Um artigo BIO-Complexity oferece um método objetivo para avaliar as explicações darwinianas

Download PDF
Tempo de leitura: 7 min.
Distribuição normal: a tendência da informação formada estocasticamente / ©

Por Evolution News (adaptado)

George D. Montañez publicou um novo artigo na revista BIO-Complexity, “Um modelo unificado de informações especificadas complexas”. Céticos da teoria evolucionista argumentaram que os processos darwinianos propostos não chegam ao nível de explicações detalhadas plausíveis para a emergência da vida complexa. O artigo do Dr. Montañez, cientista da computação no Harvey Mudd College, oferece uma maneira objetiva de demonstrar isso diretamente.

O que significa para o Design Inteligente?

O resumo diz:

Uma teoria matemática da informação especificada complexa é introduzida, que unifica vários métodos anteriores de computação da complexidade especificada. Semelhante a como a família exponencial de distribuições de probabilidade tem formas superficiais diferentes e compartilha uma identidade matemática subjacente comum, definimos um modelo que nos permite lançar a complexidade especificada semiótica de Dembski, a complexidade especificada algorítmica de Ewert et al., as informações funcionais de Hazen et al. e complexidade irredutível de Behe ​​em uma forma matemática comum. Adicionando restrições adicionais, introduzimos modelos de complexidade canônica especificada, para os quais limites de conservação unilaterais sejam fornecidos, mostrando que grandes valores de complexidade especificados são improváveis ​​sob qualquer distribuição contínua ou discreta e que modelos canônicos podem ser usados ​​para formar testes de hipóteses estatísticos.

Há alguma matemática pesada no artigo e, sem dúvida, precisa de uma pequena tradução para o leitor leigo. O que significa para a comunidade de design inteligente? Aqui está um começo.

Em Termos Simples

O artigo fornece uma teoria matemática detalhada do que é a complexidade especificada, o que ela faz e como ela pode ser usada para descartar explicações propostas. Ele define uma base comum e rigorosa para todos os modelos de complexidade especificada. Ele demonstra que a complexidade especificada deve ser rara e mostra como criar novos modelos de complexidade especificados para domínios de interesse (como converter a complexidade irredutível em uma forma quantitativa de complexidade especificada, conforme mostrado no artigo). 

Dada a conexão explícita feita entre complexidade especificada e testes de hipótese estatística (por meio de valores de p), podemos reverter a relação para fornecer uma linha de base probabilística mínima que qualquer explicação proposta deve exceder para ser considerada uma explicação plausível, estabelecendo uma barra quantitativa objetiva (relativo a uma distribuição uniforme simples) pelo qual nós podemos medir a adequação causal de qualquer explicação naturalista. Como o Dr. Montañez observa no artigo, atender a esse requisito “é a taxa de inscrição para um mecanismo probabilístico até para entrar na competição de explicações concorrentes”.

Os campos são maduros

Aqui estão dez conclusões da publicação:

1) O artigo fornece uma definição matemática geral de complexidade especificada, para a qual todos os outros trabalhos anteriores examinados em complexidade especificada podem ser mostrados como casos especiais. Isso é chamado de “forma comum” no trabalho.

2) Adicionar uma única restrição a modelos de forma comum resulta no que Montañez chama de “forma canônica”, uma forma que tem propriedades importantes, de modo a funcionar como uma estatística de teste de hipótese estatística, muito semelhante a um valor p. É mostrado que todo teste de hipótese de valor p tem um teste de hipótese de complexidade canônica especificada equivalente, e que todo modelo de complexidade canônico especificado pode ser usado para ligar probabilidades de cauda da mesma maneira que um valor de p pode (e em alguns casos onde valores p ​​não podem ser usados). Montañez dá exemplos de como fazer testes de hipóteses de complexidade especificada, como fornecer uma tabela de valores de corte de complexidade especificada para os níveis de rejeição alfa desejados.

3) Como a forma canônica é agora definida, ela coloca a pesquisa anterior sob uma luz clara, como mostrar que uma forma particular de complexidade especificada (chamada de “método de significância algorítmica” (Milosavljević, 1993)) tem sido usada em aprendizado de máquina e bioinformática há mais de 25 anos. Isso foi trazido à luz por um crítico do Design Inteligente (apontando uma semelhança com a complexidade especificada algorítmica). No entanto, agora que temos complexidade canônica especificada, podemos mostrar que não é apenas semelhante, é um modelo de complexidade especificado matemático real. A complexidade especificada, portanto, já encontrou aplicações diretas fora do Design Inteligente por mais de um quarto de século.

4) Você pode criar seus próprios modelos de complexidade especificada. Usando qualquer forma de função de especificação que você possa criar (que seja não-negativa e aplicada a domínios finitos), o artigo fornece uma receita para a criação de novos modelos de complexidade especificada. Por exemplo, se você acha que a coerência funcional é importante, então você pode definir a Complexidade Especificada de coerência usando a receita fornecida.

5) O artigo define um modelo quantitativo de complexidade irredutível, chamado “complexidade quantitativa irredutível”, como um modelo canônico.

6) O artigo mostra que a informação funcional de Robert Hazen (Hazen, 2007) e a complexidade semiótica especificada por William Dembski (Demsbki, 2005) são modelos de formas comuns e definem variantes canônicas de ambos.

7) Montañez fornece muitos resultados matemáticos (implicações) para a forma comum e modelos canônicos.

8) complexidade especificada algorítmica de Winston Ewert et al. (Ewert, 2012) é mostrada como sendo um modelo canônico, de modo que o artigo fornece novos resultados teóricos para esse modelo.

9) O artigo fornece uma explicação intuitiva sobre porque altos níveis de complexidade especificada devem ser raros. Basicamente, existe uma propriedade de conservação em “massa de especificação”. Isto significa que quando sua função de especificação não permite que tudo seja altamente especificado (ou seja, ela realmente mede algo não trivial), então como resultado direto qualquer modelo de complexidade especificado usando essa especificação função só pode ter grandes valores para um pequeno subconjunto de possibilidades.

10) Ao invés de ser um beco sem saída para o estudo, a complexidade especificada representa uma área rica para exploração teórica e empírica, com “dados suficientes” para um único pesquisador produzir mais de 20 páginas de resultados matemáticos usando esses modelos.

Em resumo, os trabalhadores podem ser poucos, mas os campos estão prontos para a colheita. Fique de olho neste campo para saber mais sobre essa importante nova contribuição.


Original: Evolution News. BIO-Complexity Article Offers an Objective Method for Weighing Darwinian Explanations. January 9, 2019.

 

Bibliografia

Demsbki, W. (2005). Especificação: o padrão que significa inteligência. Philosophia Christi , 7 (2): 299-343.

Ewert, W. et al. (2012). Complexidade especificada algorítmica. Engenharia e Metafísica. 

Hazen, R. et al. (2007). Informação funcional e o surgimento da biocomplexidade. Anais da Academia Nacional de Ciências , 104.suppl 1: 8574-8581.

Milosavljević, A. (1993). Descobrindo a similaridade de seqüências pelo método de significância algorítmica. Int Int Int Intell Syst Mol Biol , (pp. 284-291).

 


Junior Eskelsen
Sobre Junior Eskelsen 218 Articles
Responsável pelo portal tdibrasil.org e pela página Teoria do Design Inteligente no Facebook. Colabora com as atividades do movimento do Design Inteligente no Brasil.

Seja o primeiro a comentar

Faça um comentário

Seu e-mail não será publicado.


*