Природа изобрела программное обеспечение на миллиарды лет раньше нас. «Происхождение жизни - это на самом деле происхождение программного обеспечения», - говорит Грегори Чайтин (изобретатель математической метабиологии). Жизнь требует того, что делает программное обеспечение. Он принципиально алгоритмический. И его сложность требует более совершенных инструментов мышления.
Природа изобрела программное обеспечение на миллиарды лет раньше нас. «Происхождение жизни - это на самом деле происхождение программного обеспечения, - говорит Грегори Чайтин. Жизнь требует того, что делает программное обеспечение (по своей сути оно алгоритмическое).
1. «ДНК - это программное обеспечение, которому уже несколько миллиардов лет, - говорит Чайтин (изобретатель математической метабиологии). Мы окружены программным обеспечением, но не можем его видеть, пока у нас не появятся подходящие инструменты мышления.
2. Алан Тьюринг описал современное программное обеспечение в 1936 году, вдохновив Джона фон Неймана на то, чтобы связать программное обеспечение с биологией. Прежде чем понять ДНК, фон Нейман понял, что самовоспроизводящиеся автоматы нуждаются в программном обеспечении. Теперь мы знаем, что ДНК хранит информацию; это биохимическая версия программной ленты Тернинга, но в более общем плане: все, что живет, должно обрабатывать информацию. Основные строительные блоки биологии - это процессы, которые принимают решения.
3. Представление жизни как программного обеспечения дает много техноморфных идей (и ошибочных аналогий), но давайте рассмотрим только ее информационную сложность. Соответствуют ли модели жизни инструментам более простых наук, таких как физика? Насколько полезны эксперименты? Алгебра? Статистика?
4. Логика жизни сложнее, чем нужно наукам о неживых. Глубинная структура жизненных взаимодействий алгоритмична (грубо говоря, алгоритмы=логика с контролем «если-то-иначе»). Может ли дружественная к физике алгебра охватить биохимические расчеты жизни?
5. Описывая свое «пагубное влияние» на науку, Джек Шварц говорит, что математика преуспевает только в «самых простых ситуациях» или когда «редкая удача заставляет сложную ситуацию зависеть от нескольких доминирующих простых факторов».
6. Физика имеет низкую «причинную плотность» - великое изобретение Джима Манзи. В физике ничего не выбирают. Или меняет то, как он выбирает. Доминируют несколько простых факторов, воздействующих на свойства, которые обычно комбинируются простым образом. Его параметры независимы. Его удобные для алгебры шаблоны хорошо обобщаются (его уравнения подходят для устойчивых категорий и состояний равновесия).
7. Области с более высокой причинно-следственной плотностью означают более сложные эксперименты (множество трудно контролируемых факторов, которые часто невозможно изменить независимо). Такие области, как медицина, могут частично компенсировать их сложность с помощью рандомизированных испытаний, но надежное обобщение требует биологической «однородности ответа».
8. Социальные науки имеют еще более высокую причинно-следственную плотность, поэтому «обобщение даже на правильно рандомизированных экспериментах» «опасно», - говорит Манзи. «Опущенная переменная систематическая ошибка» в человеческих системах является «огромной». Рандомизация ≠ гарантирована репрезентативность результатов.
9. Экономист по сложности Брайан Артур говорит, что набор научных инструментов для распознавания закономерностей становится «более алгоритмическим… и менее основанным на уравнениях». Но у зарождающейся эры алгоритмов еще не было своего Ньютона.
10. При исследованиях в областях с высокой причинно-следственной плотностью всегда учитывайте, насколько репрезентативны данные, и подумайте, правдоподобны ли единообразные или стабильные ответы. Человеческие системы часто очень изменчивы; наше поведение неоднородно; они могут менять типы; они часто не в равновесии.
11. Плохие примеры: Малкольм Гладуэлл (снова) ставит развлечение на первое место, утверждая, что «самый простой способ повысить баллы людей» - сделать тест менее читабельным (исследование n=40, позднее опровергнутое). Также поддавшись необоснованной экстраполяции, ведущий>Несовпадение причинно-следственной плотности и инструментов мышления создает ошибки. Целые поля построены на предположениях о таких (несоответствующих) метафорах и методах.
Связанные: оликаузальные науки; Паттерн Ньютона против паттерна Дарвина; два вида данных (история ≠ номотетика); жизнь=теоретико-игровая=фундаментально алгоритмическая.
(спасибо Брайану Аткинсу @postgenetic за ссылку на Брайана Артура).
Дополнительная литература: Microsoft планирует создать компьютер на основе ДНК к 2020 году
Подробнее: ДНК человека может хранить все данные мира