Bergen van selectie

In het interview met fysicus Sander Tans (W&O, 27 januari) beschrijft deze evolutionaire selectie in termen van hill climbing. Tans` onderzoek toont aan dat optimalisatie in biologische systemen door netwerkcompensatie makkelijk verloopt. Interessant is het verband met wiskundige modellen die stapsgewijs in optimalisatielandschappen een optimum vinden. Deze gradiënt descent methodes, zoals evolutionaire algoritmen en artificiële neurale netwerken, tonen dat optimalisatie beter gaat naarmate er meer dimensies zijn, systeemvariabelen die de ruimte van het zoeklandschap opspannen. De synapsen in een neuraal netwerk of de genen van een bacterie. Al zit er ook een eind aan: een optimaal aantal dimensies. Het zoeklandschap is de fitnessfunctie, de heuvels en dalen in de n-dimensionale ruimte (n genen of n synapsen). Een systeem bevindt zich in een punt met een bepaalde fitnesswaarde, optimalisatie is het klimmen naar de heuveltop. Externe variabelen bepalen de fitnessfunctie. Bijvoorbeeld patronen in satellietopnames voor analyse door een artificieel neuraal netwerk of voedsel en predatoren in het micromilieu van een bacterie. Een grotere n maakt ontsnappingspaden waarschijnlijker vanuit een willekeurig punt naar een betere plaats. Lokale optima zijn te overwinnen door een grotere mutatie, een ongerichte sprong in het landschap. Dat optimalisatieproces is nu voor het eerst gemeten en aangetoond in een biologische omgeving op moleculair niveau. De conclusie is dus niet alleen dat evolutie veel makkelijker verloopt dan vaak wordt aangenomen, maar ook dat evolutie inderdaad zo makkelijk verloopt als modellen en simulaties voorspellen. Dat is ook het punt van Richard Dawkins` Climbing Mount Improbable, en de zoveelste weerlegging van het creationisme.

    • Arjen Rienks Nijmegen