A estrada menos percorrida não é para formigas
_k0mhtr8IA1c.jpg "Formigas vermelhas (foto de Keerthi V em Unsplash - https://unsplash.com)") |
| Formigas vermelhas (foto de Keerthi V em Unsplash) |
por Katie Galloway
28 de outubro de 2013
No campo da biomimética, cientistas estudam sistemas biológicos na esperança de usar o que aprendem para ajudar a melhorar a civilização humana. Por exemplo, um estudo recente do comportamento de forrageamento de formigas abriu uma oportunidade para melhorar soluções para problemas dinâmicos, como o fechamento de um aeroporto, estrada ou fábrica. Esse tipo de pesquisa também traz implicações para o debate entre criação e evolução.
Duas estradas divergiam em uma floresta, e eu —
eu peguei a menos percorrida,
E isso fez toda a diferença.
— Robert Frost, “The Road Not Taken” {A Estrada Não Trilhada}
Embora populares em discursos de formatura, esses versos do famoso poema de Robert Frost provavelmente não teriam apelo entre as formigas, mesmo as alfabetizadas. Individualismo robusto simplesmente não é uma virtude no mundo das formigas. As formigas dependem de sua colônia para encontrar as rotas mais rápidas entre as fontes de alimento e o ninho; esse é um fenômeno conhecido como “inteligência de enxame”.
A inteligência de enxame representa a computação descentralizada pela colônia de formigas. Ela depende de formigas individuais para encontrar os caminhos mais eficientes de e para uma fonte de alimento. Formigas batedoras deixam uma trilha de feromônios para a fonte de alimento, que encaminha as forrageadoras para esses caminhos. Conforme as forrageadoras percorrem esses caminhos, elas depositam mais feromônios, amplificando o sinal. Este é um exemplo de design de rede adaptável onde, com o tempo, as rotas mais rápidas tendem a se tornar mais populares, enquanto as rotas mais longas desaparecem. Para formigas, o design de rede adaptável funciona porque o feromônio que elas depositam é volátil (o que significa que ele evapora). Assim, caminhos menos eficientes ficam ociosos por mais tempo e eventualmente perdem todos os vestígios de feromônios, enquanto caminhos mais curtos são percorridos com mais frequência e, portanto, continuamente reforçados com cheiro.
Algoritmos Inspirados em Formigas
A estratégia de forrageamento das formigas para encontrar o caminho mais curto de e para uma fonte de alimento inspirou cientistas a criar o algoritmo de otimização de colônia de formigas (ant colony optimization, ACO, em inglês). Um algoritmo de otimização é um conjunto de instruções para encontrar a melhor solução para um problema. Por exemplo, um algoritmo para encontrar a colher mais limpa pode ser o seguinte: (1) Compare a colher 1 e a colher 2. Mantenha a mais limpa. (2) Compare a colher mais limpa da rodada anterior com a colher 3. (3) Repita as etapas anteriores até comparar a enésima colher. Encontrar a colher mais limpa é bem fácil com esse algoritmo até que você tenha mais colheres do que partículas no universo conhecido, mas mesmo assim não é impossível.
ACO se enquadra em uma classe de algoritmos usados para resolver alguns dos problemas computacionais mais difíceis, problemas NP-difíceis. Problemas NP (nondeterministic polynomial time, em inglês; tempo polinomial não determinístico, em português) produzem soluções numéricas (o que significa que você não consegue encontrar uma equação para descrever a solução); problemas NP-difíceis produzem soluções numéricas que podem levar mais do que o tempo de vida do universo para serem computadas. (E você achava que discagem {telefônica} era lenta!) Como uma proteína se dobra em uma forma tridimensional e o famoso problema do caixeiro viajante (traveling salesman problem, TSP, em inglês) são ambos exemplos de problemas NP-difíceis.
O ACO tem sido usado para resolver vários problemas NP-difíceis. Estudar colônias de formigas reais pode levar a novos princípios para resolver problemas de otimização e inspirar algoritmos ACO aprimorados. Nos últimos anos, um grupo de pesquisadores decidiu observar como as formigas respondem a labirintos dinâmicos para encontrar o caminho mais curto entre o ninho e a fonte de alimento. [1] Ao mapear as soluções gráficas para um problema NP-difícil conhecido como Torre de Hanói (um jogo ou quebra-cabeça matemático), os pesquisadores construíram um labirinto que poderia testar a capacidade das formigas de encontrar a rota mais curta. Embora o labirinto representasse um problema relativamente "simples", havia mais de 30.000 caminhos possíveis diferentes de ponta a ponta do labirinto.
Surpreendentemente, as colônias de formigas foram realmente capazes de encontrar o caminho mais curto através do labirinto do ninho até a fonte de alimento. Além disso, as formigas responderam aos bloqueios no caminho mínimo encontrando um novo caminho mínimo alternativo. A rapidez com que o labirinto foi resolvido pode ser mapeada para dois parâmetros-chave: tamanho da colônia e feromônios de exploração. Colônias maiores encontraram soluções mais rapidamente do que colônias menores. Feromônios de exploração marcam os caminhos percorridos pelas formigas enquanto elas forrageiam no labirinto. Não surpreendentemente, quando a pré-exploração foi permitida, uma nova colônia pôde reconstruir um caminho mínimo mais rapidamente.
Observar como as formigas respondem a labirintos em mudança pode inspirar programadores a desenvolver algoritmos que ofereçam soluções eficientes para problemas dinâmicos, como o fechamento de um aeroporto, estrada ou fábrica. Formigas, assim como abelhas e fungos viscosos, oferecem aos pesquisadores nas áreas de biomimética e ciências da computação a oportunidade de fazer engenharia reversa (ou desvendar os segredos de) algoritmos de otimização altamente eficientes utilizados na natureza para beneficiar uma sociedade avançada. No entanto, espreitando nessa busca estão algumas suposições importantes que influenciam nossa compreensão filosófica da natureza.
Implicações Filosóficas
Ao buscar sistemas biológicos para inspirar melhores designs, os cientistas estão sinalizando que esperam descobrir que os sistemas biológicos são regulados por regras e estruturas racionais. Os cientistas estão, de fato, tentando descobrir as regras e estruturas. Eles não esperam descobrir um sistema banal com aplicabilidade limitada; o que eles esperam encontrar são princípios orientadores universais codificados em sistemas biológicos naturais que podem ser aplicados a problemas humanos.
Embora essas suposições e exemplos não excluam uma explicação evolucionária, eles não se encaixam perfeitamente nos modelos popularizados da teoria evolucionária. Em vez disso, a biomimética nos obriga a fazer a pergunta: por que esperaríamos encontrar designs intrincados e sofisticados na natureza, a menos que eles emanem de uma fonte racional? Como pode ser que as soluções na natureza não sejam apenas mais bem adaptadas, mas inerentemente estruturadas tão (ou até mais) elegantemente do que os melhores algoritmos já inventados pelos humanos?
Os cristãos não devem se surpreender ao descobrir que o mundo natural é racionalmente ordenado, cognoscível e útil porque, como as Escrituras afirmam, o Criador do mundo natural é um ser racional. Por exemplo, João 1 descreve Cristo como “a Palavra” (logos, que também pode ser traduzida como “razão”). Nem o cristão deve se surpreender ao descobrir que Deus incorporou conhecimento especial na criação. Em Jó 12, por exemplo, a Bíblia implora: “Mas pergunte agora aos animais, e cada um deles o ensinará” {Jó 12:7a NAA}. A concordância que vemos entre os sistemas biológicos naturais e a descrição bíblica do Criador acrescenta peso ao corpo de evidências para a validade da Bíblia. O estudo da natureza é apenas uma das muitas disciplinas que continuam a apontar para Cristo como logos, Salvador e Senhor.
28 de outubro de 2013
No campo da biomimética, cientistas estudam sistemas biológicos na esperança de usar o que aprendem para ajudar a melhorar a civilização humana. Por exemplo, um estudo recente do comportamento de forrageamento de formigas abriu uma oportunidade para melhorar soluções para problemas dinâmicos, como o fechamento de um aeroporto, estrada ou fábrica. Esse tipo de pesquisa também traz implicações para o debate entre criação e evolução.
Duas estradas divergiam em uma floresta, e eu —
eu peguei a menos percorrida,
E isso fez toda a diferença.
— Robert Frost, “The Road Not Taken” {A Estrada Não Trilhada}
Embora populares em discursos de formatura, esses versos do famoso poema de Robert Frost provavelmente não teriam apelo entre as formigas, mesmo as alfabetizadas. Individualismo robusto simplesmente não é uma virtude no mundo das formigas. As formigas dependem de sua colônia para encontrar as rotas mais rápidas entre as fontes de alimento e o ninho; esse é um fenômeno conhecido como “inteligência de enxame”.
A inteligência de enxame representa a computação descentralizada pela colônia de formigas. Ela depende de formigas individuais para encontrar os caminhos mais eficientes de e para uma fonte de alimento. Formigas batedoras deixam uma trilha de feromônios para a fonte de alimento, que encaminha as forrageadoras para esses caminhos. Conforme as forrageadoras percorrem esses caminhos, elas depositam mais feromônios, amplificando o sinal. Este é um exemplo de design de rede adaptável onde, com o tempo, as rotas mais rápidas tendem a se tornar mais populares, enquanto as rotas mais longas desaparecem. Para formigas, o design de rede adaptável funciona porque o feromônio que elas depositam é volátil (o que significa que ele evapora). Assim, caminhos menos eficientes ficam ociosos por mais tempo e eventualmente perdem todos os vestígios de feromônios, enquanto caminhos mais curtos são percorridos com mais frequência e, portanto, continuamente reforçados com cheiro.
Algoritmos Inspirados em Formigas
A estratégia de forrageamento das formigas para encontrar o caminho mais curto de e para uma fonte de alimento inspirou cientistas a criar o algoritmo de otimização de colônia de formigas (ant colony optimization, ACO, em inglês). Um algoritmo de otimização é um conjunto de instruções para encontrar a melhor solução para um problema. Por exemplo, um algoritmo para encontrar a colher mais limpa pode ser o seguinte: (1) Compare a colher 1 e a colher 2. Mantenha a mais limpa. (2) Compare a colher mais limpa da rodada anterior com a colher 3. (3) Repita as etapas anteriores até comparar a enésima colher. Encontrar a colher mais limpa é bem fácil com esse algoritmo até que você tenha mais colheres do que partículas no universo conhecido, mas mesmo assim não é impossível.
ACO se enquadra em uma classe de algoritmos usados para resolver alguns dos problemas computacionais mais difíceis, problemas NP-difíceis. Problemas NP (nondeterministic polynomial time, em inglês; tempo polinomial não determinístico, em português) produzem soluções numéricas (o que significa que você não consegue encontrar uma equação para descrever a solução); problemas NP-difíceis produzem soluções numéricas que podem levar mais do que o tempo de vida do universo para serem computadas. (E você achava que discagem {telefônica} era lenta!) Como uma proteína se dobra em uma forma tridimensional e o famoso problema do caixeiro viajante (traveling salesman problem, TSP, em inglês) são ambos exemplos de problemas NP-difíceis.
O ACO tem sido usado para resolver vários problemas NP-difíceis. Estudar colônias de formigas reais pode levar a novos princípios para resolver problemas de otimização e inspirar algoritmos ACO aprimorados. Nos últimos anos, um grupo de pesquisadores decidiu observar como as formigas respondem a labirintos dinâmicos para encontrar o caminho mais curto entre o ninho e a fonte de alimento. [1] Ao mapear as soluções gráficas para um problema NP-difícil conhecido como Torre de Hanói (um jogo ou quebra-cabeça matemático), os pesquisadores construíram um labirinto que poderia testar a capacidade das formigas de encontrar a rota mais curta. Embora o labirinto representasse um problema relativamente "simples", havia mais de 30.000 caminhos possíveis diferentes de ponta a ponta do labirinto.
Surpreendentemente, as colônias de formigas foram realmente capazes de encontrar o caminho mais curto através do labirinto do ninho até a fonte de alimento. Além disso, as formigas responderam aos bloqueios no caminho mínimo encontrando um novo caminho mínimo alternativo. A rapidez com que o labirinto foi resolvido pode ser mapeada para dois parâmetros-chave: tamanho da colônia e feromônios de exploração. Colônias maiores encontraram soluções mais rapidamente do que colônias menores. Feromônios de exploração marcam os caminhos percorridos pelas formigas enquanto elas forrageiam no labirinto. Não surpreendentemente, quando a pré-exploração foi permitida, uma nova colônia pôde reconstruir um caminho mínimo mais rapidamente.
Observar como as formigas respondem a labirintos em mudança pode inspirar programadores a desenvolver algoritmos que ofereçam soluções eficientes para problemas dinâmicos, como o fechamento de um aeroporto, estrada ou fábrica. Formigas, assim como abelhas e fungos viscosos, oferecem aos pesquisadores nas áreas de biomimética e ciências da computação a oportunidade de fazer engenharia reversa (ou desvendar os segredos de) algoritmos de otimização altamente eficientes utilizados na natureza para beneficiar uma sociedade avançada. No entanto, espreitando nessa busca estão algumas suposições importantes que influenciam nossa compreensão filosófica da natureza.
Implicações Filosóficas
Ao buscar sistemas biológicos para inspirar melhores designs, os cientistas estão sinalizando que esperam descobrir que os sistemas biológicos são regulados por regras e estruturas racionais. Os cientistas estão, de fato, tentando descobrir as regras e estruturas. Eles não esperam descobrir um sistema banal com aplicabilidade limitada; o que eles esperam encontrar são princípios orientadores universais codificados em sistemas biológicos naturais que podem ser aplicados a problemas humanos.
Embora essas suposições e exemplos não excluam uma explicação evolucionária, eles não se encaixam perfeitamente nos modelos popularizados da teoria evolucionária. Em vez disso, a biomimética nos obriga a fazer a pergunta: por que esperaríamos encontrar designs intrincados e sofisticados na natureza, a menos que eles emanem de uma fonte racional? Como pode ser que as soluções na natureza não sejam apenas mais bem adaptadas, mas inerentemente estruturadas tão (ou até mais) elegantemente do que os melhores algoritmos já inventados pelos humanos?
Os cristãos não devem se surpreender ao descobrir que o mundo natural é racionalmente ordenado, cognoscível e útil porque, como as Escrituras afirmam, o Criador do mundo natural é um ser racional. Por exemplo, João 1 descreve Cristo como “a Palavra” (logos, que também pode ser traduzida como “razão”). Nem o cristão deve se surpreender ao descobrir que Deus incorporou conhecimento especial na criação. Em Jó 12, por exemplo, a Bíblia implora: “Mas pergunte agora aos animais, e cada um deles o ensinará” {Jó 12:7a NAA}. A concordância que vemos entre os sistemas biológicos naturais e a descrição bíblica do Criador acrescenta peso ao corpo de evidências para a validade da Bíblia. O estudo da natureza é apenas uma das muitas disciplinas que continuam a apontar para Cristo como logos, Salvador e Senhor.
---------------------
Dra. Katie Galloway
A Dra. Katie Galloway recebeu seu PhD em Engenharia Química, com especialização em Biologia, pela Caltech em 2012. Enquanto estava na Caltech, ela se concentrou em biologia sintética e biologia de sistemas e na construção de circuitos genéticos sintéticos que controlam a tomada de decisão celular. Em 2013, seu trabalho de tese foi publicado na Science. Atualmente, a Dra. Galloway atua como bolsista de pós-doutorado do NIH NRSA na University of Southern California em Los Angeles, CA, onde trabalha na conversão de células da pele em neurônios e no estudo de doenças neurodegenerativas. A Dra. Galloway também participou do Visiting Scholar Program de RTB e é uma mentora líder do The Lab.
Notas de Fim
A Dra. Katie Galloway recebeu seu PhD em Engenharia Química, com especialização em Biologia, pela Caltech em 2012. Enquanto estava na Caltech, ela se concentrou em biologia sintética e biologia de sistemas e na construção de circuitos genéticos sintéticos que controlam a tomada de decisão celular. Em 2013, seu trabalho de tese foi publicado na Science. Atualmente, a Dra. Galloway atua como bolsista de pós-doutorado do NIH NRSA na University of Southern California em Los Angeles, CA, onde trabalha na conversão de células da pele em neurônios e no estudo de doenças neurodegenerativas. A Dra. Galloway também participou do Visiting Scholar Program de RTB e é uma mentora líder do The Lab.
Notas de Fim
- Chris R. Reid, David J. T. Sumpter e Madeleine Beekman, “Optimisation in a Natural System: Argentine Ants Solve the Towers of Hanoi”, Journal of Experimental Biology 214 (1º de janeiro de 2011): 50–58.
________________________
Traduzido de The Road Less Traveled Is Not for Ants (RTB)
Etiquetas:
biomimética - criacionismo (progressivo) da Terra velha - argumento do relojoeiro - maravilha da Criação de Deus - design divino
.jpg)
.jpg)
.jpg)
Comentários
Postar um comentário
Escreva aqui seu comentário sobre esta postagem. Caso queira fazer um comentário sobre o blog em geral ou quiser se comunicar pessoalmente comigo, use o formulário de contato que se encontra na coluna lateral do blog.