¿Qué es la vida? Por Gregory Chaitin

This post is also available in: Inglés

¿Su investigación le ha ayudado a llegar a alguna definición de vida?

Sí, hay una definición de vida implícita en este modelo. Por cierto, este modelo no se ocupa para nada del origen de la vida, de la creación de la vida. Básicamente, en el modelo que tengo uno empieza con la vida ya presente. Y lo que uno estudia es cómo evoluciona, cómo se incrementa su complejidad. Uno estudia la creatividad biológica. Eso se da porque en mi modelo ya asumo, esencialmente, el ADN, porque cuando asumo un lenguaje de programación universal estoy asumiendo esencialmente que el ADN y todos los mecanismos asociados ya están allá. Así que yo ya tengo vida: lo que pasa es que esa vida se vuelve más sofisticada, evoluciona. Eso se puede contrastar con la genética de poblaciones. Dawkins, en El gen egoísta, dice que Ronald Fisher es “el biólogo más grande desde Darwin”, y lo dice porque Fisher tiene una teoría matemática de la evolución. Y esa teoría, llamada Genética de Poblaciones -Fisher, Wright, Haldane, mucha gente ha trabajado en ella- estudia cómo las frecuencias de genes cambian en respuesta a presiones selectivas. Y es una teoría muy bonita, no tengo nada contra ella, pero en esa teoría uno empieza con un cierto acervo genético, y lo que se estudia es cómo cambian las frecuencias. Así que no se estudia de dónde vienen los nuevos genes. Y eso es lo que me interesa, la creatividad biológica. Además, desde un punto de vista matemático, la Genética de Poblaciones es muy bella y usa matemáticas muy conocidas, las ecuaciones diferenciales, mientras que yo uso un nuevo tipo de matemáticas, que empiezan con Turing en 1936, la teoría de la computabilidad y, en particular, la teoría algorítmica de la información. Así que eso es un nuevo tipo de matemáticas, y básicamente trabajo sobre la idea de que el ADN es esencialmente un lenguaje de programación digital, una metáfora que se usa a menudo: evo-devo, biología evolutiva del desarrollo, se refiere al ADN como un lenguaje de programación que calcula al organismo, que especifica cómo crear el organismo a través del desarrollo embrionario. Así que es una metáfora muy conocida y lo que añado a ella es decir: “tenemos la oportunidad de crear modelos matemáticos y demostrar cosas.” La mayor parte de la investigación actual, que yo sepa, en modelos biológicos, es muy diferente de lo que estoy haciendo. La biología de sistemas, que es lo que está de moda ahora, intenta tener modelos informáticos de sistemas biológicos que sean muy detallados y realistas. Y es muy útil: por ejemplo, esperan ser capaces de averiguar el efecto de un medicamento a través de simulaciones informáticas, en lugar de en organismos vivos. Se trata de un campo efervescente, con mucha gente trabajando en él. Pero creo que es imposible demostrar teoremas en biología de sistemas, porque los modelos son muy detallados, muy complicados, lo que es bueno para una simulación, pero no para demostrar cosas. Se trata de una especie de problema epistemológico relacionado con la forma en que funcionan las matemáticas puras. Le podría dar un par de citas divertidas para ilustrar esta idea, que los físicos teóricos conocen bien: que los modelos de juguete son útiles para entender los sistemas físicos, porque los sistemas reales son demasiado complicados. Una forma de ilustrar este punto es citar a Picasso: dijo algo así como “el arte es una mentira que nos ayuda a ver la verdad”. Y yo lo he modificado un poco: “las teorías son mentiras que nos ayudan a ver la verdad”. También podría citar a John Maynard Smith, un biólogo teórico, y a Jacob Schwartz, un matemático. Tuve, por cierto, la fortuna de conocer a John Maynard Smith antes de que muriese, y Jacob Schwartz era amigo mío -también ha fallecido, desafortunadamente. Y los dos tienen comentarios dignos de ser citados. Uno de ellos, de Maynard Smith en su libro The origins of life, dice que es un error pensar que los modelos muy complicados son útiles en biología: los modelos muy complicados solamente te confunden. Hay que trabajar con modelos simples, de otra forma no hay ninguna esperanza de llegar a entender su comportamiento. Le puedo dar otra cita, de un ensayo de Jacob Schwartz, The pernicious influence of mathematics on science, donde dice que las matemáticas puras no son adecuadas para tratar situaciones reales, que en general son complicadas, con varios procesos sucediendo a la vez. Las matemáticas puras funcionan mejor al estudiar un solo fenómeno. Las matemáticas puras son, por decirlo de alguna manera, de un solo propósito, y funcionan mejor cuando se coge una idea simple y se extraen de ella sus consecuencias, pero no funcionan bien en una situación más realista, cuando más de un proceso se da a la vez. Entonces, las matemáticas puras tienden a perderse en una jungla de complejidades combinatorias. Se pueden encontrar ambas citas en los apuntes sobre metabiología que he colgado en mi página web, al principio.

Share and Enjoy:
  • Digg
  • del.icio.us
  • Facebook
  • Yahoo! Buzz
  • Twitter
  • Google Bookmarks
  • Bitacoras.com
  • Google Buzz
  • Meneame
  • Reddit
  • RSS

Leave a Reply

You can use these HTML tags

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>