Я предполагаю, что понимаю принцип работы нейросети.
Традиционно их работу описывают, как последовательный подбор наиболее статистически вероятного слова (токена) в контексте диалога.
Но иногда возникает стойкое ощущение, что она реально понимает суть диалога. Я пишу финальный текст ролика и иногда спрашиваю у нейросети по возникающим вопросам. То есть нейросеть знает, что у меня есть симуляция, где я моделирую генетическое разнообразие в популяции.
В контексте диалога она догадывается, что у меня в модели только нейтральные мутации и предлагает очень интересные варианты усложнения модели.
(Полигамия - один самец - много самок, остальные самцы не оставляют потомства)

Мой вопрос:
Я провёл симуляцию с полигамией и получил снижение генетического разнообразия в популяции.
У меня возник вопрос.
Почему полигамия существует? Какие плюсы у неё есть с точни зрения эволюции

Часть ответа Gemini:
....
В вашей текущей модели, скорее всего, мутации либо нейтральные, либо их «полезность» не учитывается. Поэтому вы видите только негативную сторону — потерю данных (снижение разнообразия).

Если вы захотите усложнить модель, вы могли бы:

Ввести «цену» мутации (некоторые мутации дают +10% к шансу стать альфа-самцом).

Посмотреть, как быстро «полезный» ген захватит популяцию при моногамии и при полигамии.

Вы увидите, что полигамия — это ставка на краткосрочную эффективность в ущерб долгосрочной стабильности. Именно поэтому многие виды, оказавшиеся в изоляции (на островах), быстро вымирают: их полигамная структура вымывает разнообразие, и они не могут адаптироваться к новым изменениям среды.

Интересно, а в вашей симуляции популяция с полигамией дольше выходит на плато или быстрее?

Задачка на ночь.
Надеюсь все знают парадокс Монти Холла.
Задачка достаточно простая, хотя первоначально вызывает удивление.
Но стоит затратить пару минут и на листочке выписать все исходы, то приходит понимание.
При стратегии "менять свой выбор", шанс на выигрыш увеличивается до 2/3.
Парадоксом является то, что многие люди не принимают этот ответ.
Но для того, что бы это работало, ведущий должен всегда открывать одну из дверей (без приза).
Без этого условия парадокс не работает, но, по какой то причине, это условие почти никогда не указывают.

Задача:
Ведущий может открыть дверь, а может не открыть.

Если он злой (желает вам поражения), а вы неверно выбрали дверь, то он сразу объявит вас проигравшим. Но будет предлагать сменить выбор, если выбрали дверь с призом.

Если он добрый (желает вам победы), то откроет дверь (без приза) и предложит вам поменять свой выбор, только если вы выбрали дверь без приза. Если вы выбрали дверь с призом, то сразу объявит вас победителем.

Какой стратегии надо придерживаться, если мы не знаем, добрый он или злой?
Примем это как равновероятные варианты.
Какой шанс на победу при правильной стратегии?

https://www.youtube.com/watch?v=8w3ElTZFGO0
Онигири выпустил ролик и там есть обсуждение мира в виде тора.
Если в 2д игре объект выходит за верхний край экрана и появляется снизу, а выйдя за правый край и появляется слева, то мир имеет топологию тора.
Онигири рассматривает это как реальный 3д-тор и поэтому в разных частях мира получается разная кривизна пространства.
Я не силён в топологии, но кажется, с точки зрения топологии, в этом игровом 2д-мире нет "центральной дырки".
То есть можно игру свернуть в тор так, что "центральная дырка" может быть в любом месте игрового поля. Можно свободно перемещать эту "дырку" по полю и игрок, как бы он не перемещался, всегда будет, например, на внешней кромке тора.
При визуализации в виде 3д-тора, игрок (стрелка) должна выгледеть крупнее на внешнем крае и меньше внутри дырки.

Скинул Gemini текст ролика (про формирование видов и генетическое разнообразие) и предложил сделать картинку на основе сценария.

Подобное делали и другие блогеры, и результат был интересным.

Но самый интересный результат у меня.

Мы привыкли обсуждать «галлюцинации» ИИ или его идеологические наклонности.
Но тут больше похоже на рекламу прямо в лоб.
И это наводит на мысли: а что, если это не баг, а фича будущего?

Представьте: вы просите ИИ нарисовать новогоднюю открытку, и на столе оказывается бутылка конкретного бренда шампанского, который проплатил интеграцию.

Как я понимаю, подобного пока нет (или есть?)

Но, скорее всего, к этому мы придём, так как это обещает хорошие доходы

Gemini на моё недоумение извинилась :
"Извините, произошла ошибка: предыдущее изображение было сгенерировано на основе стандартного примера, а не вашего текста."

Краткое содержание нового ролика.

Если бы я был Богом, то в священном писании оставил бы число Пи с точностью, эквивалентной сотне знаков после запятой в десятичной системе.
Своего рода подпись, которую в то время невозможно было бы подделать.
Она бы сняла бы все вопросы о подлинности текста на тысячелетия вперед.
Человечество подобралось к этой отметке только в XIX веке.
Но, увы, такой подписи в канонических текстах нет.

Спекулятивная биология.
Как могли бы работать мутации у инопланетной жизни.
Или даже не мутации, а работа генома, когда отключаются фрагменты, которые сейчас не используются и считывание с ДНК происходит по другому пути.
У меня профдеформация, везде геном вижу ))
Увидев эту работу, сразу стал представлять, как бы происходило считывание и переключение цепочек ДНК.

На самом деле, это пример из челенджа, где в январе с помощью кода делают разные красивые вещи на заданную тему. Тема меняется каждый день.
Эта работа на тему: "Everything fits perfectly."
GENUARY is an artificially generated month of time where we build code that makes beautiful things.

Третий день валяюсь в постели с высокой температурой.
Как стало немного отпускать, приступил к написанию небольших моделей, которые давно хотел сделать.
Вот результат одной из них.
Идея старая и не моя. Нужно с помощью прямоугольников (кружков), используя генетический алгоритм, воссоздать изображение.

Геном агента состоит из 300 генов.
Ген состоит из 6 чисел.
Цвет(градация серого), прозрачность, координаты одного угла (x,y), координаты противоположного угла (x,y).
То есть каждый агент рисует свой рисунок из 300 прямоугольников разного размера цвета и прозрачности.
Результат попиксельно сравнивается с исходной картинкой и присваевается оценка.
Размер популяции - 15 агентов.
Пятеро лучших выбираются для генерации следующего поколения. Используется скрещивание.
Прошло 61к поколений. Я сохранял картинку при улучшении на 5%.

За последние дни на ютубе вышла пара роликов, где затрагивается тема, что гены являются главным единицами естественного отбора и основными репликаторами в биологической эволюции.
Всё это навеяно книгой "Эгоистичный ген".

Книге почти 50 лет. Несмотря на её культовый статус, в современной биологии это лишь один из подходов. Чаще всего единицей эволюции рассматривают популяцию. Жизнь слишком сложная система, чтобы упаковать её в одну концепцию.

Но адепты геноцентризма часто уверены, что их подход единственный верный.

Мне тоже нравится этот подход, но здесь, в качестве противодействия, я приведу несколько мыслей против этой концепции.
( для хайпа и обсуждений )

- Настоящими потомками древних репликаторов являются каталитические системы (вроде рибосом), а гены - это просто данные, которые они используют. Хотя гены можно рассматривать, как "пассивных репликаторов".

- Нас 8 миллиардов, а человекообразные обезьяны на гране исчезновения, хотя наши гены почти идентичны.
Разница в регуляторных сетях, которые решают, когда и как включать эти гены.
Значит, именно регуляторные сети являются реальными единицами отбора.

- Выигрышный признак зависит от удачной комбинации множества генов. Выгода от системы выше, чем сумма выгод от каждой её части. Отбор идет на уровне целого организма, а не отдельной молекулы.

Геноцентризм — удобная модель для некоторых задач, но нельзя принимать инструмент за всю реальность.

Я часто использую компьютерные модели, но важно помнить, что работающая компьютерная модель не является доказательством, что именно так происходит в реальности.
Работающая модель показывает, что в концепции нет логических дыр при заданных параметрах.
Она доказывает, что механизм может существовать, но не гарантирует, что природа выбрала именно его.

Например, в ролике про альтруизм я как раз использовал концепцию "эгоистичного гена".
Сама идея ролика возникла при просмотре лекции Александра Маркова, где был эпизод про чаек, которые, увидев косяк рыбы у поверхности воды, начинают кричать об этом на всю округу.

На первый взгляд - это чистый альтруизм, но модель показала, что сама идея рабочая.
Может существовать вариант гена, который, заставляя организм совершать некоторые действия, увеличивает шансы своего распространения в популяции.

Но так ли это в реальности, вопрос открытый.
Ещё никто, насколько я знаю, не нашёл тот самый ген, который заставляет чаек кричать.
Да и сама тема поведения, жёстко закодированного в генах, является очень сложной.

Попался мне ролик, где обсуждали научную публикацию "Что такое жизнь?"
Я заитересовался и скачал статью.

Детали исследования:
68 экспертов (биология, компьютерные науки, физика, философия и инженерия).
Нужно было дать определение жизни.
Определение должно состоять максимум из трех предложений.
Ограничений по времени на формулировку не было, то есть респонденты могли пользоваться литературой и консультироваться с коллегами.

С ответами сделали:
- попарный корреляционный анализ
- кластеризацию
- внутрикластерный семантический анализ с генерацией определения для кластера
- визуализация в двумерное пространство

В итоге выделили 8 кластеров, их я опишу в следующем посте.

Многие ответы от экспертов выглядят достаточно банально.
Возможно это связано с ограничением в три предложения.
Ограничение кажется странным, ведь анализ проводился не вручную, а с помощью LLM.
Но, видимо, писать больше трёх предложений желающих было мало.

На картинке распределение ответов по некоторым категориям:

Жизнь объективна (57%). Жизнь субъективна, зависит от наблюдателя (43%)
Жизнь бинарна, либо живое, либо нет (46%). Жизнь - это спектр (54%)
Конкретные научные критерии (88%), философские или поэтичные (12%)

Что такое Жизнь?

Выделеные кластеры и количество экспертов в кластере.
Половину из них я не понял :(

1. Когнитивная автономия (Cognitive Autonomy) (24)
Жизнь — это самоподдерживающаяся, целенаправленная система, которая обрабатывает информацию для адаптации к изменениям среды, оперируя как автономный агент.

2. Диссипативные самоорганизующиеся системы (Dissipative Self-Organizing Systems) (21)
Жизнь — это динамический процесс вдали от равновесия, характеризующийся самоорганизацией через контролируемую диссипацию энергии.

3. Самореплицирующиеся термодинамические системы (Self-Replicating Thermodynamic Systems) (8)
Жизнь — это самоподдерживающаяся химическая система, которая воспроизводится, оставаясь вдали от термодинамического равновесия. Ее репродуктивные способности делают возможными эволюционные процессы

4. Прагматический дефиниционный скептицизм (Pragmatic Definitional Skepticism) (4)
критика попытки дать определение.

5. Самоподдерживающиеся динамические паттерны (Self-Sustaining Dynamic Patterns) (4)
Жизнь — это устойчивый динамический паттерн, поддерживающий собственные условия существования через гармоническое взаимодействие компонентов.

6. Информационная саморепликация (Informational Self-Replication) (3)
Жизнь — это система информации, закодированная в физическом субстрате, способная к воспроизведению себя.

7. Перцептивная категоризация (Perceptual Categorization) (2)
Живым является тот, кого считают живым другие живые.

8. Динамический реляционный процесс (Dynamic Relational Process) (2)
Жизнь — это постоянное движение и обмен между внутренним и внешним, принципиально требующий связи с уже существующими живыми другими.

Время ночь, а я сижу, экспериментирую с ландшафтом приспособленности.
Популяция из 10000 особей.
Есть только два признака - координаты по X и Y.
Чем на более светлом фоне находится организм, тем с большей вероятностью он оставит потомство.
У потомков происходит небольшое изменение в случайном направлении (мутация).
Попробовал с бесполым размножением, с половым размножением (координаты x и y случайно берутся от одного из родителей)
и протестировал то, что называют кошмаром Дженкина.

При кошмаре Дженкина признаки родителей усредняются.
Все пишут, что Дарвин очень страдал от этого кошмара.
Из википедии:
"случайно появившийся у отдельной особи полезный признак в группе организмов постепенно будет нивелирован скрещиванием с обычными особями. Это логическое затруднение преодолено с созданием популяционной генетики".

Хотя я не пойму, в чём проблема. Описанный Дарвиным механизм прекрасно работает и при "растворении" признака.
Более того, большая часть признаков, зависящих от многих генов именно так себя и ведут.
В этой модели популяция с усреднением признаков родителей так же перемещается по ландшафту, правда скорость ниже.

https://youtube.com/shorts/fLQr5DqyqnM?si=DU9HCqXGT_2yTR5E

"Ты должен был бороться со злом, а не примкнуть к нему!"

Когда то я сделал симуляцию, которая показывает, как программа, записанная в геноме сама меняется под действием мутаций и отбора.
Теперь фрагменты моей симуляции используются в ролике креационистов где продвигается мысль, что у программы есть создатель.
(На последних секундах)

"Есть гипотеза, что код и программа появились путём непредсказуемых химических преобразований, из шума.
А есть гипотеза, о великом программисте"

Переодически попадаются необычные вещи из биологии.

Из англоязычной википедии.

"Adactylidium — это род клещей, известных своим необычным жизненным циклом.
Самка клеща выращивает в своём теле от пяти до восьми самок и одного самца.
Единственный самец клеща спаривается со всеми своими сёстрами, пока они ещё находятся внутри матери.
Новые самки, уже оплодотворённые, прогрызают себе путь из тела матери, убивая при этом свою мать (матери на тот момент может быть всего 4 дня от роду), и цикл начинается заново.
Самец тоже выбирается наружу, но не ищет пищу или новых самок и умирает через несколько часов."

Это классический пример матрофагии (поедания матери).
Тут у меня возник вопрос, зачем в этой схеме нужен самец.
Нейросеть пишет, что это костыль.

"Самки развиваются из оплодотворенных яиц (диплоидные, двойной набор), а самцы — из неоплодотворенных (гаплоидные, одинарный набор). Самец нужен, чтобы «достроить» геном дочерям до двойного набора. Без него рождались бы только новые самцы. Переход на чистый партеногенез — это сложная генетическая перестройка. Если текущая система «инцеста в утробе» работает и позволяет виду быстро захватывать ресурсы, эволюция может не «чинить» то, что и так не сломано."

Природа прекрасна.

Смерть запрограммированна?

Часто можно слышать, что смерть от старости нужна, что бы освободить место для молодых. Это ускоряет эволюцию.

У меня другое представление об этом.
Клетки накапливают ошибки в геноме и другие повреждения естественным образом.
Заботится и восстанавливать все клетки слишком накладно.
Всё внимание сосредоточено на половых клетках.
О соматических клетках стоит заботится ровно настолько, что бы успеть передать половые клетки в следующее поколение.
То есть возникает баланс.
Смерть от старости эволюцию не ускоряет, а замедлить может.
С человечеством сложнее, но в природе многие виды до смерти от старости могут просто не доживать.
Естественный отбор прекрасно регулируют численность популяции.

Сделал небольшую модель.
Популяция 1000 особей.
Начальная приспособленность равна 30.
Каждый сезон каждая выжившая особь оставляет одного потомка.
(чем больше приспособленность, тем выше вероятность выжить)
У потомка приспособленность может улучшится в 1% случаев или ухудшится в 50% случаев.
Голубая гистограмма показывает приспособленность, оранжевая возраст.

эксперимент 1 ( первая часть видео ): Срок жизни - 3 сезона.
Приспособленность популяции снижается.

То есть особь с хорошими показателями за три сезона скорее всего не оставит более удачный вариант, но вполне может получить всех потомков с худшими данными. (инволюция)

эксперимент 2 ( вторая часть видео ): Срок жизни не ограничен.
Приспособленность популяции быстро растёт.

То есть особь с хорошей приспособленностью может прожить больше 10 сезонов, пока кто то из её потомков не получит удачную мутацию и не вытеснит предка.

То есть для эволюции никакого смысла специально ограничивать продолжительность жизни в большинстве случаев нет. Организмы стареют естественным образом.

Но можно найти исключения. Например однолетнии растения или какая нибудь лосось, умирающая после нереста.

График по возрастам в популяции, где нет смерти от старости.
Каждый год есть шанс погибнуть по неестественным причинам. Ресурсы среды вносят органичения на размер популяции.
Поэтому долго никто не живёт.
Меняя параметры, можно растянуть график до большего числа лет.
Но эта популяция, где каждый сам за себя.
В популяции со сложной социальной структурой (человечество) график уже будет другим.
Как я предполагаю, будет каста бессмертных.