Affirmation 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.

Source:

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

Réponse :

  1. Les théorèmes NFL ne s'appliquent pas à l'évolution biologique. Les théorèmes NFL ne s'appliquent que lorsque la fonction de fitness est indépendante de l'algorithme, mais dans l'évolution, les populations en évolution affectent l'environnement et les unes les autres, et par conséquent les fonctions de fitness.

    Il convient également de noter que les théorèmes NFL ne font pas référence à la recherche d'une cible. Ils peuvent s'appliquer à des problèmes tels que la détermination de quel algorithme, parmi plusieurs, fonctionne le mieux ; une telle application diffère du concept de cible de Dembski.

    Dembski lui-même a écrit plus tard que les théorèmes NFL ne sont pas importants pour son propos, qui porte sur le déplacement et la conservation de l'information (Dembski 2002a).

  2. Les théorèmes NFL considèrent la moyenne de toutes les fonctions de fitness. Trouver une fonction de fitness supérieure à la moyenne n'est pas compliqué et est souvent trivial. Si vous souhaitez une solution qui fonctionne bien selon une certaine métrique, alors une fonction de fitness qui mesure cette métrique fonctionnera généralement mieux qu'une recherche aveugle. Par exemple, si vous êtes intéressé par la survie et la reproduction dans un certain environnement, alors la survie et la reproduction dans cet environnement constituent un bon choix pour une fonction de fitness.

  3. L'épreuve ultime d'un concept est de savoir s'il fonctionne. Les algorithmes évolutionnistes fonctionnent. Ils trouvent des solutions à de nombreux problèmes qui sont intraitables avec d'autres méthodes. Si les mathématiques contredisent une observation fiable, les mathématiques sont mal appliquées, inapplicables ou erronées.

  4. L'information complexe spécifiée ne signifie pas le dessein.

  5. Aucun théoricien du dessein n'a jamais démontré que l'information complexe spécifiée existe dans la vie.

  6. Le fait que l'évolution utilise des informations provenant de l'environnement (via la fonction de fitness) n'est rien de nouveau. Le processus s'appelle l'adaptation. Darwin a écrit quelque chose sur le sujet général (Darwin 1859). Cela n'implique pas le dessein.

Liens :

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

Références :

  1. Darwin, C., 1872. L'Origine des espèces, 1re édition. Senate, London. http://www.talkorigins.org/faqs/origin.html
  2. Dembski, William A., 2002a (6 nov.). The ARN Design Forum: What genetic algorithms can do. http://www.arn.org/ubb/ultimatebb.php?ubb=get_topic;f=13;t=000428;p=1
  3. Wolpert, D. H. et W. G. Macready, 1997. No Free Lunch theorems for optimization. IEEE Transactions on Evolutionary Computation 1(1): 67-82. http://citeseer.nj.nec.com/wolpert96no.html

Pour approfondir:

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

Wolpert, David, 2002. William Dembski's treatment of the No Free Lunch theorems is written in jello. Mathematical Reviews, 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
Affirmation précédente : CF011.1   |   Liste des affirmations   |   Affirmation suivante : CF101
créé le 2003-10-22, modifié le 2003-10-25