Az evolúció információelméleti felfogása. Kiss Károly

Hasonló dokumentumok
Vázlat. 1. Definíciók 2. Teológiai háttér 3. Tudománytörténeti háttér 4. Evolúciókritika 5. Értelmes tervezettség

Tovább nem egyszerűsíthető rendszerek Részletek Az élet rejtélyének megfejtése c. cikkből.

Evolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet

Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak.

Dobzhansky: In Biology nothing makes sense except in the light of Evolution.

Evolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet

I. A sejttől a génekig

Bevezetés a biológiába. Környezettan Bsc. Szakos hallgatóknak

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói

Milyen a modern matematika?

Evolúcióelmélet és az evolúció mechanizmusai

2018, Diszkre t matematika. 10. elo ada s

Algoritmusok Tervezése. 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás

Genetikus algoritmusok az L- rendszereken alapuló. Werner Ágnes

Informatika Rendszerek Alapjai

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Nagy Péter: Fortuna szekerén...

Számítógépes döntéstámogatás. Genetikus algoritmusok

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Az informatika részterületei. Az információ. Dr. Bacsó Zsolt

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Példa a report dokumentumosztály használatára

Populációgenetikai. alapok

Immunitás és evolúció

Mesterséges Intelligencia MI

Kriptográfia 0. A biztonság alapja. Számítás-komplexitási kérdések

Evolúciós algoritmusok

Tartalom. x 7.

Kun Ádám. Növényrendszertani, Ökológiai és Elméleti Biológiai Tanszék, ELTE MTA-ELTE-MTM Ökológiai Kutatócsoport. Tudomány Ünnepe,

Evolúció, evolúcióellenesség, értelmes tervezettség

Human genome project

SCHRÖDINGER mi is az élet? Rausch Péter ELTE TTK kémia-környezettan

RSA algoritmus. P(M) = M e mod n. S(C) = C d mod n. A helyesség igazoláshoz szükséges számelméleti háttér. a φ(n) = 1 mod n, a (a 1,a 2,...

Információs rendszerek elméleti alapjai. Információelmélet

CSABA GYÖRGY BIOLOGIKON

transzláció DNS RNS Fehérje A fehérjék jelenléte nélkülözhetetlen minden sejt számára: enzimek, szerkezeti fehérjék, transzportfehérjék

Gépi tanulás és Mintafelismerés

Az evolúciós gondolat fejlődése

A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere

A replikáció mechanizmusa

Mesterséges Intelligencia MI

Tuesday, 22 November 11

Konferencia a tapasztalatok jegyében

Transzformátor rezgés mérés. A BME Villamos Energetika Tanszéken

A proteomika új tudománya és alkalmazása a rákdiagnosztikában

BIOLÓGIA HÁZIVERSENY 1. FORDULÓ BIOKÉMIA, GENETIKA BIOKÉMIA, GENETIKA

Logisztikai szimulációs módszerek

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Gépi tanulás. Hány tanítómintára van szükség? VKH. Pataki Béla (Bolgár Bence)

A játékos összetettség mint az intelligens tervezés kutatási területe

Biomatematika 2 Orvosi biometria

Diszkréció diszkrét logaritmussal

1. Charles Darwin életmûve

Programtervezés. Dr. Iványi Péter

2014. szeptember 24. és 26. Dr. Vincze Szilvia

Az X kromoszóma inaktívációja. A kromatin szerkezet befolyásolja a génexpressziót

Biológiai feladatbank 12. évfolyam

Az élet rejtélyének megfejtése

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Kromoszómák, Gének centromer

A gidrán fajta genetikai változatosságának jellemzése mitokondriális DNS polimorfizmusokkal Kusza Szilvia Sziszkosz Nikolett Mihók Sándor,

Zárthelyi dolgozat feladatainak megoldása õsz

Nanotechnológia. Vonderviszt Ferenc. Veszprémi Egyetem Nanotechnológia Tanszék

Gondolatok a szexuális szaporodásról; a természetes kiválasztódás elméletének egy újabb kritikája

A biológiai információ eredete Végvári László tanulmánya

Valószínűségi változók. Várható érték és szórás

NP-teljesség röviden

Önhasonló (fraktál-szerű) részletek a borostyán (Hedera helix) levélerezetében. A brokkoli is fraktál mintákat mutat

Leképezések. Leképezések tulajdonságai. Számosságok.

Universität M Mis is k k olol cic, F Eg a y kultä etem t, für Wi Gazda rts ságcha tudfts o w máis n s yen i scha Kar, ften,

Ritmikus kémia. Szalai István ELTE

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

Nagyordó, Omega, Theta, Kisordó

Matematika szintfelmérő dolgozat a 2018 nyarán felvettek részére augusztus

Ma már minden negyedik amerikai "felvilágosultnak" mondható. Hallelúja!

Bevezetés a Python programozási nyelvbe

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Biológiai Mintázatok Eredete. Molnár István

Természetismeret. 1. A természettudományos nevelés folyamatában történő kompetenciafejlesztés lehetőségei az alsó tagozaton.

Prímszámok statisztikai analízise

Problémamegoldás kereséssel. Mesterséges intelligencia március 7.

Evolúció és valószínűség Egyszerű összehasonlítás és egyszerű számítás Reinhard Junker

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

ETOLÓGIA. A kommunikációs magatartásformák evolúciója - csalás, megtévesztés - Pongrácz Péter

I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI

Algoritmuselmélet 2. előadás

Informatikai Rendszerek Alapjai

Az élet rejtélyének megfejtése

Számítógépes Hálózatok. 5. gyakorlat

æ A GYAKORLAT (* feladatok nem kötelezőek)

11. évfolyam esti, levelező

Sodródás Evolúció neutrális elmélete

Az Informatika Elméleti Alapjai. Információ-feldolgozó paradigmák A számolás korai segédeszközei

Sapientia Egyetem, Matematika-Informatika Tanszék.

Programozási módszertan. Dinamikus programozás: A leghosszabb közös részsorozat

Ionogram releváns területeinek meghatározása és elemzésének automatikus megvalósítása

A SZÁMFOGALOM KIALAKÍTÁSA

Átírás:

Az evolúció információelméleti felfogása Kiss Károly

A témát W. A. Dembski: Intelligens tervezettség c. könyve alapján fejtem ki; az ellenérveket főként R. Dawkins: A vak órásmester c. művéből merítettem; az ellenérvek illusztrálására kidolgoztam egy példát, melyet a A véletlen megszelidítése c. összeállítás tartalmaz (az előadás elhangzott Egerben, 2013 június 13-án, a környezetvédelmi tárgyakat tanító felsőoktatási tanárok konferenciáján)

DNS = információ (kód, recept, de nem tervrajz!) a gének információtechnikája digitális: az örökítő anyagot diszkrét, felaprózott, számokkal (jelekkel) meghatározható formában kezeli digitális rendszer: elemei határozottan az egyik, vagy határozottan a másik állapotban vannak, köztes út nincs az élő sejtek információtechnikája négy állapotot alkalmaz: A T C G ez teszi lehetővé, hogy a másolás a megszámlálhatatlanul sok nemzedék de főként sejtosztódás - során is hibátlan legyen (+ a javító mechanizmusok)

trinális kódolás a kódolás a binárishoz hasonló; trinális: a DNS négybetűs ábc-jéből (A T C G bázisok) mindig csak 3 vesz részt a kódolásban attól függően, hogy az adott sorban milyen sorrendben követik egymást három bázis alkot egy tripletet, ami meghatároz egy aminosavat a 4-fajta bázis 4 3 = 64 tripletet képes alkotni, ami jóval több, mint az élethez szükséges 20 esszenciális aminosav ha a 4-fajta bázisból csak dupletek képződnéndek, a 4 2 = 16 duplet nem lenne elegendő 3-fajta bázis viszont már 3 3 = 27 tripletet hozna létre, azaz elegendő számú aminosavat tudna lekódolni. (hatékonyság? biztonság?)

a gének szintjén minden élőlény ugyanazt a nyelvet beszéli a genetikai kód egyetemes génjeink 21%-a mutat rokonságot minden sejtes létformával (prokarióták) génjeink másik 32%-a közös minden eukariótával génjeink újabb 24%-át osztjuk meg a gerinctelenekkel génjeink újabb 22%-a közös a gerincesekkel 21+32+24+22=99% a DNS (vagy az RNS) szimbólumainak 64 (4x4x4) lehetséges hármasa le van fordítva a 20 aminósavra vagy egy olvasás vége szimbólumra (Dawkins, 113. old.) a DNS tőpéldány, az RNS a munkapéldány a DNS az élet nyelve

a DNS információtároló kapacitása egyetlen emberi sejtben: az Encyclopaedia Britannica 30 kötete 3-4-szer egyetlen liliommagban vagy szalamandra ondósejtben: az Encyclopaedia Britannica 30 kötete 60-szor néhány amőba DNS-ében: az Encyclopaedia Britannica 30 kötete 1000-szer fér el egy baktérium DNS-e csak az Újszövetség egyetlen példányát képes tárolni amikor megeszünk egy marhahússzeletet, az egyenértékű az Encyclopaedia Britannica 100 milliárdnál több példányának összezúzásával (Dawkins 109. és 23. old.)

sejt-méretek 10 millió baktériumsejt fér el egy tű hegyén e sejtek mindegyike (DNS-e) képes az Újszövetség teljes szövegét magába foglalni könyvtár a tű hegyén: az Újszövetség 10 millió példánya kb. egymillió gép (fehérjemolekula) gyártja a különféle vegyi termékeket minden egyes sejtben mindegyik vegyi gyár kb. 6000 atomból épül fel (Dawkins, 113-114. old.)

a darwinizmus és tagadása vallás és kreacionizmus: Genezis isteni ujj intelligens tervezettség

Darwinizmus a természetes kiválasztódás (a mutáció + szelekció mechanizmusa) megmagyarázza az evolúciót (kumulatív kiválasztódás) Ha bárki bebizonyítaná, hogy létezik olyan bonyolult szerv, amely nem alakulhatott volna ki sok-sok egymást követő parányi módosulás révén, akkor egész elméletem összeomlana (Darwin)

M. Behe: Darwin fekete doboza (1996) redukálhatatlan komplexitás: egérfogó; a baktérium flagelluma; a véralvadás mechanizmusa; stb.

W. Dembski: Intelligens tervezettség (1999) Intelligent Design (intelligens tervezettség): tudományos módszertan annak vizsgálatára, hogy a véletlenen és/vagy a szükségszerűségen kívül van-e más ok (intelligencia) az ID eszköze: a CSI komplex specifikus információ korábbi analógiák: a teremtésben található nyom, isteni ujjlenyomat

evolúció és tervezettség (a Discovery Institute, M. Behe és W. Dembski) evolúció: tervezettség: kumulatív komplexitás: a rendszer elemei anélkül felcserélhetők, hogy a funkció elveszne irányítatlan folyamat eredménye; célnélküliség az evolúció csak ilyet képes létrehozni (véletlen mutációkkal és természetes szelekcióval) redukálhatatlanul komplex rendszerek (M. Behe egérfogója; a baktérium flagelluma): a rendszer csak elemeinek meghatározott sorrendje alapján képes működni csak előzetesen specifikált cél alapján jöhet létre; integrált rendszerként, egyszerre az evolúció nem képes létrehozni

Dembski magyarázatszűrője: a komplexitásspecifikáltság kritérium három döntési ponttal rendelkező folyamatábrája

OKOK modern tudomány (Bacon óta): természeti ok véletlen szükségszerűség (törvény) vallás, metafizika: intelligens ok CSI

110111011111011111110111111111110111111111111101111111111111111 101111111111111111111011111111111111111111111011111111111111111 111111111111011111111111111111111111111111110111111111111111111 111111111111111111101111111111111111111111111111111111111111101 111111111111111111111111111111111111111111011111111111111111111 111111111111111111111111111011111111111111111111111111111111111 111111111111111111011111111111111111111111111111111111111111111 111111111111111011111111111111111111111111111111111111111111111 111111111111110111111111111111111111111111111111111111111111111 111111111111111111101111111111111111111111111111111111111111111 111111111111111111111111111101111111111111111111111111111111111 111111111111111111111111111111111111111011111111111111111111111 111111111111111111111111111111111111111111111111110111111111111 111111111111111111111111111111111111111111111111111111111111111 111101111111111111111111111111111111111111111111111111111111111 111111111111111111111111101111111111111111111111111111111111111 111111111111111111111111111111111111111111111111111101111111111 111111111111111111111111111111111111111111111111111111111111111 111111111111111111111111011111111111111111111111111111111111111 111111111111111111111111111111111111111111111111111111111111110

a CSI God does not play dice with the universe. He plays Scrabble.

az ID eszköze: a CSI komplex specifikus információ SETI a földön kívüli intelligencia keresése: mintázatokkal tarkított jeleket keresnek a Contact c. filmben: egy 1186 ütés és szünet sorozatából álló jel a prímszámokat tartalmazta 2- től 101-ig

Specifikált komplexitás NDEIRUABFDMOJHRINKE annak valószínűsége, hogy ez a variáció véletlenül létrejön: egy az ezerkvadrillióhoz (mert valószínűtlen = komplex, és nincs specifikálva = nem esik egybe semmiféle felismerhető mintázattal) METHINKSITSLIKEAWEASEL ez is valószínűtlen (komplex), véletlen létrejöttének ugyanaz az esélye, de specifikált (van értelmes jelentése) értelmes tervezettségre utal

a CSI ismérvei valószínűtlenség: véletlenül, automatikus folyamat által nem jöhetett létre, csak olyan ágens hozhatta létre, melynek van választási lehetősége összegyeztethető a létrehozásában közrejátszó természeti törvényekkel, szabályszerűségekkel, de azokat nem követeli meg komplexitás (a valószínűség inverze): nem olyan egyszerű, hogy a véletlen által is létrejöjjön specifikáltság (strukturáltság): a tárgy, a jelenség az intelligenciára jellemző mintázatot mutat

hogyan került be az információ a DNS-be?

e e e l m r s s z -- z l e s m s r e e elszermes elemszres elemeszrs elmeszers emeszrels emelszres emeleszrs eszerlmes eszesrlme eszemrles eszelrmes leszermes lesszerme lesemszer leszermes lemezsers merszeels meszelres meseszrel mezserels rezeselms reszelmes seszerelm semszerel serzelmes sereszlme szemreles szemerels szemelres szelremes szelermes szerelmes szerelmes szerelmes szeremles szerelems szerelmes szerelmes

információ és valószínűség információ: az esetlegességek megszüntetése minél több esetlegességet szüntetünk meg, annál nagyobb az információ tartalma napfelkelte royal flush az információ mértéke: a kiküszöbölt lehetőségek száma ezeknek a lehetőségeknek valószínűséget tulajdonítunk az információ mértéke és a valószínűség logaritmusaik reciproka az információ mérésére a valószínűségek negatív logaritmusát használjuk egy valószínűség 2-es alapú logaritmusa megfelel a bitek számának a royal flush valószínűsége: p i = 0,000002 minden más valószínűsége: p ii = 0,999998 a royal flush információtartalma: - log 2 p i = - log 2 0,000002 = log 2 1/0,000002 = log 2 500.000 = 2 19 = 19 bit a minden más információtartalma: - log 2 p ii = - log 2 0,999998 = log 2 1/ 0,999998 = 1,000001 = 2 0 = 0 bit

az információ-megmaradás (LCI) törvénye P. Medawar: determinisztikus törvények nem tudnak új információt létrehozni W. Dembski: a természeti okok képtelenek arra, hogy információt (CSI-t) generáljanak természeti ok: törvény, algoritmus vagy véletlen CSI-t csak intelligencia generálhat

hozhat-e létre információt a törvény vagy algoritmus? nem! matematikusok: függvény; tudósok: törvény a törvények determinisztikusak, nem tudnak esetlegességgel szolgálni, ami nélkül nincs információ a függvénykapcsolatok megőrzik a már meglévő információt, nem adnak hozzá a törvények mindig csak egyetlen élő lehetőséget nyújtanak nem magyarázzák meg a CSI eredetét

jöhet-e létre információ a véletlennek köszönhetően? nem! a véletlen generálhat komplex specifikálatlan információt vagy nem komplex specifikált információt de nem generálhat CSI-t

a törvény és a véletlen együtt sem generálhat CSI-t a mutáció-szelekció mechanizmussal analóg: a próba-tévedés módszer (tévedés, véletlen=mutáció, próba=törvény) mivel külön-külön sem a véletlen, sem a törvény nem generál CSI-t, együtt sem képesek

az LCI következményei a tudományra 1. a természeti okok egy zárt rendszerében a CSI változatlan marad, vagy csökken 2. a CSI spontán módon nem generálódhat, nem keletkezhet endogén módon, és nem szervezheti meg önmagát 3. a természeti okok egy zárt rendszerében a CSI vagy öröktől fogva benne volt, vagy valamely időpontban exogén módon bevitték a rendszerbe 4. ha a természeti okok bármely zárt rendszere, amely véges időtartamú is, bármilyen CSI-t tartalmaz, azt az előtt kapta, mielőtt zárt rendszerré vált volna

az LCI további következményei a CSI nem vezethető vissza az anyag önszervező tulajdonságaira, mivel ezek természeti okok lennének, és az LCI azt kizárja két lehetőség: a világegyetem összes CSI-je induláskor jelen volt (M. Denton, M. Behe, Buji Ferenc) a CSI nem-folytonos betáplálások során jelent meg (S. Meyer, P. Nelson, W. Dembski) a CSI-t nem lehet reduktívan megmagyarázni (mint R. Dawkins, D. Denett teszi)

CSI-holizmus az információ egyedi tételeit nem lehet összeadni és ezáltal új információt képezni az egész ugyanis több, mint a részek összege a halmaz egésze specifikálva van, nem csak az egyes részek a CSI egy felülről lefelé fogalom csak az egészből következnek a részek, a részekből nem az egész

a CSI az evolúcióbiológiában a darwini mechanizmus szerint : a mutáció és szelekció új CSI-t visz be az organizmusba; a szülők CSI-jét a környezetből vett CSI-vel helyettesíti/egészíti ki az ID ezt elutasítja a természeti okok felhasználhatják a létező CSI-t, biológiai rendszerekben fejezhetik ki azokat talány: hogyan kerül a CSI először az élettelen anyagba? hogyan megy át egy nagyobb komplexitású új anyagba? hogyan áramlik be a CSI a biológiai rendszerekbe és hogyan áramlik ki belőlük?

Dawkins érvei: alkalmazkodó komplexitás az élet: egylépéses véletlen (szerencse) + összegződő szelekció a csodák, a nagy valószínűtlenségek nem egylépéses kiválasztódás eredményei X és Y között mindig el lehet képzelni végtelen sok köztes állapotot véletlen: a mutáció evolúció: nem véletlenszerű halmozódó kiválasztódás Az evolúció: számtalan sok kisvalószínűségű esemény folyamata, eredménye a véletlen megszelidítése: a nagyon valószínűtlent sorba rendezett, kevésbé valószínűtlen kis összetevőkre bontjuk le természetes szelekció véletlen

Az evolúció autonóm folyamat a vezérelv: az életrevalóság a véletlent a mutációk adják a természetes kiválasztódás csak az életrevalóság szempontjából hasznos véletleneket veszi számba ha valaminek van funkciója, megmarad fennmaradó kérdések: hogyan alakul ki a kis változásokból a komplexitás? redukálhatatlan komplexitás és hogyan alakult ki az élet? egylépéses véletlen

egylépéses véletlen egy molekula elkezdi másolni önmagát replikátor ez agyag (szilícium-kristály) is lehet Cairns- Smith melyhez később aminosavak, fehérjemoleklák is tapadhatnak, és a mintát felhasználják a másolások során hibás példányok is keletkeznek változatosság, sokféleség egyes változatok sikeresebben, gyorsabban másolják önmagukat szelekció további hibák nő a változatosság további szelekció tökéletesedés kémcsöves kísérlet: RNS-replikáz molekulákat és RNS-molekulákat vegyítenek össze: az RNS-molekulák elkezdik önmagukat gyártani, amit az RNS-replikáz jelenléte indított el

források W. A. Dembski: Intelligens tervezettség. Laurus, 2007. R. Dawkins: A vak órásmester. Akadémai Mezőgazda, 1994. R. Dawkins: Az önző gén. Kossuth, 2011. Tasi István: Tudomány a bíróságon. Magyar Tudomány 2008. december Az élet rejtélyének megfejtése: Darwin tévedett volna? http://www.youtube.com/watch?v=ekcdbbewfwu Wikipédia Gén Nagy Szilvia: Információelmélet. Szent István Egyetem, Győr, 2006. matematikai konzulens: Rábai Attila