Afirmación CF011.2:

The No Free Lunch (NFL) theorems (Wolpert and Macready 1997) prove that evolutionary algorithms, when averaged across fitness functions, cannot outperform blind search. This means that an evolutionary algorithm can find a specified target only if complex specified information already resides in the fitness function. Evolutionary algorithms cannot account for the complex specified information we see in life; that information has to come from design.

Fuente:

Dembski, William A., 2002b. No Free Lunch, Lanham, MD: Rowman & Littlefield, pp. xii, 199-212.

Respuesta:

  1. Los teoremas NFL no se aplican a la evolución biológica. Los teoremas NFL solo se aplican cuando la función de aptitud es independiente del algoritmo, pero en la evolución, las poblaciones en evolución afectan al entorno y entre sí y, por lo tanto, a las funciones de aptitud.

    También debe notarse que los teoremas NFL no se refieren a encontrar un objetivo. Pueden aplicarse a problemas como determinar cuál de varios algoritmos funciona mejor; tal aplicación difiere del concepto de objetivo de Dembski.

    Dembski mismo escribió más tarde que los teoremas NFL no son importantes para su punto, que trata sobre desplazamiento y conservación de la información (Dembski 2002a).

  2. Los teoremas NFL consideran el promedio de todas las funciones de aptitud. Encontrar una función de aptitud por encima del promedio no es complicado y a menudo es trivial. Si desea una solución que funcione bien según alguna métrica, entonces una función de aptitud que mida esa métrica generalmente funcionará mejor que la búsqueda ciega. Por ejemplo, si está interesado en la supervivencia y la reproducción en un cierto entorno, entonces la supervivencia y la reproducción en ese entorno es una buena elección para una función de aptitud.

  3. La prueba definitiva de un concepto es si funciona. Los algoritmos evolutivos funcionan. Encuentran soluciones a muchos problemas que son intratables con otros métodos. Si la matemática contradice la observación confiable, la matemática se ha aplicado mal, es irrelevante o está equivocada.

  4. La información compleja especificada no indica diseño.

  5. Ningún teórico del diseño ha demostrado jamás que la información compleja especificada exista en la vida.

  6. Que la evolución utiliza información del entorno (vía la función de aptitud) no es nada nuevo. El proceso se llama adaptación. Darwin escribió algo sobre el tema general (Darwin 1859). No implica diseño.

Enlaces:

Perakh, Mark, 2003. The No Free Lunch theorems and their application to evolutionary algorithms. http://www.talkreason.org/articles/orr.cfm

Referencias:

  1. Darwin, C., 1872. El Origen de las Especies, 1ª Edición. Senate, Londres. http://www.talkorigins.org/faqs/origin.html
  2. Dembski, William A., 2002a (6 de nov.). El Foro de Diseño de ARN: Lo que pueden hacer los algoritmos genéticos. http://www.arn.org/ubb/ultimatebb.php?ubb=get_topic;f=13;t=000428;p=1
  3. Wolpert, D. H. y W. G. Macready, 1997. Teoremas sin Almuerzo Gratis para la optimización. IEEE Transactions on Evolutionary Computation 1(1): 67-82. http://citeseer.nj.nec.com/wolpert96no.html

Estudio adicional:

Wein, Richard, 2002. Not a free lunch but a box of chocolates: A critique of William Dembski's book Sin Almuerzo Gratis. http://www.talkorigins.org/design/faqs/nfl/

Wolpert, David, 2002. William Dembski's treatment of the No Free Lunch theorems is written in jello. Reseñas Matemáticas, Feb. 2003, review 2003b:00012. http://www.talkreason.org/articles/jello.cfm or http://www.arn.org/boards/ubb-get_topic-f-14-t-000221.html
Afirmación anterior: CF011.1   |   Lista de afirmaciones   |   Siguiente afirmación: CF101
creado 2003-10-22, modificado 2003-10-25