Um texto longo, mas fundamental para entender o Design Inteligente. Leitura em aproximadamente 1 h.
Por William A. Dembski
Nos anos 1970, a Doubleday publicou uma série de livros sob o título “Made Simple”. A série cobria os mais variados temas acadêmicos (Statistics Made Simple, Philosophy Made Simple etc.). Os anos 1980 viram surgir a série “For Dummies”, que ampliou o leque para questões práticas, como consertar o próprio carro. A série “For Dummies” já foi imitada, sobretudo pelos guias “Complete Idiot’s”. Todos esses livros tentam, com graus variados de sucesso, destrinchar assuntos complexos, ajudando o estudante a aprender um tópico — em especial quando ele já se frustrou com abordagens e manuais mais convencionais.
Neste artigo, seguirei o exemplo desses livros, expondo do modo mais simples e claro possível o que é a conservação da informação e por que ela representa um desafio ao pensamento evolucionista convencional. Vou destrinchar o conceito até que pareça natural e direto. Hoje é muito fácil para os críticos do Design Inteligente dizerem: “Ah, essa tal conservação da informação é só ilusão. Faz parte da agenda do DI fazer um público crédulo pensar que existe algum design inteligente científico, quando na verdade é tudo fumaça e espelhos.” A conservação da informação não é um conceito difícil e, uma vez entendido, fica claro que os processos evolutivos não podem criar a informação necessária para impulsionar a evolução biológica.
Conservação da Informação: Uma Breve História
“Conservação da informação” é um termo de história curta. O biólogo Peter Medawar usou-o na década de 1980 para se referir a sistemas matemáticos e computacionais que se limitam a extrair consequências lógicas de um dado conjunto de axiomas ou pontos de partida e que, portanto, não podem criar informação nova (tudo o que está nas consequências já está implícito nos pontos de partida). Esse é o primeiro uso do termo de que tenho notícia, embora a ideia que ele captou seja muito mais antiga. Note-se que ele a chamou de “Lei da Conservação da Informação” (ver The Limits of Science, 1984).
O cientista da computação Tom English, em um artigo de 1996, também usou o termo “conservação da informação”, embora como sinônimo dos resultados então recém-provados por Wolpert e Macready sobre o No Free Lunch (NFL). Na formulação de English para o NFL, “a informação que um otimizador obtém sobre valores não observados se deve, em última análise, a informação prévia sobre as distribuições de valor”. Tal como na forma de conservação da informação de Medawar, a informação, para English, não é criada do zero, e sim redistribuída a partir de fontes existentes.
Na medida em que a ideia vem sendo desenvolvida e ganhando circulação na comunidade do Design Inteligente, a conservação da informação é, sobretudo, obra de Bob Marks e minha, junto a vários alunos de Bob em Baylor (veja a página de publicações em www.evoinfo.org). A conservação da informação, tal como usamos o termo, aplica-se à “busca” (pesquisa)¹. Ora, “busca” pode parecer um tópico bastante restrito. Ao contrário da conservação de energia, que vale para todas as escalas e dimensões do universo, a conservação da informação, por concentrar-se na busca, pode parecer ter significado físico apenas limitado. Mas, na verdade, ela está profundamente enraizada no tecido da natureza, e o termo não distorce a própria importância.
Nota do tradutor¹: O termo que ele usa é “search” e isso pode ser traduzido como “procura”, “pesquisa” e “busca” em português, e infelizmente o termo em inglês tem múltiplas acepções que vão recair nos três termos mencionados, então eles serão intercambiáveis durante o restante do texto.
A busca é um fenômeno muito geral. A razão pela qual em geral não a pensamos em termos amplos, aplicáveis à natureza, é que tendemos a concebê-la de modo restrito: encontrar um objeto particular, previamente definido. Assim, nosso exemplo clássico é o de perder as chaves, sendo a busca a tentativa de recuperá-las. Mas também podemos procurar coisas que não são dadas de antemão dessa maneira. Os exploradores do século XVI procuravam terras novas e desconhecidas. Sabiam, quando descobriam, que sua busca havia sido bem-sucedida — mas não sabiam exatamente o que procuravam. O U2 tem uma canção intitulada “I Still Haven’t Found What I’m Looking For” (“Ainda não encontrei o que procuro”). Como saberá Bono quando encontrar o que procura? Muitas vezes sabemos que encontramos algo mesmo quando ele não se parece em nada com o que esperávamos e, às vezes, viola nossas expectativas.
Outro obstáculo a estender a busca à natureza em geral é que tendemos a concebê-la como confinada a contextos humanos. Os humanos procuram chaves e procuram terras desconhecidas. Mas, como se constata, a natureza também é capaz de buscar. Faça uma busca no Google pelo termo “busca evolucionária” (evolutionary search) e você obterá vários resultados. A evolução, segundo alguns biólogos teóricos como Stuart Kauffman, pode legitimamente ser concebida como uma busca (veja seu livro Investigations). Kauffman não é um proponente do Design, de modo que, para ele, não há inteligência alguma — humana ou de outra natureza — por trás da busca evolucionária. Ainda assim, para Kauffman, a natureza, ao potencializar o processo evolutivo, empreende uma busca pelo espaço de configuração biológica, buscando e encontrando ordens cada vez maiores de complexidade e diversidade biológica.
Uma Era da Pesquisa
A busca evolutiva não se restringe à biologia: também ocorre dentro dos computadores. O campo da computação evolucionária (que inclui os algoritmos genéticos) insere-se, em larga medida, na área da matemática conhecida como Pesquisa Operacional, cujo foco principal é a otimização matemática. Otimizar, matematicamente, é encontrar soluções para problemas cujas soluções admitem graus variados e mensuráveis de qualidade² (otimalidade). A computação evolucionária se encaixa nesse molde: busca, num espaço de busca, itens que atinjam certo nível de aptidão — as soluções ótimas. (A propósito, não me escapou a ironia de fazer uma “busca” no Google pela expressão-alvo “busca evolucionária”, como descrevi no parágrafo anterior: todo o negócio do Google assenta-se em realizar buscas otimizadas, em que a otimização é avaliada pela estrutura de links da web. Vivemos numa era de buscas.)
Nota do tradutor²: O termo em qualidade é “goodness”, que não encontra uma tradução adequada para o contexto, mas a “otimalidade” na sequência indica que se trata dos estados otimizados.
Se as possibilidades ligadas à busca agora lhe parecem maiores do que antes — estendendo-se para além dos humanos, até os computadores e a biologia em geral —, elas ainda podem parecer limitadas, pois a física aparenta nada saber sobre busca. Mas será mesmo? O mundo físico permite a vida: sua estrutura e suas leis possibilitam (embora longe de exigir) a existência não só da vida celular, mas também da vida multicelular inteligente. Para que o mundo físico permita a vida desse modo, suas leis e constantes fundamentais precisam estar ajustadas de maneiras muito precisas. Além disso, parece longe de obrigatório que essas leis e constantes tivessem de assumir exatamente a forma que têm. O próprio universo, portanto, pode ser visto como a solução para o problema de tornar a vida possível. E resolver um problema é, em si, uma forma de busca — encontrar a solução (entre uma variedade de possibilidades) para o problema.
Ainda assim, para muitos cientistas, a busca acomoda-se com desconforto nas ciências naturais. Algo inevitavelmente subjetivo e teleológico parece estar em jogo. Toda busca envolve uma meta ou objetivo, bem como critérios de sucesso e fracasso (julgados por quem, ou pelo quê?), conforme o objetivo tenha sido alcançado, e em que grau. De onde vem esse objetivo — em geral chamado de alvo — senão da mente dos investigadores humanos? Será que nós, animais que buscam padrões e criam padrões, estamos simplesmente impondo esses objetivos/padrões à natureza, ainda que eles não tenham estatuto objetivo e independente?
Essa preocupação tem mérito, mas não deve ser exagerada. Se não pressupomos de saída uma metafísica materialista — que faz da mente, da inteligência e da agência meras propriedades emergentes da matéria adequadamente organizada —, então é uma questão em aberto se a busca, e a teleologia que lhe é inerente, são meras construções humanas, de um lado, ou antes realidades incorporadas à natureza, de outro. E se a própria natureza for produto de uma mente, e os padrões que ela exibe refletirem soluções buscadas para problemas formulados por essa mente?
A investigação científica, livre de preconceitos e de pressuposições metafísicas estreitas, deveria — ao que parece — deixar ambas as possibilidades em aberto. Afinal, os padrões de que falamos não são como vislumbrar uma vaga semelhança entre a barba do Papai Noel e uma formação de nuvens. Quem, olhando com vontade suficiente, não enxerga a barba do Papai Noel? O ajuste fino das leis e constantes da natureza, que permite a existência da vida, não é assim. É um padrão notável, e pode legitimamente ser tomado como a solução de um problema de busca — uma característica fundamental da natureza, ou o que os filósofos chamariam de um tipo natural (natural kind), e não mera construção humana. Se uma inteligência é responsável pelo sucesso dessa busca, isso é outra questão.
De todo modo, é possível caracterizar a busca de maneira a deixar em aberto o papel da teleologia e da inteligência, sem pressupô-lo nem decidi-lo de antemão. Matematicamente, a busca sempre se dá num cenário de possibilidades (o espaço de busca), sendo a busca por um subconjunto dentro desse cenário (conhecido como alvo). O sucesso e o fracasso da busca são então caracterizados em termos de uma distribuição de probabilidade sobre esse cenário: a probabilidade de sucesso aumenta à medida que aumenta a probabilidade de localizar o alvo.
Por exemplo, considere todas as sequências possíveis de L-aminoácidos unidos por ligações peptídicas, de comprimento 100. Tomemos isso como nossa classe de referência, ou pano de fundo de possibilidades — nosso espaço de busca. Dentro dessa classe, considere as sequências que se dobram e podem, portanto, formar uma proteína funcional. Este, digamos, é o alvo. E ele não é mera construção humana: a própria natureza identificou esse alvo como pré-condição da vida — nenhum ser vivo que conhecemos pode existir sem proteínas. Além disso, esse alvo admite algumas estimativas probabilísticas. A partir do trabalho de Robert Sauer, a mutagênese por cassete e outros experimentos do gênero, realizados nas últimas três décadas, sugerem que o alvo tem probabilidade não maior que 1 em 10⁶⁰ (supondo uma distribuição de probabilidade uniforme sobre todas as sequências de aminoácidos da classe de referência).
A matemática que caracteriza a busca dessa maneira é direta e geral. Se, em situações específicas, uma busca assim caracterizada também envolve inevitavelmente elementos humanos subjetivos, ou se, ao contrário, reflete objetivamente realidades dadas, incorporadas à natureza — isso pode ser discutido independentemente da matemática. Tal discussão diz respeito à interpretação da busca, não à busca em si. É um paralelo às controvérsias em torno da interpretação da mecânica quântica: se ela é inerentemente uma teoria baseada na mente e dependente do observador; se pode ser desenvolvida independentemente de observadores; se é melhor interpretada como reflexo de um multiverso determinista e independente da mente; e assim por diante. A mecânica quântica em si é uma teoria única e bem definida, que admite várias formulações, todas matematicamente equivalentes.
Uma Caça aos Ovos de Páscoa, do Ponto de Vista Científico
Vale a pena inserir aqui um esclarecimento, enquanto ainda preparamos o terreno para a conservação da informação. Para a maioria das pessoas, quando se trata de busca, o que importa é o resultado da busca. Tome uma caça aos ovos de Páscoa: o que preocupa as crianças que procuram os ovos é a chance de encontrá-los. Do ponto de vista científico, porém, o que importa numa busca não são os resultados particulares, mas a distribuição de probabilidade sobre toda a gama de resultados possíveis no espaço de busca (em paralelo à teoria da comunicação, na qual o que importa não são as mensagens específicas enviadas pelo canal, mas a gama de mensagens possíveis e sua distribuição de probabilidade). O problema de olhar apenas para os resultados é que uma busca pode ter sorte e encontrar o alvo mesmo quando as probabilidades estão contra ela.
Tome uma caça aos ovos de Páscoa em que haja apenas um ovo, cuidadosamente escondido em algum ponto de uma vasta área. Esse é o alvo, e é altamente improvável que a busca cega o encontre — justamente porque o espaço de busca é muito grande. Ainda assim, há uma probabilidade positiva de encontrar o ovo mesmo com a busca cega; e, se o ovo for descoberto, então que seja. Pode ser que, por ser tão improvável a descoberta do ovo, passemos a questionar se a busca foi realmente cega e, portanto, rejeitemos essa hipótese (nula). Talvez tenha sido uma busca guiada, em que alguém, conhecendo o paradeiro do ovo, dizia a quem procurava: “quente… mais quente… não, mais frio… mais quente, mais quente, mais quente…” — informação que, sendo precisa, ajudava a localizar o ovo com probabilidade muito maior que a mera busca cega. Essa informação adicionada altera a distribuição de probabilidade.
Mas, novamente, a questão importante, de uma perspectiva científica, não é como a busca terminou, e sim a distribuição de probabilidade sob a qual ela foi conduzida. Não é preciso ser cientista para apreciar este ponto. Suponha que você tenha uma condição médica séria, que exija tratamento. Digamos que haja duas opções. Qual você escolhe? Deixando de lado custo e desconforto, você vai querer o tratamento com maior chance de sucesso — o mais eficaz. Ora, em certas circunstâncias pode acontecer de o tratamento menos eficaz levar a um bom resultado, e o mais eficaz, a um resultado ruim. Mas isso é a posteriori. Na hora de decidir, você agirá como um bom cientista e escolherá o que tem maior probabilidade de sucesso.
O exemplo da caça aos ovos de Páscoa oferece uma pequena prévia da conservação da informação. É altamente improvável que uma busca cega localize os ovos com sucesso, se o espaço de busca for muito grande e o número de ovos muito pequeno. Já uma busca guiada — em que quem procura recebe um retorno (feedback) sobre sua busca, sendo avisado quando está mais perto ou mais longe do ovo — promete aumentar drasticamente a probabilidade de sucesso. Quem procura recebe informação vital para o êxito da busca. Mas de onde veio essa informação que mede a proximidade entre quem procura e o ovo? A conservação da informação sustenta que essa informação é, em si mesma, tão difícil de encontrar quanto localizar o ovo por busca cega — o que implica que a busca guiada, uma vez levada em conta essa informação, não é melhor para achar os ovos do que a busca cega.
Conservação da Informação na Biologia Evolutiva
Daqui em diante, vou me concentrar sobretudo na conservação da informação tal como se aplica à busca em biologia evolutiva (e, por extensão, na computação evolucionária), na convicção de que, uma vez estabelecido o argumento na biologia, seu alcance e aplicabilidade ao restante das ciências naturais serão aceitos com muito mais facilidade. Aliás, os próprios biólogos evolucionistas, que dispõem das ferramentas matemáticas para entender a busca, de bom grado caracterizam a evolução como uma forma de busca. E mesmo os que têm conhecimento mínimo da matemática relevante se enquadram nesse modo de pensar.
Considere Kenneth Miller, da Brown University, biólogo celular cujo domínio da matemática relevante eu desconheço. Em sua tentativa de refutar o DI, Miller descreve com frequência experimentos nos quais alguma estrutura biológica é eliminada junto com sua função e, então, sob pressão de seleção, desenvolve-se uma estrutura substituta que recupera a função. O que torna esses experimentos significativos para Miller é serem prontamente replicáveis: os mesmos sistemas, com as mesmas perdas, sofrerão a mesma recuperação sob o mesmo regime de seleção apropriado. Em nossa caracterização da busca, diríamos que a busca por estruturas que recuperem a função, nesses experimentos de eliminação, alcança o sucesso com alta probabilidade.
Para sermos um pouco mais concretos, imaginemos uma bactéria capaz de produzir certa enzima que lhe permite viver de determinada fonte de alimento. Em seguida, desabilitamos essa enzima — não a removendo por completo, mas alterando, por exemplo, uma base de DNA na região codificadora dessa proteína, mudando assim um aminoácido na enzima e reduzindo drasticamente sua atividade catalítica no processamento daquela fonte de alimento. É certo que o exemplo é um tanto estilizado, mas capta o tipo de experimento que Miller cita com frequência.
Então, tomando essas bactérias modificadas, o experimentador as submete a um regime de seleção que as começa numa fonte de alimento para a qual não precisam da enzima desativada. Mas, com o tempo, elas recebem cada vez mais da fonte de alimento para a qual a enzima é necessária, e cada vez menos das outras, para as quais não precisam dela. Sob tal regime de seleção, a bactéria precisa recuperar a capacidade de processar o alimento para o qual antes precisava da enzima — presumivelmente por meio de uma mutação no DNA danificado que originalmente a codificava, recuperando assim a enzima; do contrário, passaria fome e morreria.
Então, onde está o problema para a evolução em tudo isso? É certo que o regime de seleção aqui é um caso de seleção artificial — o experimentador controla cuidadosamente o ambiente bacteriano, decidindo quais bactérias vivem ou morrem. Mas a natureza parece perfeitamente capaz de fazer algo semelhante. O náilon, por exemplo, é um produto sintético inventado pelo homem em 1935 e, portanto, esteve ausente do mundo bacteriano durante quase toda a sua história. E, no entanto, as bactérias desenvolveram a capacidade de digerir náilon, evoluindo a enzima nilonase. Sim, essas bactérias ganham novas informações — mas as ganham de seus ambientes, ambientes que, presumivelmente, não precisam estar sujeitos a orientação inteligente. Nenhum experimentador, aplicando seleção artificial, decidiu produzir a nilonase.
Para ver que ainda há um problema para a evolução em tudo isso, precisamos examinar mais de perto a conexão entre busca e informação, e como esses conceitos entram numa formulação precisa da conservação da informação. Feito isso, voltaremos aos exemplos de evolução do tipo Miller para ver por que os processos evolutivos não criam — e de fato não podem criar — a informação de que os sistemas biológicos necessitam. A maioria dos espaços de configuração biológica é tão grande, e os alvos que apresentam são tão pequenos, que é altamente improvável que a busca cega (a qual, em última análise, sob princípios materialistas, se reduz à agitação dos constituintes moleculares da vida mediante forças de atração e repulsão) tenha sucesso. Em consequência, é necessária alguma busca alternativa para que o alvo tenha chance razoável de ser localizado. Os processos evolutivos impulsionados pela seleção natural constituem uma busca alternativa. Sim, fazem um trabalho muito melhor que a busca cega — mas a um custo: um custo informacional, que esses processos têm de pagar, mas que são incapazes de gerar por conta própria.
Na literatura da teoria da informação, a informação costuma ser caracterizada como o logaritmo negativo, na base dois, de uma probabilidade (ou alguma média logarítmica de probabilidades, muitas vezes chamada de entropia). Isso tem o efeito de converter probabilidades em bits e de permitir que sejam somadas (como dinheiro), em vez de multiplicadas (como probabilidades). Assim, uma probabilidade de um oitavo — que corresponde a obter três caras seguidas com uma moeda justa — corresponde a três bits, que é o logaritmo negativo, na base dois, de um oitavo. Tal transformação logarítmica das probabilidades é útil na teoria da comunicação, na qual o que trafega pelos canais de comunicação são bits, e não probabilidades, e a largura de banda do canal é determinada aditivamente em número de bits. Não obstante, para os propósitos deste artigo “Made Simple”, podemos caracterizar a informação — no que se refere à busca — apenas em termos de probabilidades, tratando também a conservação da informação de modo puramente probabilístico.
As probabilidades, tratadas como a informação usada para facilitar a busca, podem ser concebidas, em termos financeiros, como um custo — um custo de informação. Pense assim: suponha que haja algum evento que você queira que ocorra. Se for certo que ele ocorrerá (isto é, se tiver probabilidade 1), então você já o possui — não custa nada fazê-lo acontecer. Mas suponha que sua probabilidade de ocorrer seja menor que 1, digamos uma probabilidade p. Essa probabilidade mede, então, um custo para você fazer o evento acontecer: quanto mais improvável o evento (ou seja, quanto menor p), maior o custo. Às vezes não é possível elevar a probabilidade até 1, o que a tornaria certa; em vez disso, você pode ter de se contentar em aumentá-la para q, onde q é menor que 1, mas maior que p. Esse aumento, porém, também tem de ser pago. E, de fato, pagamos para aumentar probabilidades o tempo todo. Por exemplo, muitos estudantes pagam mensalidades para obter um diploma que melhore suas perspectivas (isto é, suas probabilidades) de conseguir um emprego bom e bem remunerado.
Uma loteria justa
Para ilustrar o ponto com mais precisão, imagine que você está jogando na loteria. Digamos que ela seja justa: o governo não fica com nada (ou seja, todo o valor arrecadado é pago ao vencedor) e um bilhete certamente será o vencedor. Suponha que um milhão de bilhetes já tenham sido comprados, a um dólar cada, e que exatamente um deles seja seu. Como cada bilhete tem a mesma probabilidade de ganhar, o seu tem uma chance em um milhão de ser sorteado (esse é o seu p atual), o que implica uma perda de um dólar se você não ganhar e um ganho de quase um milhão de dólares se ganhar (US$ 999.999, para ser exato). Agora, digamos que você queira muito ganhar — por qualquer razão que seja, deseja ter o bilhete premiado em mãos. Nesse caso, você pode comprar bilhetes adicionais: ao fazê-lo, aumenta sua chance de ganhar. Digamos que você compre mais um milhão de bilhetes, a um dólar cada. Isso elevou sua probabilidade de ganhar de 0,000001 para 0,500110 — ou seja, para cerca de metade.
Aumentar a probabilidade de ganhar na loteria, portanto, tem um custo. Com probabilidade de cerca de 0,5 de ganhar, agora é muito mais provável que você leve aproximadamente um milhão de dólares. Mas também custou um milhão de dólares aumentar essa probabilidade. Como resultado, seu ganho esperado — computado, em termos estatísticos, como a probabilidade de ganhar multiplicada pelo que você ganharia, menos a probabilidade de perder multiplicada pelo que você perderia — é igual a zero. Aliás, por ser uma loteria justa, ele é igual a zero tanto quando você comprou só um bilhete quanto quando comprou mais um milhão. Assim, em termos estatísticos, investir mais nessa loteria não lhe rendeu nada.
A conservação da informação é assim. Não exatamente assim, porque ela se concentra na busca, ao passo que o exemplo anterior se concentrava na expectativa de utilidade econômica. Mas, assim como aumentar suas chances de ganhar na loteria comprando mais bilhetes não traz ganho real (não é uma estratégia de longo prazo para encher o bolso), também a conservação da informação afirma que aumentar a probabilidade de uma busca bem-sucedida exige recursos informacionais adicionais que, uma vez contabilizados os custos de obtê-los, em nada contribuem para facilitar a busca original.
Para ver como isso funciona, consideremos um problema de brinquedo. Imagine que seu espaço de busca consiste em apenas seis itens, rotulados de 1 a 6. Digamos que seu alvo é o item 6 e que você vai vasculhar esse espaço lançando um dado justo uma única vez. Se sair 6, sua busca terá êxito; caso contrário, fracassa. Sua probabilidade de sucesso é, portanto, 1/6. Agora suponha que você queira aumentar essa probabilidade para 1/2. Você então encontra uma máquina que lança uma moeda justa e lhe entrega o item 6 se der cara, e algum outro item do espaço de busca se der coroa. “Que ótima máquina”, você pensa: ela aumenta significativamente a probabilidade de obter o item 6 (de 1/6 para 1/2).
Mas então uma questão preocupante lhe passa pela cabeça: de onde veio essa máquina que aumenta sua probabilidade de sucesso? Uma máquina que lança uma moeda justa e entrega o item 6 se a moeda der cara, e algum outro item do espaço de busca se der coroa, é facilmente reconfigurável. Ela poderia, com a mesma facilidade, entregar o item 5 se der cara, e algum outro item se der coroa. O mesmo vale para todos os demais itens do espaço de busca: uma máquina como a descrita pode privilegiar qualquer um dos seis itens, entregando-o com probabilidade 1/2 em detrimento dos demais. Então, como você obteve justamente a máquina que privilegia o item 6? Ora, você teve de procurar, entre todas aquelas máquinas que lançam moedas e entregam um dado item com probabilidade 1/2, exatamente a que entrega o item 6 quando sai cara.
Para manter as coisas simples, suponhamos que nossa máquina forneça o item 6 com probabilidade 1/2 e cada um dos itens de 1 a 5 com igual probabilidade — ou seja, 1/10. Essa máquina é, portanto, uma de seis máquinas possíveis, configuradas essencialmente da mesma maneira. Há uma outra que lança uma moeda e entrega o item 1 do espaço de busca original se der cara, e qualquer um dos itens de 2 a 6, com probabilidade 1/10 cada, se a moeda cair em coroa. E assim por diante. Assim, dessas seis máquinas, uma entrega o item 6 com probabilidade 1/2, e as cinco restantes o entregam com probabilidade 1/10. Como há seis máquinas, apenas uma delas fornece o item 6 (nossa meta) com alta probabilidade; e, uma vez que apenas rótulos — e nenhuma propriedade intrínseca — distinguem uma máquina das demais nessa configuração (as máquinas são, como diriam os matemáticos, isomórficas), o princípio da indiferença se aplica a elas e prescreve que a probabilidade de obter a máquina que entrega o item 6 com probabilidade 1/2 é a mesma de obter qualquer outra — e, portanto, 1/6.
Mas uma probabilidade de 1/6 de encontrar uma máquina que entrega o item 6 com probabilidade 1/2 não é melhor que nossa probabilidade original de 1/6 de encontrar o alvo simplesmente lançando um dado. De fato, mesmo de posse dessa máquina, ainda temos apenas 50% de chance de localizar o item 6. Descobrir a máquina tem um custo de probabilidade de 1/6 e, uma vez incorrido esse custo, ainda nos resta um custo de probabilidade de 1/2 para encontrar o item 6. Como os custos de probabilidade aumentam à medida que as probabilidades diminuem, na verdade ficamos em situação pior que a inicial, em que bastava lançar um dado para localizar o item 6 com probabilidade 1/6.
A probabilidade de encontrar o item 6 por meio dessa máquina, uma vez computado o custo probabilístico de obtê-la, acaba sendo 1/6 × 1/2 = 1/12. Portanto, nossa tentativa de aumentar a probabilidade de encontrar o item 6 — localizando uma busca mais eficaz para esse item — saiu mesmo pela culatra, tornando ainda mais improvável que o encontremos. A conservação da informação diz que esse é sempre um perigo quando tentamos aumentar a probabilidade de sucesso de uma busca: em vez de se tornar mais fácil, a busca permanece tão difícil quanto antes — ou pode, como neste exemplo, tornar-se mais difícil — quando se levam em conta os custos informacionais adicionais subjacentes, associados ao aprimoramento da busca e muitas vezes ocultos (como aqui) na tarefa de encontrar uma máquina adequada.
Por que é chamado de “conservação” da informação
A razão pela qual se chama “conservação” da informação é que o melhor que podemos fazer é empatar, deixando a busca não mais difícil do que antes. Nesse caso, a informação é, de fato, conservada. Não raro, porém — como neste exemplo —, podemos sair-nos ainda pior ao tentar melhorar a probabilidade de uma busca bem-sucedida. Assim, podemos introduzir uma busca alternativa que aparenta melhorar a busca original, mas que, uma vez contabilizados os custos de obtê-la, na verdade agrava o problema de busca original.
Ao falar de facilidade e dificuldade da busca, não estou sendo matematicamente impreciso. Facilidade e dificuldade, caracterizadas matematicamente, são sempre noções de complexidade teórica, pressupondo uma medida de complexidade subjacente. Neste caso, a complexidade é expressa em termos probabilísticos, de modo que a medida de complexidade é uma medida de probabilidade: as buscas tornam-se mais fáceis quanto mais provável for localizar os alvos, e mais difíceis quanto menos provável. Nesse sentido, também faz sentido falar do custo de uma busca — custo que sobe quanto mais difícil a busca, e desce quanto mais fácil.
Em todas essas discussões sobre conservação da informação, há sempre uma busca mais difícil que é deslocada por uma busca mais fácil; mas, uma vez contabilizada a dificuldade de encontrar a busca mais fácil (dificuldade entendida, também ela, em termos probabilísticos), não há ganho — e, de fato, o custo total pode até ter subido. Em outras palavras, a probabilidade real de localizar o alvo com a busca mais fácil não é maior, e pode ser menor, do que com a busca mais difícil, uma vez computada a probabilidade de localizar a busca mais fácil. Tudo isso admite uma formulação matemática precisa. Inerente a tal formulação está tratar a própria busca como algo sujeito a busca. Se isso soa auto-referente, é mesmo — mas também faz todo o sentido.
Para ver isso, considere uma caça ao tesouro. Imagine procurar uma arca de tesouro enterrada numa ilha grande. Consideremos duas buscas, uma mais difícil e outra mais fácil. A mais difícil, neste caso, é uma busca cega na qual, sem saber onde o tesouro está enterrado, você perambula ao acaso pela ilha, cavando aqui e ali em busca dele. A mais fácil, ao contrário, é dispor de um mapa do tesouro no qual “o x marca o ponto” onde ele está, bastando seguir o mapa até lá.
Mas onde você conseguiu esse mapa do tesouro? Os cartógrafos fizeram muitos mapas daquela ilha e, para cada um que marca com precisão a localização do tesouro, há muitos outros que a marcam erradamente. Na verdade, para qualquer ponto da ilha existe um mapa que o assinala com um “x”. Então, como achar o caminho, em meio a todos esses mapas, até aquele que marca corretamente a localização do tesouro? Evidentemente, a busca pelo tesouro foi deslocada para a busca de um mapa que o localize. Cada mapa corresponde a uma busca, e localizar o mapa correto corresponde a uma busca por uma busca (abreviada, na literatura sobre conservação da informação, como S4S — search for a search).
A conservação da informação, neste exemplo, diz que a probabilidade de localizar o tesouro buscando primeiro um mapa que identifique com precisão sua localização não é maior — e pode ser menor — que a probabilidade de localizá-lo por simples busca cega. Isso implica que a busca mais fácil (ou seja, procurar com o mapa do tesouro na mão), uma vez contabilizado o custo de encontrá-la, não facilitou a busca como um todo. Em geral, a conservação da informação afirma que, quando uma busca mais difícil é substituída por uma mais fácil, a probabilidade de encontrar o alvo — primeiro encontrando a busca mais fácil e depois usando-a para encontrar o alvo — não é maior, e muitas vezes é menor, do que a probabilidade de encontrar o alvo diretamente com a busca mais difícil.
No espírito do “sem almoço grátis”
Qualquer pessoa familiarizada com os teoremas do “sem almoço grátis” (NFL, na sigla em inglês) verá de imediato que a conservação da informação está no mesmo espírito. O resultado dos teoremas NFL é que nenhuma busca evolucionária supera a busca cega, uma vez contabilizada a informação inerente à aptidão (isto é, a paisagem de aptidão). O NFL é um grande equalizador: afirma que todas as buscas são essencialmente equivalentes à busca cega quando vistas não da perspectiva de encontrar um alvo particular, mas quando se tira a média entre os diferentes alvos possíveis que se pode buscar.
Se o NFL tende ao igualitarismo, ao argumentar que nenhuma busca é, por si só, melhor que a busca cega quando o alvo não é especificado, a conservação da informação tende ao elitismo, ao tomar como ponto de partida que algumas buscas realmente são melhores que outras (medidas pela probabilidade) na localização de alvos especificados. No entanto, ela logo acrescenta que o status de elite dessas buscas não se deve a qualquer mérito intrínseco da busca (em conformidade com o NFL), mas à informação que ela emprega para melhorar seu desempenho.
Algumas buscas são melhores — na verdade, muito melhores — que a busca cega; e, quando o são, é porque empregam informação específica do alvo. A conservação da informação calcula o custo informacional desse ganho de desempenho e mostra como ele deve ser contrabalançado por uma perda de desempenho da busca em outro ponto (especificamente, pela necessidade de buscar a informação que eleva o desempenho da busca), de modo que o desempenho global na localização do alvo não melhora — e pode, de fato, piorar.
A conservação da informação, ao concentrar-se na busca da informação necessária para impulsionar o desempenho da busca, sugere uma ontologia relacional entre a busca e os objetos buscados. Numa ontologia relacional, as coisas são reais não como entidades isoladas, mas em virtude de sua relação com outras coisas. Na ontologia relacional entre a busca e os objetos buscados, cada um encontra sua existência no outro. Nossa tendência natural é tomar os objetos como reais e as buscas por esses objetos como menos reais — no sentido de que a busca depende dos objetos buscados, mas os objetos poderiam existir independentemente da busca. Contudo, os objetos nunca nos chegam em si mesmos, e sim como reflexos padronizados do nosso conhecimento prévio e, portanto, como alvos de busca.
Qualquer cena — na verdade, qualquer estímulo aos nossos sentidos — atinge nossa consciência apenas por aspectos que se tornam salientes; e isso ocorre porque certos padrões do nosso conhecimento prévio são acionados, com exclusão de outros. Numa extensão do “ser é ser percebido” (esse est percipi) de George Berkeley, a conservação da informação sugere que “ser percebido é ser objeto de busca”. Pela transitividade do raciocínio, segue-se que ser é ser objeto de busca. E como a busca é sempre a busca de um objeto, a busca e o objeto de busca tornam-se, nesse modo de pensar, mutuamente ontologizantes, dando existência um ao outro. A conservação da informação acrescenta, então, que a busca pode ser, ela própria, um objeto de busca.
A maioria das ontologias relacionais é formulada em termos de acessibilidade causal: o que torna uma coisa real é sua acessibilidade causal a outra. Mas, como a busca é entendida probabilisticamente, a forma de acessibilidade relevante para uma ontologia relacional baseada na busca é probabilística. É a acessibilidade probabilística, mais que a causal, que fundamenta a ontologia relacional da busca. Pense numa agulha num palheiro; imagine que a agulha tem o tamanho de um elétron e o palheiro, o tamanho do universo físico conhecido. Buscas com probabilidade de sucesso tão ínfima, por meios cegos ou aleatórios, são comuns na biologia. Os espaços de configuração biológica dos genes e proteínas possíveis, por exemplo, são imensos, e encontrar um gene ou proteína funcional nesses espaços por busca cega pode ser muito mais improvável do que encontrar um elétron arbitrário no universo físico conhecido.
Por que o Multiverso é Incoerente
Dada uma agulha tão pequena e um palheiro tão grande, a busca cega é efetivamente incapaz de encontrar uma agulha no palheiro. O sucesso, em vez disso, requer uma busca que eleve enormemente a probabilidade de encontrar a agulha. Mas de onde vem essa busca? E em que sentido a agulha existe à parte dessa busca? Sem uma busca que torne provável encontrá-la, talvez a agulha nem exista; e, de fato, provavelmente nem saberíamos que ela existe, a não ser por uma busca que a torne provável. É por isso, aliás, que considero o multiverso incoerente: o que torna o universo físico conhecido cognoscível é que ele é passível de busca. O multiverso, ao contrário, é insondável. Numa ontologia relacional que torna a busca tão real quanto os objetos buscados, o multiverso é irreal.
Essas considerações são altamente pertinentes à biologia evolutiva, que toma a busca evolutiva como um dado — algo que não exigiria explicação além das forças cegas da natureza. Mas, na medida em que a busca evolucionária torna probabilisticamente acessíveis aspectos de um espaço de configuração biológica que antes, sob busca cega, eram probabilisticamente inacessíveis, a conservação da informação diz que ela obtém esse ganho de desempenho a um custo informacional. Assim, a busca evolutiva, que aprimora a busca cega, precisa ela mesma ser encontrada por meio de uma busca de ordem superior (ou seja, uma busca por uma busca, abreviada S4S) — a qual, uma vez levada em conta, faz a busca evolutiva não mais eficaz em encontrar o alvo do que a busca cega original.
Dada essa discussão e a motivação de fundo, estamos agora em condições de oferecer uma formulação razoavelmente precisa da conservação da informação, a saber: aumentar a probabilidade de sucesso de uma busca em nada contribui para tornar mais fácil atingir o alvo e pode, de fato, torná-lo mais difícil, uma vez levados em conta os custos informacionais envolvidos nesse aumento de probabilidade. A busca é cara, e o custo tem de ser pago em informação. As buscas alcançam o sucesso não por criar informação, mas por aproveitar a informação já existente. A informação que conduz a uma busca bem-sucedida não admite pechinchas — apenas pechinchas aparentes, que terão de ser pagas integralmente em outro lugar.
Para um artigo “Made Simple” sobre conservação da informação, é isto o que tenho a dizer quanto a um enunciado preciso da conservação da informação. Bob Marks e eu provamos vários teoremas de conservação da informação (veja a página de publicações em www.evoinfo.org). Cada um deles analisa algum modelo matemático específico de busca e mostra como elevar a probabilidade de sucesso de uma busca por um fator q/p (> 1) incorre num custo de informação não inferior a log(q/p) — ou, equivalentemente, num custo de probabilidade não superior a p/q. Portanto, se começarmos com uma busca de probabilidade de sucesso p e a elevarmos para q, a probabilidade real de encontrar o alvo não é q, mas algo menor ou igual a q × (p/q), ou seja, menor ou igual a p — que é justamente a dificuldade de busca original. Em consequência, aumentar a probabilidade de sucesso de uma busca em nada contribui para encontrar o alvo, uma vez levado em conta o custo informacional desse aumento.
A conservação da informação, no entanto, não é apenas um teorema, ou uma família de teoremas, mas também um princípio ou lei geral (lembre-se da “Lei da Conservação da Informação” de Medawar). Uma vez provados tais teoremas, e uma vez repetidamente demonstrada sua aplicabilidade a uma ampla gama de problemas de busca (o Laboratório de Informática Evolucionária mostrou, por exemplo, como algoritmos evolutivos tais como AVIDA, ev, Tierra e o WEASEL de Dawkins, todos eles, redistribuem — em vez de criar — informação), a conservação da informação passa a ser vista não como um resultado restrito e isolado, mas como um princípio ou lei fundamental, aplicável à busca em geral. É assim que a entendemos.
Em vez de detalhar o aparato teórico subjacente à conservação da informação — que é sólido e já apareceu em vários artigos revisados por pares na literatura de engenharia e matemática (veja a página de publicações em www.evoinfo.org; vale notar que nenhuma das críticas a este trabalho apareceu na literatura científica/de engenharia revisada por pares, embora algumas tenham surgido na literatura de filosofia da ciência, como a revista Biology and Philosophy; a maioria das críticas são diatribes na internet) —, quero a seguir ilustrar a conservação da informação tal como se aplica a um dos principais exemplos apontados pelos evolucionistas como demonstração dos poderes geradores de informação dos processos evolutivos. Feito isso, quero considerar que luz a conservação da informação lança sobre a evolução em geral.
Um economista está encalhado numa ilha
Para preparar o terreno, considere uma velha piada sobre um economista e vários outros cientistas que ficam presos numa ilha e descobrem uma lata de feijão. Com fome, querem abri-la. Cada um recorre à sua área de especialidade. O físico calcula a trajetória de um projétil que abriria a lata. O químico calcula o calor do fogo necessário para fazê-la estourar. E assim por diante. Cada um propõe uma maneira concreta de abrir a lata, dados os recursos da ilha. Exceto o economista. O método do economista para abrir a lata é o desfecho da piada: suponha um abridor de latas. Não há, é claro, abridor de latas algum na ilha.
A piada dá a entender que os economistas são notórios por fazer suposições a que não têm direito. Não sei o suficiente sobre economistas para dizer se isso é verdade, mas sei que é o caso de muitos biólogos evolucionistas. O humor da solução proposta pelo economista — meramente postular um abridor de latas —, além da alfinetada no campo da economia, está na imagem bizarra de um abridor de latas vindo ao resgate de sobreviventes famintos sem qualquer respaldo para sua existência. O economista simplesmente faria o abridor materializar-se como num passe de mágica. O abridor de latas é, em essência, um deus ex machina.
Curiosamente, o campo da biologia evolutiva está repleto de deus ex machinas (sim, eu cursei latim e sei que este não é o plural correto de deus ex machina, que seria dei ex machinis; mas este é um artigo “simples”, feito para o populacho iletrado, do qual sou membro com carteirinha). Só que o biólogo evolucionista é um pouco mais desonesto ao empregar — ou melhor, ao mobilizar — deus ex machinas do que o economista. Imagine nosso economista aconselhando alguém que tem dificuldade de pagar uma dívida com um agiota do crime organizado. Coerente com o conselho que deu na ilha, nosso amigo economista poderia dizer: suponha US$ 10.000 em dinheiro vivo.
Os US$ 10 mil de fato quitariam a dívida com o agiota, mas essa suposição parece um tanto grosseira. Um biólogo evolucionista, para soar mais plausível, acrescentaria uma camada de complexidade: suponha uma chave de um cofre com US$ 10.000 em dinheiro dentro. Essa chave é tão deus ex machina quanto os US$ 10.000. Mas a biologia evolutiva há muito domina a arte de mobilizar tais dispositivos — e até conquistou o direito de chamar essa mobilização de “ciência”.
Eu gostaria de estar apenas brincando, mas há aqui mais verdade do que parece. Considere o conhecido exemplo METHINKS IT IS LIKE A WEASEL, de Richard Dawkins (de seu livro de 1986, The Blind Watchmaker — O Relojoeiro Cego)³ — um exemplo repetido e reelaborado sem fim por biólogos que tentam fazer a evolução parecer plausível, sendo a versão mais recente a do pesquisador do mundo de RNA Michael Yarus, em seu livro de 2010 Life from an RNA World (a frase-alvo de Yarus, ao contrário da de Dawkins, extraída de Hamlet, de Shakespeare, é o famoso dito de Theodosius Dobzhansky: NOTHING IN BIOLOGY MAKES SENSE EXCEPT IN THE LIGHT OF EVOLUTION — “nada na biologia faz sentido exceto à luz da evolução”).
Nota do tradutor³: METHINKS IT IS LIKE A WEASEL (“Parece-me uma doninha”) é uma fala de Hamlet, de Shakespeare. Mantemos a frase em inglês, em maiúsculas, por ser o alvo literal da simulação de Dawkins — repetido assim ao longo do texto.
Um historiador ou estudioso da literatura, diante de METHINKS IT IS LIKE A WEASEL, teria todo o direito de dizer: suponha que houve um escritor chamado William Shakespeare que a escreveu. E, como a pessoa e a obra de Shakespeare foram objeto de controvérsia (ele seria realmente uma mulher? terá existido? etc.), essa suposição não é destituída de conteúdo e mérito. De fato, historiadores e estudiosos da literatura fazem tais suposições o tempo todo — e fazê-lo é parte daquilo pelo que são pagos. Os poemas homéricos são obra principalmente de um único poeta, Homero, ou a elaboração de uma tradição de bardos? Moisés escreveu o Pentateuco, ou ele é o composto de várias tradições textuais, como na hipótese documentária? Jesus de fato existiu? (Dawkins e seus colegas ateus questionam seriamente se Jesus foi uma figura histórica real; cf. o filme O Deus que Não Estava Lá).
No caso da frase-alvo METHINKS IT IS LIKE A WEASEL, Dawkins contorna a hipótese de Shakespeare — ela seria óbvia demais e sugestiva demais de design. Em vez de postular Shakespeare, que seria uma inteligência (ou designer) responsável pelo texto em questão (designers são um empecilho na teoria evolucionária convencional), Dawkins pede a seus leitores que suponham um algoritmo evolucionário que faça evoluir a frase-alvo. Mas tal algoritmo privilegia a frase-alvo ajustando a paisagem de aptidão de modo que atribua maior aptidão às frases com mais letras coincidentes com o alvo.
E de onde veio essa paisagem de aptidão? Tal paisagem existe potencialmente para qualquer frase, não só para METHINKS IT IS LIKE A WEASEL. O algoritmo evolutivo de Dawkins poderia, portanto, ter evoluído em qualquer direção; e a única razão pela qual evoluiu para METHINKS IT IS LIKE A WEASEL é que ele selecionou cuidadosamente a paisagem de aptidão para obter o resultado desejado. Dawkins, assim, livrou-se de Shakespeare como autor de METHINKS IT IS LIKE A WEASEL apenas para reintroduzi-lo como (co)autor da paisagem de aptidão que facilita a evolução de METHINKS IT IS LIKE A WEASEL.
A falácia desse exemplo, com sua prestidigitação enganosa, já foi discutida ad nauseam por mim e por meus colegas da comunidade do design inteligente. Gastamos muito tempo e muita tinta nesse exemplo não por seu mérito intrínseco, mas porque a própria comunidade evolucionária continua tão apegada a ele e repete continuamente sua falácia subjacente em versões cada vez mais intrincadas (AVIDA, Tierra, ev etc.). Para uma desconstrução cuidadosa do WEASEL de Dawkins, com uma simulação precisa sob controle do usuário, veja o projeto “Weasel Ware” no site da Evolutionary Informatics: www.evoinfo.org/weasel.
Como a conservação da informação se aplica a esse exemplo? Diretamente. Obter METHINKS IT IS LIKE A WEASEL por busca cega (por exemplo, dispondo ao acaso peças de Scrabble numa fila) é extremamente improvável. Então Dawkins propõe um algoritmo evolucionário — seu programa WEASEL — para obter essa sequência com maior probabilidade. Sim, esse algoritmo faz um trabalho muito melhor, com probabilidade bem maior de localizar o alvo. Mas a que custo? A um custo de improbabilidade ainda maior do que simplesmente localizar a sequência-alvo por busca cega.
Dawkins evita por completo essa questão do custo da informação. Antecipando-se a qualquer exame crítico da origem da informação que faz sua simulação funcionar, ele tenta, por meio de truques retóricos, simplesmente induzir em seus leitores um espanto admirado diante do poder da evolução: “Puxa, não é incrível como os processos evolutivos são poderosos, a ponto de produzir frases como METHINKS IT IS LIKE A WEASEL, que normalmente exigem inteligência humana?”. Mas Dawkins não está fazendo nada além de aconselhar nosso infeliz devedor do agiota a supor uma chave de um cofre com o dinheiro de que precisava. De onde veio a chave? Da mesma forma, de onde veio a paisagem de aptidão que tornou provável a evolução de METHINKS IT IS LIKE A WEASEL? Em termos de conservação da informação, a informação necessária não foi criada internamente, mas apenas contrabandeada — neste caso, pelo próprio Dawkins.
Uma troca de e-mails com Richard Dawkins
Há mais de uma década, eu me correspondia com Dawkins a respeito de sua simulação computacional do WEASEL. Num e-mail que me enviou, datado de 5 de maio de 2000, ele respondeu às minhas críticas à teleologia oculta naquela simulação. Note que ele não responde diretamente ao desafio da conservação da informação — e nem eu havia, à época, desenvolvido essa ideia com clareza suficiente para empregá-la na refutação. Mais sobre isso em breve. Eis o que ele escreveu, exatamente como escreveu:
O argumento de que qualquer frase é igualmente elegível como alvo está coberto na página 7 [d’O Relojoeiro Cego]: “Qualquer amontoado de peças embaralhadas é único e, EM RETROSPECTO, tão improvável quanto qualquer outro…” e seguintes.
Mais especificamente, a observação que você faz sobre o WEASEL é admitida, sem rodeios, na página 50: “Embora o modelo macaco/Shakespeare seja útil para explicar a distinção entre seleção de etapa única e seleção cumulativa, ele é enganoso em aspectos importantes. Um deles é que, em cada geração de ‘reprodução’ seletiva, as frases ‘descendentes’ mutantes eram julgadas segundo o critério de semelhança com um alvo IDEAL DISTANTE… A vida não é assim.”
Na vida real, é claro, o critério de otimização não é um alvo distante escolhido arbitrariamente, mas sim a SOBREVIVÊNCIA. É simples assim. Isso não é arbitrário. Veja da parte inferior da página 8 ao topo da página 9. E é também um gradiente suave, não um salto repentino a partir de uma planície no espaço de fase. Ou melhor: deve ser um gradiente suave em todos os casos em que a evolução de fato aconteceu. Talvez existam ótimos teóricos inalcançáveis porque a subida é íngreme demais.
O modelo WEASEL, como qualquer modelo, destina-se a ilustrar apenas um ponto, não a ser uma réplica completa da coisa real. Inventei-o pura e simplesmente para rebater os criacionistas que ingenuamente haviam suposto que o espaço de fase era totalmente plano, exceto por um pico vertical (que mais tarde representei como o penhasco íngreme do Monte Improvável). O modelo WEASEL é bom para refutar esse ponto, mas é enganoso se tomado como um modelo completo do darwinismo. É exatamente por isso que incluo o trecho da página 50.
Talvez você deva dar uma olhada no trabalho de Spiegelman e outros sobre a evolução de moléculas de RNA num ambiente de RNA replicase. Descobriram que, repetidamente, se você “semeia” tal solução com uma molécula de RNA, ela converge para um replicador de tamanho e forma específicos, “ótimo”, às vezes chamado de minivariante de Spiegelman. Maynard Smith faz um bom e breve relato disso em seu livro The Problems of Biology (ver “Spiegelman” no índice). Orgel estendeu o trabalho, mostrando que ambientes químicos diferentes selecionam moléculas de RNA diferentes.
A teoria é tão bela, tão poderosa. Por que vocês são tão obstinadamente cegos à sua elegância simples? Por que anseiam por “design” quando certamente deveriam ver que ele não explica nada? ISSO sim é o que chamo de regresso. Você é ótimo em falar do quanto a complexidade IMPORTA. “Design” é a maior importação que se poderia imaginar.
O e-mail de Dawkins levanta várias questões interessantes que, desde então, têm recebido ampla discussão entre as diversas partes que debatem o design inteligente: o regresso do designer concebido pelo homem; se uma inteligência projetista precisa ser complexa do mesmo modo que os sistemas biológicos são complexos; as condições sob as quais a evolução aumenta, em vez de diminuir, a complexidade; o significado evolutivo das minivariantes de Spiegelman; e como a geometria da paisagem de aptidão facilita ou dificulta a evolução. Tudo isso foi tratado extensamente na literatura do design e não será reprisado aqui (para mais sobre essas questões, veja meus livros No Free Lunch e The Design Revolution, bem como The Edge of Evolution — A Borda da Evolução —, de Michael Behe).
“Apenas uma palavra: plásticos”
O ponto em que quero me concentrar é a resposta de uma só palavra que Dawkins dá à acusação de que sua simulação WEASEL incorpora uma teleologia injustificada — injustificada à luz da compreensão darwiniana da evolução, da qual seu Relojoeiro Cego é uma apologia. A frase-chave da citação acima é: “Na vida real, é claro, o critério de otimização não é um alvo distante escolhido arbitrariamente, mas a SOBREVIVÊNCIA.” A sobrevivência é, certamente, condição necessária para a evolução da vida. Se você não está sobrevivendo, está morto; e, se está morto, não está evoluindo — ponto final. Mas chamar a “sobrevivência”, em larga escala, de critério de otimização é ridículo. Ao ler isso, vêm-me imagens de Dustin Hoffman em The Graduate (A Primeira Noite de um Homem) sendo levado a um canto, numa festa, por um executivo prestes a revelar o segredo do sucesso: PLASTICS (“plásticos”) — você pode assistir ao clipe clicando aqui. No quesito maiores respostas simplistas de uma só palavra já dadas, Dawkins está à altura.
Mas talvez eu esteja lendo Dawkins sem caridade. Presumivelmente, o que ele de fato quer dizer é sobrevivência e reprodução diferenciais, conforme a seleção natural e a variação aleatória. Está bem, estou disposto a aceitar que seja isso o que ele quer dizer. Mas, mesmo nessa leitura mais caridosa, sua caracterização da evolução é enganosa e equivocada. Ken Miller desenvolve essa leitura mais caridosa em seu livro recente Only a Theory. Nele, pergunta o que é necessário para impulsionar o aumento da informação biológica ao longo da evolução. Sua resposta? “Apenas três coisas: seleção, replicação e mutação… de onde a informação ‘vem’ é, na verdade, do próprio processo seletivo.”
É fácil ver que Miller está soltando fumaça mesmo sem os recursos da moderna teoria da informação. Basta entender uma lógica simples, já conhecida nos tempos de Darwin, acerca da natureza da explicação científica ao isolar causas possíveis. De fato, a recepção do darwinismo pela biologia poderia ter sido bem menos favorável se os cientistas tivessem prestado mais atenção ao contemporâneo de Darwin, John Stuart Mill. Em 1843, dezesseis anos antes da publicação de A Origem das Espécies, de Darwin, Mill publicou a primeira edição de seu A System of Logic (que, até a década de 1880, passaria por oito edições). Nessa obra, Mill apresenta vários métodos de indução. O que nos interessa aqui é o seu método da diferença. Em seu System of Logic, Mill o descreveu da seguinte maneira:
Se uma instância em que o fenômeno sob investigação ocorre e uma instância em que ele não ocorre têm todas as circunstâncias em comum, exceto uma — esta presente apenas na primeira —, então a circunstância em que os dois casos diferem é o efeito, ou a causa, ou parte indispensável da causa, do fenômeno.
Essencialmente, esse método diz que descobrir qual de um conjunto de circunstâncias é responsável por uma diferença observada nos resultados exige encontrar uma diferença nas circunstâncias. Um corolário imediato é que circunstâncias comuns não podem explicar uma diferença nos resultados. Assim, se uma pessoa está sóbria e outra, bêbada, e se ambas comeram batatas fritas, salsa e pipoca, esse fato, comum às duas, não explica — e de fato não pode explicar — a diferença. Em vez disso, a diferença se explica por uma delas se abster de álcool e a outra beber demais. O método da diferença de Mill, tão amplamente usado tanto na vida cotidiana quanto na ciência, é crucialmente relevante para a biologia evolutiva. De fato, ajuda a trazer algum senso de proporção e realismo às afirmações infladas tão frequentemente feitas em nome dos processos darwinianos.
Exemplo: o exagero evolutivo de Miller, ao alegar que “tudo o que é preciso para impulsionar” os aumentos da informação biológica são “apenas três coisas: seleção, replicação e mutação”. O método da diferença de Mill desmente essa afirmação. É fácil escrever simulações de computador que apresentem seleção, replicação e mutação (ou sobrevivência global, ou sobrevivência e reprodução diferenciais, ou qualquer redução da evolução aos princípios darwinianos) — e isso não leva absolutamente a lugar nenhum. Em conjunto, seleção, replicação e mutação não fazem mágica e não precisam resolver problema interessante algum, nem produzir padrões salientes. Dito isso, a computação evolucionária é empregada com sucesso no campo da otimização — logo, é possível escrever simulações que apresentam seleção, replicação e mutação e que vão a algum lugar, resolvendo problemas interessantes ou produzindo padrões salientes. Mas, precisamente porque seleção, replicação e mutação são comuns a todas essas simulações, elas não podem, como ressalta o método de Mill, explicar a diferença.
Um engenheiro da Boeing costumava chamar a si mesmo de “artista de penalidades”. Uma função de penalidade não passa de outro nome para a paisagem de aptidão (embora os números sejam invertidos: quanto maior a penalidade, menor a aptidão). Criar as funções de penalidade adequadas permitia a essa pessoa resolver seus problemas de engenharia. A maioria dessas funções, porém, é completamente inútil. Além disso, todas elas operam no contexto de um ambiente de computação evolucionária que apresenta a tríade de Miller — seleção, replicação e mutação. Então, o que faz a diferença? É que o engenheiro, conhecendo o problema que tenta resolver, adapta cuidadosamente a função de penalidade ao problema, aumentando assim a probabilidade de encontrar uma solução. Ele não escolhe suas funções de penalidade a esmo; se o fizesse, não estaria trabalhando na Boeing. Ele é um artista, e sua arte (design inteligente) consiste em encontrar as funções de penalidade que resolvem seus problemas.
Correspondo-me com Miller e Dawkins desde 2000. Miller e eu já nos enfrentamos em várias ocasiões em debates públicos (em junho de 2012, clique aqui). Dawkins recusa todos esses encontros. Seja como for, conhecemos o trabalho uns dos outros e, ainda assim, nunca consegui obter de nenhum deles a simples admissão de que a lógica do método da diferença de Mill é válida e se aplica à teoria evolutiva — deixando sem solução o problema da informação na biologia, mesmo depois de invocados os axiomas darwinianos de seleção, replicação e variação.
Verdade Inconveniente de John Stuart Mill
Em vez disso, Miller permanece um darwinista ortodoxo, e Dawkins vai ainda mais longe, abraçando um darwinismo universal que vê a evolução darwiniana como a única explicação científica concebível para a diversificação da vida na história natural. Como escreveu em The Blind Watchmaker — e continua a crer:
Meu argumento será que o darwinismo é a única teoria conhecida que é, em princípio, capaz de explicar certos aspectos da vida. Se estou certo, isso significa que, mesmo que não houvesse nenhuma evidência concreta a favor da teoria darwiniana (há, é claro), ainda assim estaríamos justificados em preferi-la a todas as teorias rivais.
O método da diferença de Mill é uma verdade inconveniente para Dawkins e Miller, mas é uma verdade que precisa ser enfrentada. Pela sua disposição de encará-la, respeito Stuart Kauffman infinitamente mais do que Miller ou Dawkins. Miller e Dawkins são darwinistas convictos, empenhados em manter o mundo seguro para seu santo padroeiro. Kauffman é um espírito livre, disposto a admitir os problemas onde eles aparecem. Ele, ao menos, vê que há um problema em afirmar que o mecanismo darwiniano pode gerar informação biológica — ainda que sua própria abordagem auto-organizacional esteja longe de resolvê-lo. Como Kauffman escreve em Investigations:
Se mutação, recombinação e seleção só funcionam bem em certos tipos de paisagem de aptidão, mas a maioria dos organismos é sexuada e, portanto, usa recombinação, e todos os organismos usam a mutação como mecanismo de busca, de onde vieram essas paisagens de aptidão tão bem ajustadas, que permitem à evolução produzir as coisas extravagantes ao nosso redor?
Segundo Kauffman, “ninguém sabe”.
A observação de Kauffman aqui está inteiramente de acordo com a conservação da informação. De fato, ele a faz no contexto da discussão dos teoremas do “sem almoço grátis”, dos quais a conservação da informação é uma extensão lógica. A paisagem de aptidão fornece informação ao processo evolutivo. Apenas paisagens de aptidão finamente ajustadas — suficientemente suaves, que não isolem os ótimos locais e, acima de tudo, recompensem a complexidade crescente na estrutura e na função biológicas — são adequadas para conduzir um processo evolutivo pleno. Então, de onde vêm essas paisagens de aptidão? Na ausência de uma inteligência extrínseca, a única resposta parece ser o ambiente.
Assim como ouvi SURVIVAL (“sobrevivência”) como resposta de uma só palavra para o problema da geração de informação biológica, também ouvi AMBIENTE. Ernan McMullin, por exemplo, apresentou-me esse argumento durante um jantar na Universidade de Chicago em 1999, entoando essa palavra (“ambiente”) como se fosse a solução para tudo o que aflige a evolução. Está bem: então o ambiente fornece a informação necessária para impulsionar a evolução biológica. Mas onde o ambiente obteve essa informação? De si mesmo? O problema dessa resposta é o seguinte: a conservação da informação implica que, sem informação adicional, o problema da informação na biologia permanece constante (dá no mesmo) ou se intensifica (piora) quanto mais recuamos no tempo.
Toda a magia da evolução está em que ela precisa explicar a complexidade posterior em termos de uma simplicidade anterior; mas a conservação da informação diz que nunca houve um estado anterior de simplicidade primordial — a informação, na ausência de input externo, tinha de estar ali desde o início. Não é proeza alguma da teorização evolutiva explicar como o peixe das cavernas perdeu o uso dos olhos após longos períodos de privação de luz. Olhos funcionais que se transformam em manchas oculares sem função são um rebaixamento da complexidade à simplicidade. Como um caso de “usar ou perder” (use-it-or-lose-it), isso não requer explicação. A evolução ganha aplausos é por pretender explicar como coisas como olhos que enxergam podem evoluir, antes de mais nada, a partir de estruturas anteriores mais simples, incapazes de enxergar.
Se o processo evolutivo pudesse de fato criar tal informação biológica, então a evolução da simplicidade para a complexidade não seria problemática. Mas o processo evolutivo concebido por Darwin e promulgado por seus sucessores não é teleológico. Por conseguinte, ele não pode empregar a atividade da inteligência, sob pretexto algum, para aumentar a informação biológica. E, sem o aporte inteligente, a conservação da informação implica que, à medida que recuamos a informação biológica no tempo, a quantidade de informação a ser explicada nunca diminui — e pode, na verdade, aumentar.
Explicando o sucesso do Walmart ao invocar rodovias interestaduais
Dada a conservação da informação e a ausência de input inteligente, a informação biológica — com a complexidade que vemos hoje — deve estar sempre presente no universo, de uma forma ou de outra, recuando até mesmo ao Big Bang. Mas onde, no Big Bang, com um calor e uma densidade que excluem qualquer forma de vida no início da história do universo, está a informação para o surgimento e o desenvolvimento subsequente da vida no planeta Terra? A conservação da informação diz que essa informação tem de estar ali, em forma embrionária, no Big Bang e em todos os instantes seguintes. Então, onde está? Como está representada? No ambiente, você diz? Invocar o ambiente como fonte da informação da evolução é conversa vazia — da mesma ordem que invocar o sistema rodoviário interestadual como a razão do sucesso comercial do Walmart. Há alguma conexão, com certeza, mas nenhuma delas oferece compreensão ou explicação real.
Para ver mais claramente o que está em jogo aqui, imagine peças de Scrabble dispostas em sequência para formar frases significativas (como METHINKS IT IS LIKE A WEASEL). Suponha que uma máquina, com sensores adequados, braços e garras móveis, retire as peças de Scrabble de uma caixa e as disponha dessa forma. Dizer que o ambiente organizou as peças de Scrabble para formar frases significativas é, neste caso, pouco esclarecedor. Sim, em termos gerais, o ambiente está organizando as peças em frases significativas. Mas, mais precisamente, é uma máquina robótica — presumivelmente executando um programa com as frases significativas devidamente codificadas — que está fazendo o arranjo.
Simplesmente invocar o ambiente, sem maiores detalhes, portanto, nada explica sobre o arranjo das peças de Scrabble em frases significativas. O que, exatamente, no ambiente explica a informação transmitida nesses arranjos de peças de Scrabble? E o que, no ambiente, explica a informação transmitida na organização dos sistemas biológicos? Essa é a pergunta que precisa ser respondida. Sem uma resposta a ela, os apelos ao ambiente são vazios e apenas encobrem nossa ignorância quanto às verdadeiras fontes da informação biológica.
Com uma máquina que organiza peças de Scrabble, podemos tentar abri-la e ver o que ela faz (“Ah, aqui está o código que diz METHINKS IT IS LIKE A WEASEL”). Já com o ambiente real da evolução biológica não podemos, por assim dizer, olhar sob o capô. Vemos forças naturais como vento, ondas, erosão, raios, movimento browniano, atração, repulsão, afinidades de ligação e afins. E vemos gradientes em que um organismo prospera e outros sucumbem. Se tal ambiente estivesse organizando peças de Scrabble em sequência, observaríamos as peças sopradas pelo vento, ou empurradas pelas ondas, ou levitadas por ímãs. E se, ao fim e ao cabo, encontrássemos peças de Scrabble formando frases coerentes em inglês, como METHINKS IT IS LIKE A WEASEL, teríamos todo o direito de inferir que uma inteligência de algum modo cooptou o ambiente e nele inseriu informação — ainda que não tenhamos a menor ideia de como.
Esse papel do ambiente, como provedor inescrutável de informação, é, no entanto, inaceitável para os principais teóricos evolucionistas. A seu ver, o modo como o ambiente insere informação nos sistemas biológicos ao longo do curso da evolução é eminentemente verificável. Dá-se, dizem eles, por um acúmulo gradual de informação, à medida que a seleção natural se apoia em pequenas vantagens, cada qual podendo surgir por acaso, sem contribuição inteligente. Mas qual é a evidência disso?
Isso nos leva de volta aos experimentos de nocaute (knock-out) que Ken Miller repetidamente propõe para refutar o design inteligente, nos quais uma estrutura responsável por uma função foi desativada e então, por pressão de seleção, a função (ou algo próximo dela) foi recuperada. Em todos os seus exemplos, não há uma sequência extensa, de várias etapas, de mudanças estruturais, cada qual conduzindo a uma vantagem funcional distinta. Tipicamente, é apenas uma única alteração de base nucleotídica ou de aminoácido o que se requer para recuperar a função.
Isso vale mesmo para a evolução da nilonase, mencionada antes. A nilonase não é resultado de uma sequência de DNA inteiramente nova, codificadora dessa enzima. Pelo contrário: resultou de uma mudança estrutural no DNA já existente — a alteração de algumas letras genéticas —, produzindo assim o gene da nilonase. A origem da nilonase é, portanto, análoga a mudar o significado de therapist (“terapeuta”) inserindo um espaço e obtendo the rapist (“o estuprador”)⁴. Para os detalhes sobre a evolução da nilonase, veja um texto que escrevi em resposta a Miller no Uncommon Descent (clique aqui).
Nota do tradutor⁴: o trocadilho só funciona em inglês: therapist (“terapeuta”) → the rapist (“o estuprador”), bastando inserir um espaço. Em português a brincadeira se perde; mantemos o exemplo no original.
O desafio duplo do design inteligente
O design inteligente sempre apresentou um desafio em duas frentes à teoria evolucionária convencional. Por um lado, os proponentes do design têm contestado a ancestralidade comum. Descontinuidades no registro fóssil e em supostas filogenias moleculares fizeram, para muitos de nós (Michael Behe tendia a ser a exceção), com que a ancestralidade comum parecesse longe de convincente. Nossa relutância aqui não é uma reação alérgica, mas simplesmente uma questão de evidência: muitos de nós, na comunidade do design inteligente, consideramos fraca a evidência da ancestralidade comum, sobretudo quando deixamos os agrupamentos taxonômicos inferiores e passamos ao nível de ordens, classes e, acima de tudo, filos (como na explosão cambriana, em que todos os principais filos animais surgem repentinamente, sem precursores evidentes nas rochas pré-cambrianas). E, de fato, se a ancestralidade comum cair, a teoria evolucionária convencional cai junto.
Por outro lado, os proponentes do design argumentam que, mesmo que a ancestralidade comum seja válida, a evidência de inteligência na biologia é convincente. A conservação da informação é parte desse desafio de segunda ordem à evolução. Teóricos evolucionistas como Miller e Dawkins acham que, se conseguirem decompor a evolução de um sistema biológico complexo numa sequência de pequenos passos — cada um realizável por busca cega (por exemplo, mutações pontuais no DNA) e cada um conferindo uma vantagem funcional —, então a evidência de design se desvanece. Mas não se desvanece. Independentemente da história evolutiva que se conte, a conservação da informação mostra que a informação no produto final tinha de estar ali desde o começo.
Seria realmente uma propriedade notável da natureza se a aptidão, em todo o espaço de configuração biológica, estivesse distribuída de tal modo que as vantagens pudessem ser acumuladas gradualmente por um processo darwiniano. Francamente, não vejo evidência disso. Os exemplos citados por Miller mostram alguns pequenos aumentos de informação associados à recuperação e ao aprimoramento de uma única função biológica, mas dificilmente o aumento maciço de informação em que estruturas e funções coevoluem e levam a casos marcantes de invenção biológica. A resposta usual ao meu ceticismo é: dê mais tempo à evolução. Fico feliz em dar — mas, mesmo que o tempo permita à evolução prosseguir de modo muito mais impressionante, o desafio que a conservação da informação coloca à evolução permanece.
No campo da evolução tecnológica (em contraste com a biológica), as novas invenções revolucionárias nunca resultam de ajustes graduais nas tecnologias existentes. Estas, por certo, podem ser cooptadas para uso numa tecnologia revolucionária. Assim, quando Alexander Graham Bell inventou o telefone, valeu-se de tecnologias existentes, como fios, circuitos elétricos e diafragmas. Mas estes foram reunidos e adaptados para um uso inovador e, à época, sem precedentes.
Mas e se a evolução tecnológica se desse do mesmo modo que, segundo nos dizem, se dá a evolução biológica — com as invenções úteis ao homem sendo todas alcançáveis por ajustes graduais de uma ou de algumas invenções primordiais? Uma consequência seria que pessoas que nada soubessem sobre o funcionamento das coisas, mas apenas entendessem o que é beneficiar-se de uma função, poderiam tornar-se inventores da estatura de Bell e Edison. Mais significativamente, tal estado de coisas indicaria algo muito especial sobre a natureza da invenção humana: que ela estaria distribuída continuamente pelo espaço de configuração tecnológica. Isso seria notável. É certo que não é o que vemos. Em vez disso, vemos ilhas de invenção nitidamente desconexas, inacessíveis umas às outras por meros ajustes graduais.
O mesmo valeria para a invenção biológica. Se a evolução biológica procede por um acúmulo gradual de vantagens funcionais, em vez de ficar encalhada em ilhas isoladas de função, cercadas por vastos mares de não função, então a paisagem de aptidão sobre o espaço de configuração biológica tem mesmo de ser muito especial (lembre-se dos comentários de Stuart Kauffman nesse sentido, anteriormente neste artigo). A conservação da informação vai além e diz que qualquer informação que venhamos a extrair do processo evolutivo já existia nessa paisagem de aptidão, ou em algum outro aspecto do ambiente, ou foi inserida por uma inteligência interveniente. O que a conservação da informação garante que não aconteceu é que o processo evolutivo tenha criado essa informação a partir do zero.
Há alguns anos, tive uma conversa interessante com Simon Conway Morris sobre o lugar da teleologia na evolução. Segundo ele, a informação que guia o processo evolutivo está embutida na natureza e não é redutível ao mecanismo darwiniano de seleção, replicação e mutação. Ele afirmou isso diretamente num e-mail que me enviou, datado de 20 de fevereiro de 2003, antecipando seu livro, então no prelo, Life’s Solution. Cito o e-mail, em vez do livro, porque ele esclarece sua posição melhor do que qualquer coisa que eu tenha lido dele depois. Eis a citação do e-mail:
Acontece que não tenho certeza de que estejamos tão distantes, ao menos em alguns aspectos. Nós dois, imagino, aceitamos que somos parte da boa criação de Deus e que, apesar de sua diversidade, de modo algum todas as coisas são possíveis. No meu próximo livro, Life’s Solution (CUP), defendo que certas propriedades biológicas da inteligência estão, por assim dizer, “cabladas” (hard-wired) no universo. Isso implica uma “navegação” da evolução por imensos “hiperespaços” de alternativas biológicas, quase todas mal-adaptativas [N.B.: isto significa que os hiperespaços adaptativos formam um alvo de probabilidade muito baixa!]. Essas tênues estradas (ou “buracos de minhoca”) da evolução definem uma estrutura biológica mais profunda, cuja principal evidência é a convergência (minha velha lenga-lenga). Arquétipos históricos e platônicos, se preferir, se encontram. Isso me parece significativamente distinto do DI: minha visão da Criação não só é muito rica (evidentemente), como tem uma estrutura subjacente que permite à evolução atuar. A seleção natural, afinal, é apenas um mecanismo; aquilo em que certamente concordamos é a natureza dos produtos finais, ainda que discordemos sobre como vieram a ser.
Não há muito de que eu discorde aqui. Minha única objeção a Conway Morris é que ele é hesitante demais em encontrar evidências (aquilo que ele chama de “prova”) da teleologia no processo evolutivo. Critico essa hesitação na minha resenha de Life’s Solution para a Books & Culture — uma resenha que saiu no ano seguinte a este e-mail (clique aqui para lê-la). A falha de Conway Morris é não levar sua posição até a conclusão lógica. Ele prefere criticar a teoria evolucionista convencional, com seu materialismo tácito, do ponto de vista da teologia e da metafísica. A convergência aponta para um processo evolutivo altamente restrito, consistente com o design divino. Está bem, mas há mais.
Se a evolução é tão fortemente restringida — e o mecanismo darwiniano da seleção natural é apenas isto, um mecanismo, ainda que “navegue por imensos hiperespaços de alternativas biológicas”, confinando-se a “tênues estradas de evolução que definem uma estrutura biológica mais profunda” —, então, na linguagem da conservação da informação, as condições que permitem à evolução atuar eficazmente na produção da complexidade e da diversidade da vida são apenas um subconjunto minúsculo, e portanto um alvo de probabilidade pequena, entre todas as condições sob as quais a evolução poderia atuar. E como a natureza deu justamente com essas condições? Nesse caso, a natureza tem embutido nela não apenas um processo evolutivo genérico, que emprega seleção, replicação e mutação, mas um processo precisamente sintonizado para produzir as requintadas adaptações — ou, ouso dizer, os projetos (designs) — que permeiam a biologia.
Onde Conway Morris encontra apenas coerência com sua cosmovisão cristã (temperada por uma fusão de Darwin e Plotino), a conservação da informação mostra que o processo evolutivo tem embutidas em si ricas fontes de informação que um materialismo pleno não pode justificar nem tem o direito de esperar. O melhor que tal materialismo pode fazer é considerar um feliz acaso que a evolução atue eficazmente, produzindo complexidade e diversidade biológicas cada vez maiores, quando a maioria das maneiras de atuar seria ineficaz — não produzindo vida alguma, ou ecossistemas enfadonhos (uma desproporção espelhada na literatura da computação evolucionária, em que a maioria das paisagens de aptidão é mal-adaptativa).
A lição da conservação da informação
As improbabilidades associadas a fazer a evolução funcionar não são, portanto, mais fáceis de enfrentar do que as improbabilidades que enfrenta um processo evolutivo dependente apenas da busca cega. É esta a relevância da conservação da informação para a evolução: ela mostra que as vastas improbabilidades que a evolução supostamente atenua, na verdade, nunca são atenuadas. Sim, você pode chegar ao topo do Monte Improvável; mas as ferramentas que permitem encontrar uma subida gradual montanha acima são tão improváveis quanto simplesmente escalá-la de uma só vez. Esta é a lição da conservação da informação.
Resta uma questão final: qual é a fonte da informação, na natureza, que permite que os alvos sejam buscados com sucesso? Se as forças materiais cegas só podem redistribuir informação já existente, então, de onde vem, em primeiro lugar, a informação que possibilita uma busca bem-sucedida — seja na evolução biológica, na computação evolucionária, no ajuste fino cosmológico ou em qualquer outro domínio? A resposta agora será óbvia: da inteligência. Sob princípios materialistas, a inteligência não é real, e sim um epifenômeno de processos materiais subjacentes. Mas, se a inteligência é real e possui poderes causais reais, então ela pode fazer mais do que simplesmente redistribuir informação — pode também criá-la.
Na verdade, essa é a propriedade definidora da inteligência: sua capacidade de criar informação — em especial, informação que encontra agulhas em palheiros. Esse fato deveria ser mais óbvio e convincente para nós do que qualquer fato das ciências naturais, visto que (1) nós mesmos somos seres inteligentes que criam informação o tempo todo, por meio de nossos pensamentos e da nossa linguagem, e (2) as próprias ciências naturais estão logicamente a jusante da nossa capacidade de criar informação (se não fôssemos criadores de informação, não poderíamos formular nossas teorias científicas, muito menos buscar as que são empiricamente adequadas, e não haveria ciência). A filosofia materialista, no entanto, inverte isso: torna a ciência materialista primordial e, então, define nossa inteligência como inexistente, porque o materialismo não lhe deixa espaço.
Encerro com uma citação de Descartes que, a despeito de seu dualismo de substância, compreendeu corretamente que a inteligência jamais poderia ser reduzida a matéria cega e bruta agindo mecanicamente. A citação é do seu Discurso do Método. Ao lê-la, tenha em mente que, para o materialista, tudo é uma máquina — seja ele próprio, seja o processo evolutivo, seja o universo como um todo. Tudo, para o materialista, é apenas matéria cega e bruta atuando mecanicamente. E tenha em mente, também, que a conservação da informação mostra que essa visão materialista é fundamentalmente incompleta, incapaz de explicar a informação que anima a natureza. Eis a citação:
Embora as máquinas possam fazer certas coisas tão bem quanto — ou talvez melhor que — qualquer um de nós, elas infalivelmente falham em outras, pelas quais se descobre que não agem por conhecimento, mas apenas pela disposição de seus órgãos. Pois, ao passo que a razão é um instrumento universal, apto a servir em todas as circunstâncias, esses órgãos precisam de uma disposição particular para cada ação específica; donde resulta ser moralmente impossível que haja, numa máquina, diversidade suficiente para fazê-la agir em todas as ocorrências da vida do mesmo modo que a nossa razão nos faz agir.
Original: William A. Dembski. Conservation of Information Made Simple. August 28, 2012.
Faça um comentário