol\u0105czk\u0105 AE jest szybka utrata r\u00f3\u017cnorodno\u015bci, stagnacja i przedwczesna konwergencja. Dodawanie nowych parametr\u00f3w, czy modulowanie ich funkcji mo\u017ce z\u0142agodzi\u0107 problem, ale nie przyniesie oczekiwanej poprawy sytuacji. Docelowo programom tym potrzebna jest zupe\u0142nie nowa rama teoretyczna opieraj\u0105ca si\u0119 na innej wizji ewolucji. <\/p>\n
Bardzo p\u0142odn\u0105 ide\u0105, kt\u00f3ra, nie przekre\u015blaj\u0105c my\u015bli darwinistycznej, proponuje znacznie szersz\u0105 wizj\u0119 ewolucji jest koncepcja semiotyczna Charlesa Sandersa Peirce\u2019a. Podczas wyst\u0105pienia zostanie zaprezentowany og\u00f3lny zarys teorii ewolucji Peirce\u2019a, oraz dwa przyk\u0142ady jej aplikacji w narz\u0119dziach informatycznych. Pierwszy model, Peirce\u2019owski Algorytm Ewolucyjny (P-EA) w ca\u0142o\u015bci opiera si\u0119 na kategoriach ontologicznych Amerykanina. Rozwi\u0105zanie to nosi jednak pewn\u0105 wad\u0119, kt\u00f3ra zdaje si\u0119 by\u0107 przezwyci\u0119\u017cona w drugim modelu \u2013 Richarda Watsona i Jordana Polaka. Skonstruowany przez nich algorytm STEM, wprowadza, istotne z punktu widzenia semiozy, mechanizmy zmienno\u015bci i selekcji na r\u00f3\u017cnych poziomach z\u0142o\u017cono\u015bci ewolucyjnej. Wyk\u0142ad ma ukaza\u0107 jak przemy\u015blenia filozoficzne mog\u0105 s\u0142u\u017cy\u0107 pomoc\u0105 w rozwi\u0105zywaniu problem\u00f3w informatycznych i jak symulacjami komputerowe mog\u0105 stanowi\u0107 metod\u0119 \u201etestowania\u201d twierdze\u0144 filozoficznych.<\/p>\n","protected":false},"excerpt":{"rendered":"
Na przestrzeni ostatnich dziesi\u0119cioleci jeste\u015bmy \u015bwiadkami intensywnego rozwoju nauk biologicznych. Nowe odkrycia biologii molekularnej, biofizyki, liczne dane dostarczane przez nauki geologiczne, ekologiczne, etiologiczne itd., jak i prace teoretyk\u00f3w biologii, coraz cz\u0119\u015bciej sadzaj\u0105 standardow\u0105, neodarwinistyczn\u0105 koncepcj\u0119 ewolucji na \u0142awie oskar\u017conych. Jej … Czytaj dalej