Nyt papir besvarer årsagssammenhæng

I et nyt papir offentliggjort i et særnummer af Philosophical Transactions of the Royal Society A , SFI-professor Jessica Flack tilbyder et praktisk svar på en af ​​de mest betydningsfulde, og de mest forvirrede spørgsmål i evolutionær biologi – kan højere organisationsniveauer drive adfærden af ​​komponenter på lavere niveau?

Kaldes nedadgående årsagssammenhæng, et eksempel på denne idé ville være et menneskeligt socialt system på højt niveau, såsom en regering, lave love, der mere eller mindre tvinger individer på et lavere niveau til at handle på bestemte måder - stoppe ved et stopskilt, for eksempel. Der er mange lignende dagligdagseksempler inden for biologi og samfundsvidenskab, fra celler til samfund. Imidlertid, så snart man bruger lidt tid på at overveje, hvordan denne kausalitet virker, der opstår problemer.

For at opsummere en lang og indviklet debat, nedadgående årsagssammenhæng lider under kritikken af, at højere organisationsniveauer 'bare' er tidsmæssige og rumlige mønstre, der er resultatet af dynamik på et lavere niveau. Som mønstre, de har ingen agentur og kan derfor ikke betragtes som årsager.

I det nye blad, Flack foreslår, at for at få greb om dette problem er vi nødt til at træde tilbage og overveje, hvad der gør adaptive systemer anderledes end fysiske systemer.

Fysik er domineret af begreber som pres, temperatur, og entropi. Disse dukker op gennem simple kollektive interaktioner og giver dyb indsigt i det fysiske universs adfærd.

Biologi og samfundsvidenskab, som beskæftiger sig med adaptive systemer, gøre brug af sammenlignelige kollektive begreber, inklusive stofskifte, konflikthåndtering, og robusthed, men i modsætning til fysik, disse er "funktionelle" egenskaber. Hvor fysik skaber orden gennem minimering af energi, adaptive systemer producerer orden og ny funktion gennem tilføjelse af informationsbehandling.

"Hvorfor adaptive systemer har dette ekstra trin, og om det gør dem fundamentalt subjektive er store, åbne spørgsmål, " Flack forklarer. Hun siger, at fundamental subjektivitet kunne betyde, at adaptive systemer ville være vanskelige for videnskabelige forsøg på at forudsige deres adfærd, eller karakterisere det gennem universelle love.

For at gøre fremskridt med disse spørgsmål, Flack hævder, at vi først skal forstå, hvordan adaptive systemer finder brugbare løsninger på udfordringer fra miljøet, hvilket ville kræve, at de overvinder subjektiviteten.

"Tænk på, at hver enkelt krop, hver hjerne, er sammensat af flere støjende komponenter - celler, neuroner, etc, behandling af støjende data, " siger hun. "Når vi ser verden på denne måde, nedefra og op, Spørgsmålet bliver, hvordan alle komponentbeslutningerne kombineres for at producere et funktionelt output, eller løsning på et problem. Vi kan tænke på denne proces som en kollektiv beregning."

Flack, David Krakauer, og deres kolleger har i deres arbejde med neurale og sociale systemer opdaget, at kollektiv beregning kan producere "lag" eller niveauer, der opstår gennem en proces med kollektiv grovkorning af systemkomponenterne, hvor uvæsentlige oplysninger kasseres fra det ene lag til det næste. Adfærdsvariation på mikroskopisk niveau eller i miljøet bliver komprimeret eller grovkornet for at producere det næste niveau op, og derefter "feedback" disse regelmæssigheder til laget nedenfor for at reducere varians eller informere beslutningstagning på det lavere niveau. Konsolideringen eller styrkelsen af ​​lagene skaber i det væsentlige, hvad Flack i Phil Trans papiret kalder "effektiv nedadgående årsagssammenhæng" – hvilket får det til at se ud som om løsningen på højere niveau er årsagen til adfærden på lavere niveau, når det, der virkelig sker, er komponenterne på lavere niveau er ved at bruge de grovkornede variable, der udgør det højere niveau, til at guide beslutningstagningen.

"Denne iterative grovkornede og variansreduktion ser ud til at give systemkomponenterne mulighed for kollektivt at konvergere eller blive enige om, hvilke regelmæssigheder der er i verden, hvilket reducerer usikkerhed og giver dem mulighed for bedre at tilpasse sig og bedre udvinde energi til at udføre arbejde, " skriver Flack. "Nogle gange indfanger denne proces en grundsandhed om verden, og nogle gange resulterer det i, at komponenterne kollektiv databehandling – i det væsentlige skaber – deres makroskopiske verdener. De bredere virkninger af denne måde at tænke på har potentialet til at blive enorme. Hvis denne opfattelse er korrekt, kan love, der opererer på universelle mængder afledt af mikroskopiske processer, også styre biologiske systemer. Men i modsætning til fysiske systemer vil identifikation af disse love i levende systemer kræve en teori om kollektiv beregning - en forståelse af de algoritmer, adaptive systemer bruger til at beregne, og hvordan fejl og ufuldkommen information kan overvindes gennem grovkorning og komprimering for at producere langsomt skiftende, forudsigelig, og derfor, funktionelt nyttige, egenskaber på aggregatniveau. "