Redefining Fitness: Inference, Information and Phase Transitions in Evolutionary Dynamics

Das große Ratespiel

Stellen Sie sich vor, Sie spielen ein hochkarätiges Videospiel, bei dem sich die Regeln jedes Mal ändern, wenn Sie eine Taste drücken. Manchmal ist der Boden Lava, manchmal Eis und manchmal besteht er aus Gelee. Um zu gewinnen, müssen Sie nicht nur stark sein; Sie müssen ein Meister im Raten sein. Sie müssen herausfinden: „Wenn ich eine rote Wolke sehe, wird der Boden dann gleich zu Lava?“ Wenn Sie richtig raten, überleben Sie und Ihr Charakter wird stärker. Wenn Sie falsch raten, verlieren Sie ein Leben. Dies ist das Wesen der Evolution, aber statt Videospiel-Charakteren sprechen wir von Lebewesen wie Bakterien, Käfern oder Vögeln.

Seit über hundert Jahren versuchen Wissenschaftler, mit einem Konzept namens Fitness zu messen, wie gut ein Lebewesen in diesem Spiel ist. In der alten Denkweise war Fitness ein wenig wie eine Punktetafel, die nur auf das Endergebnis blickte: „Wie viele Babys hast du bekommen?“ Wenn man viele Babys hatte, war man „fit“. Wenn man keine hatte, war man es nicht. Aber diese Punktetafel hatte ein seltsames Problem. Sie war kreisförmig, so als würde man sagen: „Du bist ein guter Läufer, weil du Rennen gewinnst, und du gewinnst Rennen, weil du ein guter Läufer bist.“ Sie hatte auch einen Fehler: Stellen Sie sich einen Schmetterling vor, der perfekt getarnt ist, aber durch bloßes Pech von einem Vogel gefressen wird, bevor er Eier legen kann. Die alte Punktetafel würde sagen, er hätte eine Fitness von Null, obwohl er eigentlich ein großartiger Überlebender war. Sie konnte nicht zwischen dem Gutsein im Spiel und bloßem Glück unterscheiden.

Hier kommt eine neue Idee ins Spiel, die die Evolution weniger wie eine Punktetafel und mehr wie einen Detektiv behandelt, der einen Krimi löst. Wissenschaftler fragen nun: Was wäre, wenn es beim „Fitsein“ nicht nur darum geht, Babys zu bekommen, sondern darum, ein wirklich gutes mentales Modell der Welt zu besitzen? Was wäre, wenn die Evolution eigentlich ein riesiger Prozess des Lernens und Ratens ist? Dies ist die Frage, die ein Forscherteam zu beantworten versuchte, unter Verwendung von Mathematik, die klingt, als gehöre sie in einen Spionageroman, aber tatsächlich erklärt, wie das Leben sich an ein sich veränderndes Universum anpasst.

Der Leitfaden des Detektivs zur Evolution

In dieser neuen Geschichte schlagen die Autoren einen radikalen Wandel vor: Fitness ist kein Score; Fitness ist eine Vorhersage.

Stellen Sie sich vor, jedes Tier oder jede Pflanze trägt ein kleines, unsichtbares „Überlebenshandbuch“ in ihrer DNA. Dieses Handbuch ist keine Liste von Anweisungen wie „wachse Flügel“ oder „erzeuge Gift“. Stattdessen ist es eine Menge von Wahrscheinlichkeiten. Es sagt Dinge wie: „Wenn die Umgebung trocken ist, besteht eine 80-prozentige Chance, dass ich überlebe“, oder „Wenn die Umgebung feucht ist, liegt die Chance nur bei 10 %“. Die Autoren nennen dies eine Bayessche Likelihood. In einfachem Deutsch ist das nur eine schicke Art zu sagen: „Wie gut sagt mein spezifischer Körpertyp voraus, was die Welt als Nächstes tun wird?“

Die Autoren argumentieren, dass die Natur im Wesentlichen ein massives, Zeitlupen-artiges Spiel der Bayesschen Inferenz ist. Dies ist eine Art von Mathematik, die von Detektiven und KI verwendet wird, um ihre Überzeugungen basierend auf neuen Beweisen zu aktualisieren.

• Der alte Weg: „Ich habe überlebt, also muss ich fit sein.“ (Dies ist zirkulär und ignoriert das Glück).
• Der neue Weg: „Ich besitze ein Modell, das die Umgebung gut vorhersagt. Weil mein Modell genau ist, ist es wahrscheinlicher, dass ich überlebe und mich fortpflanze.“

Die Autoren zeigen, dass, wenn man die Evolution durch diese Linse betrachtet, drei große Probleme verschwinden:

1. Das Zirkularitätsproblem: Man muss nicht wissen, wer die meisten Babys hatte, um zu wissen, wer fit ist. Man schaut einfach darauf, wie gut ihr „Handbuch“ die Umgebung vorhersagt.
2. Das Mismatch-Problem: Der glücklose Schmetterling, der gefressen wurde, hatte kein schlechtes Modell; er hatte nur schlechtes Glück. Das Modell (die Fitness) handelt von der Wahrscheinlichkeit des Überlebens, nicht vom einzelnen Ergebnis.
3. Das Vorhersageproblem: Da Fitness nun ein Modell ist, können wir tatsächlich vorhersagen, was in der Zukunft passieren wird. Wenn sich die Umgebung ändert, können wir sehen, welche „Handbücher“ veraltet sein werden und welche die Gewinner sein werden.

Die Informationsautobahn

Hier ist der am meisten verblüffende Teil der Entdeckung. Die Autoren fanden heraus, dass eine Population, wenn sie sich über einen langen Zeitraum entwickelt, nicht nur versucht, mehr Babys zu bekommen. Sie versucht, Information zu maximieren.

Stellen Sie sich die Umgebung wie einen verrauschten Radiosender vor, der einen geheimen Code ausstrahlt. Die verschiedenen Tierarten in einer Population sind wie verschiedene Radios, die versuchen, sich auf diesen Sender einzustellen.

• Wenn ein Radio voller statischem Rauschen ist (ein schlechtes Modell), kann es den Code nicht hören.
• Wenn ein Radio klar ist (ein gutes Modell), hört es den Code perfekt.

Die Arbeit beweist, dass die natürliche Selektion wie ein Filter wirkt, der die klarsten Radios behält und die statischen Radios wegwirft. Im Laufe der Zeit entwickelt sich die Population, bis das „Rauschen“ zwischen den Tieren und ihrer Umgebung verschwunden ist. In mathematischen Begriffen wird die Populationsstruktur perfekt auf die Statistiken der Umgebung abgestimmt. Die Autoren zeigen, dass die Wachstumsrate einer Population direkt mit der Mutual Information (gegenseitigen Information) verknüpft ist – einem Maß dafür, wie viel die Population über ihre Welt „weiß“.

Es ist, als ob die Evolution ein Schüler ist, der für eine Prüfung lernt. Der Schüler, der das Lehrbuch (die Umgebung) perfekt auswendig lernt, wird eine Eins (hohe Fitness) bekommen. Der Schüler, der zufällig rät, wird durchfallen. Die Arbeit legt nahe, dass das ultimative Ziel der natürlichen Selektion darin besteht, die Population in den präzisesten „Schüler“ zu verwandeln, der möglich ist, indem sie die Information maximiert, die sie über ihre Umgebung hält.

Das Spiel des Lebens: Kooperation und Kipppunkte

Um zu beweisen, dass dies funktioniert, wandten die Autoren ihre neue „Vorhersage“-Mathematik auf drei klassische Probleme der Biologie an, und die Ergebnisse waren überraschend eindeutig.

1. Das Aufgabenwechsel-Spiel
Stellen Sie sich eine Gruppe von Arbeitern vor, die zwei Jobs erledigen können: Job A oder Job B. Der Chef (die Umgebung) wechselt zufällig zwischen dem Bedarf an Job A oder Job B.

• Das Ergebnis: Die Arbeit zeigt, dass die Arbeiter natürlich dazu tendieren werden, ihre Zeit genau im Verhältnis dazu aufzuteilen, wie oft der Chef nach jedem Job verlangt. Wenn der Chef 70 % der Zeit nach Job A fragt, wird sich die Population so entwickeln, dass 70 % der Arbeiter bereit für Job A sind. Sie werden zu einem perfekten Spiegel der Wahrscheinlichkeiten der Umgebung.

2. Das Gefangenendilemma (Das Kooperationsrätsel)
Dies ist ein berühmtes Spiel, bei dem zwei Personen entweder kooperieren oder einander verraten können. Normalerweise gewinnt Verrat kurzfristig, aber Kooperation ist langfristig besser für die Gruppe.

• Das Ergebnis: Die Autoren fanden heraus, dass Kooperation nur entsteht, wenn die Spieler einander „lesen“ können. Wenn zwei Spieler völlig zufällig und unabhängig agieren (sie wissen nicht, was der andere tun wird), gewinnt der Verrat. Aber wenn eine Verbindung zwischen ihnen besteht – etwa weil sie verwandt sind, das Spiel viele Male spielen oder sich gegenseitig Signale senden können – wird Kooperation zur Gewinnstrategie.
• Die Arbeit nutzt ein „Phasendiagramm“ (wie eine Wetterkarte für die Biologie), um genau zu zeigen, wann die Kooperation übernimmt. Es stellt sich heraus, dass Kooperation wie ein Kipppunkt ist. Wenn die Verbindung zwischen den Spielern stark genug ist, kippt die gesamte Gruppe plötzlich von „jeder verrät jeden“ zu „jeder kooperiert mit jedem“. Dies geschieht, weil die Spieler ein gemeinsames Modell voneinander aufbauen und so die „Information“ zwischen ihnen erhöhen.

3. Gruppendynamik
Was passiert, wenn man Gruppen von Menschen hat, die mit ihrer eigenen Gruppe und anderen Gruppen interagieren?

• Das Ergebnis: Die Mathematik zeigt, dass Kooperation innerhalb einer Gruppe gedeiht, wenn die Mitglieder eng miteinander verbunden sind (wie Familie oder Freunde). Wenn eine Gruppe jedoch zu viel mit Außenstehenden interagiert, die „zufällig“ oder unzuverlässig sind, kann das gesamte System jedoch wieder in den Verrat zurückfallen. Die Arbeit legt nahe, dass für groß angelegte Kooperation (wie in menschlichen Gesellschaften) notwendig ist, dass Gruppen starke interne Signale entwickeln und vielleicht sogar diejenigen „bestrafen“, die gegen die Regeln verstoßen, um eine enge Schleife aus Information und Vertrauen zu erzeugen.

Warum das wichtig ist

Die Autoren spielen nicht nur mit Zahlen; sie bieten ein neues Werkzeug an. Indem sie Fitness als eine vorhersagende Wahrscheinlichkeit behandeln, können sie Probleme lösen, die zuvor zu komplex zu erfassen waren. Sie können Karten (Phasendiagramme) zeichnen, die genau zeigen, wann eine Population von einem Verhalten zu einem anderen wechselt, genau wie Wasser zu Eis wird.

Sie zeigen auch, dass die alte Vorstellung von „Fitness“ zu eng gefasst war. Sie konzentrierte sich auf das Ergebnis (Babays), aber diese neue Sichtweise konzentriert sich auf die Ursache (die Fähigkeit zur Vorhersage). Sie legt nahe, dass Evolution eine Form des Lernens ist. Jedes Mal, wenn eine Spezies sich anpasst, wird sie nicht nur stärker; sie wird klüger in Bezug auf ihre Welt.

Die Arbeit kommt zu dem Schluss, dass dieser Ansatz viele verschiedene Felder vereinigt. Dieselbe Mathematik, die erklärt, wie eine Bakterie Nahrung findet, erklärt auch, wie ein Aktienmarkt auf Nachrichten reagiert, wie ein Gehirn eine Sprache lernt und wie eine Gesellschaft sich entscheidet zu kooperieren. Es stellt sich heraus, dass die Natur, die Datenwissenschaft und das menschliche Verhalten möglicherweise alle auf demselben Betriebssystem laufen: dem Drang, Unsicherheit zu reduzieren und Information zu maximieren.

Wenn Sie also das nächste Mal einen Vogel beobachten, der ein Nest baut, oder einen Menschen, der ein Geheimnis teilt, denken Sie daran: Sie handeln nicht nur nach Instinkt. Sie führen eine komplexe, unsichtbare Berechnung aus, versuchen die Zukunft zu erraten, und spielen damit das ultimative Spiel des Lebens.