How Information Evolves: Stability-Driven Assembly and the Emergence of a Natural Genetic Algorithm
本文提出了稳定性驱动组装（SDA）框架，该框架展示了信息如何通过一种自然涌现的遗传算法进行演化，其中随机组装体的差异存续性驱动了适应度成比例的采样与开放式演化动力学，而无需基因、复制或预定义的适应度函数。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个繁忙而混乱的施工现场，工人们（分子）不断抓取随机的木头、金属和塑料碎片来建造新结构。在一个正常、安静的房间里，这些结构会像它们被建造得一样快地崩塌，什么有趣的事情都不会发生。
但如果这个施工现场是一场风暴呢？新材料不断被抛入其中，而风则不断试图将事物吹倒。
这就是丹·阿德勒（Dan Adler）论文的核心思想：信息可以在没有基因、没有总规划师、也没有特定目标的情况下演化。 它之所以发生，仅仅是因为某些事物比其他事物建造得更好，因此存续时间更长。
以下是这一机制如何运作的故事，分解为几个简单的概念：
1. “最稳健者的生存”（而非“适者生存”）
通常，当我们想到进化时，会想到“适者生存”——最强的动物获胜。但这篇论文提出，在动物或基因出现之前，存在的仅仅是**“最稳健者的生存”**。
想象一堆沙堡和一堆石堡。
- 沙堡建造得快，但在下一个浪头袭来时就会被冲走（它们的“稳定性”低）。
- 石堡建造时间更长，但它们能屹立很久（“稳定性”高）。
在这个系统中，石堡不需要与沙堡“战斗”。它们只需留在那里。因为它们留在那里，它们就成了这堆东西中最常见的存在。
2. “人气竞赛”（选择是如何发生的）
这里的魔法在于：存续时间更长的事物有机会建造更多事物。
想象每次建造一个新结构时，建造者都会挑选两个现有的结构作为“父母”或模板。他们随机挑选这些父母，但挑选的依据是当前有多少个这样的结构正屹立着。
- 如果你有 100 座石堡和只有 1 座沙堡，建造者几乎肯定会挑选一座石堡来帮助建造下一个。
- 石堡被一遍又一遍地“重用”。
- 沙堡在能被选中之前就消失了。
这就形成了一个反馈循环。一个结构越稳定，它就越普遍。它越普遍，就越有可能被用来制造新事物。这就是论文所称的**“自然遗传算法”**。这是一个自动发生的进化过程，仅由某些事物比其他事物存续时间更长这一事实所驱动。
3. “爵士即兴演奏”的类比
作者将此比作一支爵士乐队。
- 音乐家：分子。
- 音符：化学构建模块。
- 音乐：它们建造的结构。
在爵士即兴演奏中，没有乐谱（没有预先写好的目标）。音乐家演奏音符，某些组合听起来很棒并被重复（它们“持续”存在）。其他组合听起来很糟糕并立即停止。随着时间的推移，乐队自然地稳定在一种特定的风格或“支架”上，因为这些音乐模式是那些能维持节奏的模式。他们并没有计划演奏那首曲子；他们只是不断演奏那些奏效的部分。
4. 实验：用“化学乐高”建造
为了证明这是可行的，研究人员运行了一个计算机模拟。
- 他们创造了一个包含简单“乐高”积木（代表化学原子）的数字世界。
- 他们编程设定规则，使某些乐高积木的组合是“稳定的”（不会散架），而其他组合是“不稳定的”（会迅速消失）。
- 他们让系统运行了 1,000 代。
结果：
起初，系统是一团混乱的、短命的随机形状。但随着时间推移，少数特定的复杂形状开始占据主导地位。它们之所以占据主导地位，并非因为它们被“设计”成那样；而是因为它们是唯一存续时间足够长、足以被用作下一代构建模块的形状。系统自然地自我整理，在没有外部帮助的情况下，从混乱中创造了秩序。
5. “进化阶梯”
这篇论文提出了生命可能如何从简单物理迈向复杂生物的阶梯：
- 第一级：持久性。 某些事物比其他事物存续时间更长（例如钻石与石墨）。这创造了存在事物的偏向性。
- 第二级：涌现功能。 有时，那些存续时间更长的事物碰巧能做一些有用的事情（例如帮助其他事物粘在一起）。
- 第三级：催化。 那些有用的事物开始帮助自己更快地被制造出来。
- 第四级：复制。 最终，系统发展出一种精确复制自己的方式（如 DNA）。
该论文认为，我们往往跳过前三级，直接跳到 DNA。但这项研究表明，第一级（持久性） 足以启动整个进化引擎。你不需要一个自我复制的机器来开始；你只需要某些事物比其他事物存续时间更长。
总结
这篇论文声称，进化是一种自然的物理定律，而不仅仅是生物学的定律。如果你有一个系统，其中：
- 事物不断被建造。
- 某些事物比其他事物散架得更快。
- 存续时间更长的事物被更频繁地用于建造新事物。
……那么你就会自动获得一个能够“学习”、“适应”并向复杂性“进化”的系统。这是一个基于稳定性这一简单原则运行的自然遗传算法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。