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

El Gran Juego de las Adivinanzas

Imagina que estás jugando a un videojuego de alto riesgo donde las reglas cambian cada vez que presionas un botón. A veces el suelo es lava, otras veces es hielo y otras veces es de gelatina. Para ganar, no solo necesitas ser fuerte; necesitas ser un maestro de las adivinanzas. Tienes que descubrir: "Si veo una nube roja, ¿está el suelo a punto de convertirse en lava?". Si aciertas, sobrevives y tu personaje se vuelve más fuerte. Si fallas, pierdes una vida. Esta es la esencia de la evolución, pero en lugar de personajes de videojuegos, estamos hablando de seres vivos como bacterias, escarabajos o pájaros.

Durante más de cien años, los científicos han intentado medir qué tan bueno es un ser vivo en este juego utilizando un concepto llamado aptitud (o fitness). En la vieja escuela de pensamiento, la aptitud era algo así como una tabla de puntuación que solo miraba el resultado final: "¿Cuántos bebés tuviste?". Si tuviste muchos bebés, eras "apto". Si no tuviste ninguno, no lo eras. Pero esta tabla de puntuación tenía un problema extraño. Era circular, como decir: "Eres un buen corredor porque ganas carreras, y ganas carreras porque eres un buen corredor". También tenía un fallo: imagina una mariposa que está perfectamente camuflada pero es comida por un pájaro simplemente por mala suerte antes de poder poner huevos. La vieja tabla de puntuación diría que tuvo cero aptitud, aunque en realidad era una gran superviviente. No podía distinguir entre ser bueno en el juego y simplemente tener suerte.

Aquí es donde entra una nueva idea, una que trata la evolución menos como una tabla de puntuación y más como un detective resolviendo un misterio. Los científicos ahora se preguntan: ¿Qué pasaría si ser "apto" no es solo tener bebés, sino tener un modelo mental realmente bueno del mundo? ¿Qué pasaría si la evolución es en realidad un gigantesco proceso de aprendizaje y de adivinación? Esta es la pregunta que un equipo de investigadores se propuso responder, utilizando matemáticas que suenan como si pertenecieran a una novela de espías, pero que en realidad explican cómo la vida se adapta a un universo cambiante.

La Guía del Detective para la Evolución

En esta nueva historia, los autores proponen un cambio radical: La aptitud no es una puntuación; es una predicción.

Imagina que cada tipo de animal o planta lleva un pequeño e invisible "manual de supervivencia" en su ADN. Este manual no es una lista de instrucciones como "crecer alas" o "fabricar veneno". En su lugar, es un conjunto de probabilidades. Dice cosas como: "Si el ambiente es seco, hay un 80% de probabilidad de que yo sobreviva", o "Si el ambiente es húmedo, solo hay un 10% de probabilidad". Los autores llaman a esto una verosimilitud bayesiana (Bayesian likelihood). En lenguaje sencillo, es solo una forma elegante de decir: "¿Qué tan bien predice mi tipo de cuerpo específico qué es lo que el mundo va a hacer a continuación?".

El artículo sostiene que la naturaleza es esencialmente un masivo juego de inferencia bayesiana en cámara lenta. Este es un tipo de matemática utilizada por detectives e IA para actualizar sus creencias basadas en nueva evidencia.

• La forma antigua: "Sobreviví, por lo tanto debo ser apto". (Esto es circular e ignora la suerte).
• La nueva forma: "Tengo un modelo que predice bien el entorno. Debido a que mi modelo es preciso, es más probable que sobreviva y me reproduzca".

Los autores demuestran que cuando se observa la evolución a través de este lente, tres grandes problemas desaparecen:

1. El problema de la circularidad: No necesitas saber quién tuvo más bebés para saber quién es apto. Solo observas qué tan bien su "manual" predice el entorno.
2. El problema del desajuste: La mariposa con suerte que fue comida no tenía un mal modelo; simplemente tuvo mala suerte. El modelo (la aptitud) trata sobre la probabilidad de supervivencia, no sobre el resultado único.
3. El problema de la predicción: Debido a que la aptitud es ahora un modelo, realmente podemos predecir qué sucederá en el futuro. Si el entorno cambia, podemos ver qué "manuales" quedarán obsoletos y cuáles serán los ganadores.

La Autopista de la Información

Esta es la parte más asombrosa del descubrimiento. Los autores descubrieron que cuando una población evoluciona durante mucho tiempo, no solo está intentando tener más bebés. Está intentando maximizar la información.

Piensa en el entorno como una estación de radio ruidosa que transmite un código secreto. Los diferentes tipos de animales en una población son como diferentes radios intentando sintonizar esa estación.

• Si una radio tiene mucha estática (un mal modelo), no puede escuchar el código.
• Si una radio es clara (un buen modelo), escucha el código perfectamente.

El artículo demuestra que la selección natural actúa como un filtro que mantiene las radios más claras y desecha las llenas de estática. Con el tiempo, la población evoluciona hasta que el "ruido" entre los animales y su entorno desaparece. En términos matemáticos, la estructura de la población queda perfectamente alineada con las estadísticas del entorno. Los autores muestran que la tasa de crecimiento de una población está directamente vinculada a la Información Mutua (Mutual Information), una medida de cuánto "sabe" la población sobre su mundo.

Es como si la evolución fuera un estudiante estudiando para un examen. El estudiante que memoriza el libro de texto (el entorno) perfectamente obtendrá una A (alta aptitud). El estudiante que adivina al azar fracasará. El artículo sugiere que el objetivo final de la selección natural es convertir a la población en el "estudiante" más preciso posible, maximizando la información que posee sobre su entorno.

El Juego de la Vida: Cooperación y Puntos de Inflexión

Para demostrar que esto funciona, los autores aplicaron su nueva matemática de la "predicción" a tres problemas clásicos de la biología, y los resultados fueron sorprendentemente claros.

1. El juego de cambio de tareas
Imagina un grupo de trabajadores que pueden realizar dos trabajos: Trabajo A o Trabajo B. El jefe (el entorno) cambia aleatoriamente entre necesitar el Trabajo A o el Trabajo B.

• El resultado: El artículo muestra que los trabajadores evolucionarán naturalmente para dividir su tiempo exactamente en proporción a la frecuencia con la que el jefe pide cada trabajo. Si el jefe pide el Trabajo A el 70% de las veces, la población evolucionará de tal manera que el 70% de los trabajadores estén listos para el Trabajo A. Se convierten en un espejo perfecto de la probabilidad del entorno.

2. El Dilema del Prisionero (El rompecabezas de la cooperación)
Este es un juego famoso donde dos personas pueden cooperar o traicionarse mutuamente. Usualmente, la traición gana a corto plazo, pero la cooperación es mejor para el grupo a largo plazo.

• El resultado: Los autores encontraron que la cooperación solo emerge si los jugadores pueden "leer" a los demás. Si dos jugadores son completamente aleatorios e independientes (no saben qué hará el otro), la traición gana. Pero si hay un vínculo entre ellos —como si están emparentados, o juegan el juego muchas veces, o pueden enviarse señales— la cooperación se convierte en la estrategia ganadora.
• El artículo utiliza un "diagrama de fase" (como un mapa meteorológico para la biología) para mostrar exactamente cuándo la cooperación toma el control. Resulta que la cooperación es como un punto de inflexión. Si la conexión entre los jugadores es lo suficientemente fuerte, todo el grupo cambia repentinamente de "todos traicionan" a "todos cooperan". Esto sucede porque los jugadores están construyendo un modelo compartido entre sí, aumentando la "información" entre ellos.

3. Dinámicas de grupo
¿Qué sucede cuando tienes grupos de personas, y estas interactúan con su propio grupo y con otros grupos?

• El resultado: Las matemáticas muestran que la cooperación prospera dentro de un grupo si los miembros están estrechamente vinculados (como la familia o los amigos). Sin embargo, si el grupo interactúa demasiado con extraños que son "aleatorios" o deshonestos, todo el sistema puede colapsar de nuevo hacia la traición. El artículo sugiere que para que la cooperación a gran escala (como en las sociedades humanas) funcione, los grupos necesitan desarrollar señales internas fuertes e incluso "castigar" a quienes rompen las reglas, creando un ciclo cerrado de información y confianza.

Por qué esto importa

Los autores no solo están jugando con números; están ofreciendo un nuevo conjunto de herramientas. Al tratar la aptitud como una probabilidad predictiva, pueden resolver problemas que antes eran demasiado complejos de descifrar. Pueden dibujar mapas (diagramas de fase) que muestran exactamente cuándo una población cambiará de un comportamiento a otro, tal como el agua se convierte en hielo.

También demuestran que la vieja idea de "aptitud" era demasiado estrecha. Se centraba en el resultado (bebés), pero esta nueva visión se centra en la causa (la capacidad de predecir). Sugiere que la evolución es una forma de aprendizaje. Cada vez que una especie se adapta, no solo se está volviendo más fuerte; se está volviendo más inteligente respecto a su mundo.

El artículo concluye que este enfoque unifica muchos campos diferentes. Las mismas matemáticas que explican cómo una bacteria encuentra comida también explican cómo un mercado de valores reacciona a las noticias, cómo un cerebro aprende un idioma y cómo una sociedad decide cooperar. Resulta que la naturaleza, la ciencia de datos y el comportamiento humano podrían estar funcionando bajo el mismo sistema operativo: el impulso de reducir la incertidumbre y maximizar la información.

Así que, la próxima vez que veas a un pájaro construyendo un nido o a una persona compartiendo un secreto, recuerda: no solo están actuando por instinto. Están ejecutando un cálculo complejo e invisible, tratando de adivinar el futuro y, al hacerlo, están jugando el juego definitivo de la vida.