Los eventos de extinción afectan significativamente la trayectoria de la evolución biológica. Estos hechos, a menudo son vistos como trastornos en el proceso evolutivo. Por el contrario, este trabajo apoya la hipótesis de que a pesar de que no es predecible su destructividad, los eventos de extinción pueden, a largo plazo, acelerar la evolución al aumentar la capacidad de evolución
En particular, si los eventos de extinción extinguen indiscriminadamente muchas formas de vida, de manera indirecta pueden seleccionar la capacidad de expandirse rápidamente ocupando los nichos vacantes. Los linajes con esta habilidad son más propensos a persistir a través de múltiples extinciones. Aportando un apoyo computacional para esta hipótesis, el artículo muestra cómo resulta un aumento de la capacidad de evolución a causa de eventos de extinción simulados en dos modelos computacionales de comportamiento evolutivo. La conclusión es que a pesar de que son destructivos en el corto plazo, los eventos de extinción pueden hacer más prolífica la evolución en el largo plazo.
Por ejemplo, se cree que la extinción del Cretáceo-Paleógeno desplazó los dinosaurios no aviares y le dio lugar a mamíferos en muchos nichos ecológicos, potenciando la posterior evolución delos humanos. Sin embargo, una pregunta interesante es si este tipo de eventos de extinción dan lugar a resultados evolutivos consistentes, o si en cambio actúan como filtros impredecibles que causan conmoción en la evolución mientras que produce pocos efectos regulares.
«Un suceso de destrucción puede conducir a resultados sorprendentes. A veces hay que producir algo que parece objetivamente peor con el fin de desarrollar las herramientas que se necesitan para mejorar», explica uno de los autores del trabajo, Risto Miikkulainen.
Del mismo modo que la capacidad de evolucionar, los nichos ecológicos se pueden definir en formas alternativas, en simulaciones, y es por lo tanto importante aclarar cómo se usa el término en el artículo. Como la hipótesis de extinción se comprueba computacionalmente, en el experimento «nicho» se refiere a un concepto computacional. Haciendo abstracción de la idea de que los nichos soportan diferentes formas de vida que dependen de diferentes recursos ecológicos, los nichos computacionales son soluciones que dependen de diferentes representaciones computacionales. Este tipo de definición es a menudo adoptada dentro de los campos de la vida artificial y la computación evolutiva, que se basan en abstracciones computacionales de conceptos evolutivos.
Para probar la hipótesis, se llevaron a cabo experimentos con dos modelos computacionales diferentes. En un modelo abstracto, los resultados demuestran que un proceso evolutivo que incluye eventos de extinción tiende a generar organismos más evolucionables que lo que produce un proceso idéntico sin estos eventos. En un modelo concreto, estos resultados se ponen a trabajar en robótica evolutiva, lo que demuestra cómo el mecanismo subyacente puede mejorar los algoritmos evolutivos para resolver problemas prácticos de ingeniería.
La conclusión es que los eventos de extinción pueden proporcionar una fuerza creativa importante tanto en la evolución biológica y como en la artificial.
El equipo de informáticos de la Universidad de Texas que escribe el artículo determinó que los robots evolucionan con mayor rapidez y eficacia después de una extinción en masa virtual. Esta situación, a su juicio, también se produciría en la vida real. Aparte de las implicaciones para la inteligencia artificial, la investigación, publicada en PLoS ONE, apoya la idea de que las extinciones masivas en realidad aceleran la evolución al desatar una nueva creatividad en las adaptaciones.
Miikkulainen y su equipo encontraron que, al menos con robots, se da el caso como se suponía en biología: los sobrevivientes evolucionan mejor y más rápido. Durante años, científicos expertos en computación han utilizado algoritmos computacionales inspirados en la evolución para entrenar cerebros de robot simulados, o redes neuronales, para mejorar una tarea de una generación a la siguiente.
En este caso Miikkulainen y Lehman usaron algoritmos computacionales durante años para entrenar cerebros de robot simulados. Después de cientos de generaciones, había evolucionado una amplia gama de comportamientos robóticos para llenar estos nichos, muchos de los cuales no eran directamente útiles para caminar. Al azar, eliminaron el 90% de las redes, imitando una extinción masiva. Descubrieron entonces que los linajes sobrevivientes eran capaces de evolucionar y de generar nuevos comportamientos. Y no solamente eso, los que se transformaron en las mejores soluciones, también demostraron aportar mejores soluciones a ciertas actividades, como caminar. Y demostraron que podían evolucionar sin haber pasado por la simulación de los comportamientos extintos.
Fuente: UT News. Aportado por Eduardo J. Carletti
Más información: