A Teoria da Evolução (ou simplesmente Evolução) foi duramente criticada quando apresentada ao mundo em 1859, através do livro A Origem das Espécies, de Charles Darwin, o qual se contrapunha às crenças do criacionismo bíblico.

Só que o criacionismo não é capaz de explicar coisa alguma sobre as mudanças pelas quais os seres vivos passam; por exemplo, não explica o motivo pelo qual certas pessoas são imunes a determinadas doenças enquanto outras acabam sucumbindo.

Para dar uma “aura científica” ao criacionismo, os contestadores da Teoria da Evolução criaram a Teoria do Design inteligente. A TDI conclui que muitas características dos seres vivos são mais bem explicadas por uma causa inteligente ou pela intenção de um “designer” inteligente e não por um processo não-guiado como a seleção natural. No entanto, a TDI ainda não provou cientificamente e com base em evidências, que tal “designer” (Deus?) existe.

Agora, vamos avançar um pouco mais no entendimento da evolução.

Dois cientistas propõem unificar a teoria da evolução com as teorias de aprendizagem para explicar os designs aparentemente inteligentes e “incríveis” que a evolução é capaz de produzir.

Em um artigo publicado na revista Trends in Ecology and Evolution, os cientistas e professores Richard Watson da Universidade de Southampton e Eörs Szathmáry da Universidade Eötvös Loránd (Budapeste), mostram que a evolução é capaz de aprender com a experiência anterior, o que poderia explicar melhor como a evolução pela seleção natural produz os designs “inteligentes”.

Professor Richard Watson, um dos autores do estudo.

Ao unificar a teoria da evolução (que mostra como a variação aleatória e a seleção são suficientes para proporcionar uma adaptação incremental) com as teorias de aprendizagem (que mostram como a adaptação incremental é suficiente para um sistema apresentar um comportamento inteligente), esta pesquisa explica que a evolução exibe alguns comportamentos inteligentes semelhantes aos dos sistemas de aprendizagem (incluindo redes neurais).

Os professores explicam como analogias formais podem ser usadas para transferir modelos e resultados específicos entre as duas teorias para resolver vários enigmas evolutivos importantes.

Porque a evolução não é cega

Segundo o Professor Watson a teoria de aprendizado não é apenas uma maneira diferente de descrever o que Darwin já nos explicou. Ela expande o nosso entendimento sobre o que a evolução é capaz de fazer. Ela nos mostra que a seleção natural é suficiente para produzir importantes características para soluções inteligentes de problemas.

Por exemplo, um elemento-chave da inteligência é a capacidade de antecipar comportamentos que levam a benefícios futuros. Convencionalmente, a evolução, sendo dependente de variação aleatória, tem sido considerada “cega” ou pelo menos “míope” – incapaz de apresentar tal antecipação. Mas, ao mostrar que os sistemas de evolução podem aprender a partir de experiências no passado, isso significa que a evolução tem o potencial de antecipar o que seja necessário para se adaptar a ambientes futuros da mesma forma que os sistemas de aprendizagem fazem.

“Um sistema mostra que aprendeu se o seu desempenho em alguma tarefa melhora com a experiência”, observam os autores no artigo. “Reutilizar comportamentos que têm sido bem sucedidos no passado (aprendizado por reforço) é intuitivamente semelhante à forma como a seleção aumenta a proporção de fenótipos [características ou traços observáveis de um organismo] em uma população. Na verdade, os processos evolutivos e os processos de aprendizagem simples são formalmente equivalentes.”

“Quando olhamos para os incríveis designs, aparentemente inteligentes que a evolução produz, é preciso um pouco de imaginação para compreender como a variação aleatória e a seleção os produziram. A seleção natural pode explicar a adequação de seus próprios processos. Essa noção auto-referencial é preocupante para a teoria evolucionária convencional – mas fácil na teoria de aprendizagem.” – Professor Richard Watson

Watson e Szathmáry explicam que a teoria da aprendizagem nos permite formalizar como a evolução muda seus próprios processos ao longo do tempo, por exemplo, pela evolução da organização que controla a variação, a organização de interações ecológicas que controlam a seleção ou a estrutura das relações reprodutivas que controlam a herança. A seleção natural pode mudar a sua própria capacidade de evoluir.

O que os dois autores revelam é que se a evolução pode aprender com a experiência e, assim, melhorar a sua própria capacidade de evoluir ao longo do tempo, isso pode desmistificar a grandiosidade dos designs que a evolução produz. A seleção natural pode acumular conhecimento que lhe permite evoluir de forma mais inteligente. Isso é emocionante porque explica o porquê o design biológico parece ser tão inteligente.

Aprendizado não-supervisionado

Um processo ainda mais interessante na evolução é o aprendizado não supervisionado, onde os mecanismos não dependem de um sinal de recompensa externa.

Nesta forma de aprendizado não existe “um professor”. Os vários padrões e relações são descobertos sozinhos. Os dois cientistas explicam no estudo que publicaram:

“Ao reforçar as correlações que são freqüentes, independentemente se elas são boas ou não, o aprendizado não-supervisionado pode produzir comportamentos sem nenhuma recompensa dentro do sistema. Isso pode ser implementado sem mecanismos centralizados de aprendizagem.”

Para os autores esta é uma possibilidade empolgante, porque significa que, apesar de não ser uma unidade de seleção, uma comunidade ecológica pode exibir organizações que conferem comportamentos coletivos coordenados – por exemplo, uma memória ecológica distribuída que pode recordar vários estados ecológicos do passado.

Tomados em conjunto, o aprendizado de correlação, o aprendizado de correlação não-supervisionado, e o aprendizado profundo de correlação, podem proporcionar uma maneira formal para entender como a variação, a seleção e a herança, respectivamente, podem ser transformadas ao longo da evolução.

Essa nova abordagem dos autores também oferece uma alternativa ao “design inteligente” (DI), que nega a seleção natural como uma explicação para os designs inteligentes da natureza.

Então fica a pergunta: se a teoria da evolução pode aprender com os princípios da ciência cognitiva e da aprendizagem profunda, pode a ciência cognitiva e o aprendizado profundo aprender com a teoria da evolução?

Fonte: ScienceDaily