Assunto:    Re: Pergunta sobre Teoria da Informação
Grupos de discussão: talk.origins
Data:       1º de fevereiro de 2001
Autor:      Mark C. Chu-Carroll
ID da mensagem: m3g0hy5ris.fsf@taliesin.watson.ibm.com

woodian@my-deja.com escreve:
> Estou tentando entender aonde os criacionistas e os "designistas"
> inteligentes" estão tentando chegar com essa "teoria da informação e design"
> besteira.
>
> Existem algum bons recursos online que me dêem uma noção do que é
> a teoria da informação (nem muito técnica, nem muito simplificada,
> também!)?

Na verdade, estão falando sobre duas noções distintas de teoria da informação: uma é a teoria da informação de Shannon; e a outra é a teoria da informação de Kolmogorov-Chaitin.

Para uma descrição interessante de Kolmogorov-Chaitin, sugiro The Limits of Mathematics de Greg Chaitin.

Para a teoria da informação de Shannon, dê uma olhada em http://oak.cats.ohiou.edu/~sk260695/skinfo.html, que possui muitos links.

O truque criacionista é misturar as duas teorias de uma maneira sem sentido para criar uma conclusão falsa.

A teoria de Shannon trata da comunicação. Ele trabalhava para a Bell Labs, e seu interesse fundamental era a comunicação através de links ruidosos. (O artigo fundamental que primeiro propôs a TI de Shannon foi intitulado "Comunicação na Presença de Ruído".) Na teoria de Shannon, a entropia é a aleatoriedade introduzida pelo ruído: a comunicação através de um canal ruidoso sempre adiciona entropia, mas nunca se pode adicionar informação - porque o ponto é transmitir corretamente a informação de uma fonte para um destino. O ruído ao longo do canal não pode adicionar ao conteúdo de informação - porque, por definição, a única informação foi fornecida pelo transmissor, e qualquer coisa que ocorra durante a transmissão pode, no máximo, não prejudicar o conteúdo de informação da transmissão.

A teoria de Shannon é, portanto, a raiz da alegação criacionista de que "a aleatoriedade não pode adicionar informação a um sistema".

A teoria da informação de Kolmogorov-Chaitin é um tópico totalmente diferente (e um sobre o qual eu sei mais do que sobre Shannon). K-C é uma versão da teoria da informação derivada da ciência da computação. Ela estuda o que chama de conteúdo de informação de uma string. Na teoria da informação K-C, define-se o conteúdo de informação de uma string em termos da aleatoriedade da string: uma string com muita redundância tem baixo conteúdo de informação; quanto mais aleatória for uma string, menos redundância ela tem, e, portanto, quanto mais informação cada bit dela contém. A teoria da informação K-C é interessante porque considera o tamanho da "máquina de decodificação" usada para interpretar uma string como parte da medida do conteúdo de informação dessa string. K-C também tem uma definição de entropia como medida de conteúdo de informação: a entropia é uma medida da aleatoriedade de uma string e, portanto, do conteúdo de informação dessa string.

A teoria da informação de K-C é absolutamente fascinante e tem sido usada bastante amplamente de muitas maneiras interessantes. Greg Chaitin tem usado-a como uma ferramenta para estudar algumas propriedades muito profundas da matemática; tem sido usada por cientistas da computação teóricos para analisar a complexidade algorítmica intrínseca de problemas computáveis; e tem sido usada para discutir o conteúdo de informação do DNA (porque, com o DNA, o conteúdo de informação não é determinado apenas pela sequência do gene, mas pela maquinaria que o processa).

O truque criacionista é afirmar que o termo "entropia" significa a mesma coisa tanto na teoria da informação de Shannon quanto na teoria K-C. Se isso for verdade, então você pode medir o conteúdo de informação do DNA, usando termos K-C, e depois argumentar, com base na teoria de Shannon, que o conteúdo de informação do DNA nunca pode aumentar.

O erro aqui é, na verdade, bastante sutil. O K-C não diz nada sobre como o conteúdo de informação pode mudar. Ele simplesmente fala sobre como medir o conteúdo de informação e o que, de fato, o conteúdo de informação significa em um sentido matemático/computacional. Mas Shannon está trabalhando em um campo muito limitado onde há um limite superior específico e predeterminado para o conteúdo de informação. O K-C, por definição, não tem tal limite superior.

Adicionar aleatoriedade a um sistema adiciona ruído ao sistema. Pela teoria de Shannon, isso significa que o conteúdo de informação do sistema diminui. Mas pela teoria K-C, o conteúdo de informação provavelmente aumenta com a adição de aleatoriedade. A teoria K-C permite que o ruído aumente o conteúdo de informação; a teoria de Shannon não. Misture as duas, e você obtém algo sem sentido, mas pode criar coisas que parecem muito profundas e que parecem muito deslumbrantes para pessoas que não são treinadas em nenhuma das duas formas de teoria da informação.

-Marcos

--
  "There's nothing I like better than the sound of a banjo, unless of
   course it's the sound of a chicken caught in a vacuum cleaner."
Mark Craig Chu-Carroll   (mcc@watson.ibm.com)
IBM T.J. Watson Research Center 

[Retornar às Postagens do Mês de 2001]