Zagadka informacji. Bliższe spojrzenieCzas czytania: 8 min

Brian Miller

2026-11-06
Zagadka informacji. Bliższe spojrzenie<span class="wtr-time-wrap after-title">Czas czytania: <span class="wtr-time-number">8</span> min </span>

Pierwszy film w ramach naszego festiwalu poświęconego inteligentnemu projektowi na YouTubie, „The Information Enigma”1 [Zagadka informacji], to 21-minutowa synteza badań i publikacji Stephena Meyera oraz Douglasa Axe’a. Film ten pokazuje, w jaki sposób informacja obecna w świecie ożywionym jednoznacznie wskazuje na inteligentny projekt. Ten temat ma kluczowe znaczenie dla argumentów przemawiających za teorią inteligentnego projektu i dla programu badawczego ID. Poniżej szczegółowo przedstawię pojęcie informacji biologicznej i wyjaśnię, dlaczego procesy przyrodnicze nie mogą wytwarzać jej w znacznych ilościach.

 

Wprowadzenie do teorii informacji

Jednym z pionierów teorii informacji był Claude Shannon2, który powiązał pojęcie informacji z redukcją niepewności oraz prawdopodobieństwem. Na przykład znajomość pięciocyfrowego amerykańskiego kodu pocztowego (ZIP Code) przypisanego do danego adresu eliminuje niepewność co do położenia budynku. Rozszerzenie kodu o kolejne cztery cyfry dostarcza dalszych informacji, co jeszcze bardziej zmniejsza tę niepewność. Z kolei prawdopodobieństwo losowego wygenerowania właściwego pięciocyfrowego kodu pocztowego wynosi 1 na 100 000, natomiast prawdopodobieństwo wygenerowania właściwego dziewięciocyfrowego kodu – 1 na miliard. To drugie zdarzenie jest znacznie mniej prawdopodobne, a zatem dziewięciocyfrowy kod zawiera więcej informacji.

Shannon określił ilość informacji zawartej we wzorcu za pomocą zdefiniowanej przez siebie miary informacji Shannona. W najprostszym przypadku ilość informacji jest proporcjonalna do logarytmu z 1/p,3 gdzie p oznacza prawdopodobieństwo przypadkowego wystąpienia wzorca. W przypadku kodu pięciocyfrowego p wynosi 1/100 000, a 1/p – 100 000. Tę miarę można traktować jako minimalną liczbę odpowiedzi na pytania typu „tak–nie”, potrzebnych do wskazania jednej spośród N możliwości. Aby to zilustrować, wyobraź sobie, że próbujesz wskazać wybranego wcześniej słynnego aktora spośród ośmiu osób. Gdyby odpowiedź na każde kolejne pytanie pozwalała wyeliminować połowę pozostałych osób, do wskazania poszukiwanego aktora wystarczyłyby trzy pytania. Poznanie odpowiedzi jest zatem równoznaczne z uzyskaniem 3 bitów informacji. Zauważ, że 2 do potęgi 3 wynosi 8, a odwrotnie – logarytm z 8 przy podstawie 2 wynosi 3.

 

Informacja a biologia

Teorię informacji stosowali w biologii między innymi tacy badacze jak Hubert Yockey4. W tym kontekście należało tak zmodyfikować definicję Shannona, aby rozróżnić dowolne wzorce od tych, które pełniły jakąś funkcję. Miara Shannona została zmodyfikowana w celu kwantyfikacji „informacji funkcjonalnej”5. Miara informacji funkcjonalnej jest powiązana z prawdopodobieństwem, że losowy wzorzec pozwoli osiągnąć określony cel. Przykładowo, jeżeli jedna spośród 1024 sekwencji aminokwasowych tworzyłaby strukturę, która przyspiesza konkretną reakcję, informacja funkcjonalna związana z taką sekwencją wynosiłaby 10 bitów, ponieważ do wskazania jednej spośród 1024 możliwości należałoby zadać 10 pytań typu „tak–nie”. Matematycznie 2 do potęgi 10 wynosi 1024, a logarytm z 1024 przy podstawie 2 wynosi 10. Opracowano bardziej zaawansowane miary informacji funkcjonalnej, w tym algorytmiczną wyspecyfikowaną złożoność6 i bardziej ogólną kanoniczną wyspecyfikowaną złożoność7. Obie opierają się na tej samej podstawowej zasadzie. Miary te pomagają powiązać informację zawartą w cząsteczkach i strukturach biologicznych z ich zdolnością do pełnienia określonych funkcji.

 

Informacja a białka

Zawartość informacyjna sekwencji aminokwasowej białka jest bezpośrednio związana z jego zdolnością do kontrolowania reakcji chemicznych lub innych procesów. Ogólnie rzecz ujmując, im większa zawartość informacji, tym większa precyzja kontroli nad rezultatami8 i większa zdolność do wykonywania złożonych operacji molekularnych. Ponieważ sekwencje aminokwasowe o większej zawartości informacji są bardziej wyspecyfikowane, mogą fałdować się w trójwymiarowe struktury o bardziej precyzyjnej budowie i większej złożoności. Z kolei większe wymagania dotyczące specyficzności wiążą się z większą wrażliwością białek na skutki mutacji – zmiany dotyczące zaledwie kilku aminokwasów często całkowicie pozbawiają je funkcji. W konsekwencji prawdopodobieństwo wystąpienia sekwencji funkcjonalnych jest mniejsze, co jest kolejną oznaką większej zawartości informacji. Ten związek między informacją, rzadkością występowania sekwencji funkcjonalnych a złożonością funkcji ma daleko idące znaczenie dla badań Douga Axe’a nad białkami.

Axe wykazał, że prawdopodobieństwo, iż losowa sekwencja aminokwasowa sfałduje się, tworząc jedną z domen funkcjonalnego białka β-laktamazy, jest zbyt małe, by mogło to kiedykolwiek nastąpić przypadkowo9. W związku z tym zawartość informacji jest zbyt duża, by mogła powstać w wyniku losowego przeszukiwania. Mimo to β-laktamaza wykonuje względnie proste zadanie rozkładania cząsteczki antybiotyku. Natomiast wiele białek niezbędnych do powstania życia wykonuje znacznie bardziej złożone operacje10. To samo dotyczy wielu białek niezbędnych do powstania nowych grup organizmów (np. typów zwierząt). Dlatego zawartość informacyjna tych białek musi być jeszcze większa, a zatem prawdopodobieństwo ich powstania w wyniku losowego przeszukiwania – jeszcze mniejsze.

 

Informacja a projekt

Wniosek ten jest głęboko problematyczny dla teorii ewolucji, ponieważ żaden przyrodniczy proces nie jest w stanie wytworzyć znacznie większej ilości informacji, niż mogłaby powstać w wyniku losowego przeszukiwania. Ograniczenie to wynika z twierdzenia znanego jako „nic za darmo” (No Free Lunch), co wykazali w swoich badaniach Robert J. Marks, Winston Ewert i William Dembski11. Za tym wnioskiem przemawiają również twierdzenia wynikające z badań w dziedzinie informatyki. Na przykład informatyk Leonid Levin wykazał, że w systemach zawierających informację obowiązuje zasada „zachowania niezależności”. Stwierdził on:

Informacja I(„x”:„y”) wykazuje niezwykłą niezmienniczość – nie można jej zwiększyć poprzez losowe lub deterministyczne (rekurencyjne) przetwarzanie „x” lub „y”. Jest to naturalne, ponieważ jeżeli „x” nie zawiera informacji o „y”, wówczas istnieje niewielka szansa, że przetwarzanie „x” pozwoli uzyskać jakiekolwiek informacje o „y”. (Torturowanie świadka, który nic nie wie, nie dostarczy informacji o przestępstwie!)12

Prawo zachowania oznacza po prostu, że informacja I(„x”: „y”), wspólna dla dwóch systemów, „x” i „y”, nie może wzrosnąć w wyniku żadnego naturalnego procesu. Do niemal identycznego wniosku prowadzi również znana z teorii informacji nierówność przetwarzania danych13, zgodnie z którą zawartość informacji w sygnale nie może zostać zwiększona przez żadną lokalną operację fizyczną.

Odnosząc to do procesu ewolucji, pierwszy system (sygnał) może być zduplikowanym genem lub niefunkcjonalnym fragmentem DNA, w którym swobodnie zachodzą mutacje, a drugi – dowolną funkcjonalną sekwencją białkową, która mogłaby powstać w wyniku ewolucji tego genu lub fragmentu DNA. Z twierdzeń tych wynika, że zawartość informacji funkcjonalnej w sekwencji DNA („x”) nie mogłaby znacząco wzrosnąć, na przykład poprzez coraz większe upodabnianie się tej sekwencji do sekwencji nowego enzymu („y”). To ograniczenie sprawia, że ewolucja większości nowych białek jest nieprawdopodobna.

W przytoczonym na początku filmie Stephen Meyer, posługując się rozumowaniem stosowanym w naukach historycznych, wyjaśnia, w jaki sposób informacja wskazuje na inteligentny projekt. Ponadto aparat przetwarzania informacji w organizmach żywych dostarcza jednoznacznych świadectw dalekowzroczności, koordynacji i ukierunkowania na cel. Cechy te jednoznacznie wskazują na działanie inteligentnej sprawczości. Te same argumenty mają jeszcze większą moc w odniesieniu do pochodzenia życia. Pozostaje tylko jedno palące pytanie: jak daleko mogą się jeszcze posunąć krytycy, pozwalając, by ich filozoficzne uprzedzenia brały górę nad wyraźnymi wnioskami wskazującymi na projekt, które wynikają z informacji biologicznej?

Brian Miller

 

Oryginał: The Information Enigma: A Closer Look, „Science & Culture Today” 2020, June 19 [dostęp: 6 XI 2026].

Przekład z języka angielskiego: Adam Wójcicki

 

Źródło zdjęcia: Pixabay

Ostatnia aktualizacja strony: 6.11.2026

Chcesz wiedzieć więcej o informacji w kontekście biologicznym? Zapraszamy do lektury książki Podpis w komórce.

Książka dostępna w księgarni Fundacji En Arche.

Przypisy

  1. Por. Science & Culture, The Information Enigma, „Science & Culture Today” 2020, June 16 [dostęp: 3 XI 2026].
  2. Por. C.E. Shannon, A Mathematical Theory of Communication, „The Bell System Technical Journal” 1948, Vol. 27, No. 3, s. 379–423; No. 4, s. 623–656 [dostęp: 3 XI 2026].
  3. Por. M. Freiberger, Information Is Surprise, „Plus” 2015, March 24 [dostęp: 3 XI 2026].
  4. Por. H.P. Yockey, Information Theory, Evolution, and the Origin of Life, Cambridge University Press, Cambridge 2005.
  5. Por. R.M. Hazen et al., Functional Information and the Emergence of Biocomplexity, „Proceedings of the National Academy of Sciences” 2007, Vol. 104, No. 1, s. 8574–8581, https://doi.org/10.1073/pnas.0701744104.
  6. Por. W. Ewert, W.A. Dembski, R.J. Marks II, Algorithmic Specified Complexity, w: Engineering and the Ultimate: An Interdisciplinary Investigation of Order and Design in Nature and Craft, ed. J. Bartlett, D. Halsmer, M. Hall, Blyth Institute Press, Broken Arrow 2014, s. 131–149.
  7. Por. Science & Culture, BIO-Complexity Article Offers an Objective Method for Weighing Darwinian Explanations, „Science & Culture Today” 2019, January 9 [dostęp: 3 XI 2026].
  8. Por. P.E. Griffiths et al., Measuring Causal Specificity, „Philosophy of Science” 2015, Vol. 82, No. 4, s. 529–555, https://doi.org/10.1086/682914.
  9. Por. B. Miller, A Dentist in the Sahara: Doug Axe on the Rarity of Proteins Is Decisively Confirmed, „Science and Culture Today” 2019, February 18 [dostęp: 3 XI 2026].
  10. Por. Bacterial DNA Replication, „YouTube” [dostęp: 3 XI 2026]; Topoisomerase 1 and 2, „YouTube” [dostęp: 3 XI 2026]; S. Sannuga, V. Ramakrishnan, The Ribosome in Protein Synthesis, „YouTube” [dostęp: 3 XI 2026].
  11. Por. B. Miller, Evolutionary Informatics: Marks, Dembski, and Ewert Demonstrate the Limits of Darwinism, „Science & Culture Today” 2017, May 2 [dostęp: 3 XI 2026]; W.A. Dembski, Conservation of Information Made Simple, „Science & Culture Today” 2012, August 28 [dostęp: 3 XI 2026].
  12. L.A. Levin, Randomness Conservation Inequalities; Information and Independence in Mathematical Theories, „Information and Control” 1984, Vol. 61, No. 1, s. 18 [15–37], https://doi.org/10.1016/S0019-9958(84)80060-1.
  13. Por. Data Processing Inequality, „Wikipedia” [dostęp: 3 XI 2026].

Literatura:

1. Bacterial DNA Replication, „YouTube” [dostęp: 3 XI 2026].

2. Data Processing Inequality, „Wikipedia” [dostęp: 3 XI 2026].

3. Dembski W.A., Conservation of Information Made Simple, „Science & Culture Today” 2012, August 28 [dostęp: 3 XI 2026].

4. Ewert W., Dembski W.A., Marks II R.J., Algorithmic Specified Complexity, w: Engineering and the Ultimate: An Interdisciplinary Investigation of Order and Design in Nature and Craft, ed. J. Bartlett, D. Halsmer, M. Hall, Blyth Institute Press, Broken Arrow 2014, s. 131–149.

5. Freiberger M., Information Is Surprise, „Plus” 2015, March 24 [dostęp: 3 XI 2026].

6. Griffiths P.E. et al., Measuring Causal Specificity, „Philosophy of Science” 2015, Vol. 82, No. 4, s. 529–555, https://doi.org/10.1086/682914.

7. Hazen R.M. et al., Functional Information and the Emergence of Biocomplexity, „Proceedings of the National Academy of Sciences” 2007, Vol. 104, No. 1, s. 8574–8581, https://doi.org/10.1073/pnas.0701744104.

8. Levin L.A., Randomness Conservation Inequalities; Information and Independence in Mathematical Theories, „Information and Control” 1984, Vol. 61, No. 1, s. 18 [15–37], https://doi.org/10.1016/S0019-9958(84)80060-1.

10. Miller B., A Dentist in the Sahara: Doug Axe on the Rarity of Proteins Is Decisively Confirmed, „Science and Culture Today” 2019, February 18 [dostęp: 3 XI 2026].

11. Miller B., Evolutionary Informatics: Marks, Dembski, and Ewert Demonstrate the Limits of Darwinism, „Science & Culture Today” 2017, May 2 [dostęp: 3 XI 2026].

12. Sannuga S., Ramakrishnan V., The Ribosome in Protein Synthesis, „YouTube” [dostęp: 3 XI 2026].

13. Science & Culture, BIO-Complexity Article Offers an Objective Method for Weighing Darwinian Explanations, „Science & Culture Today” 2019, January 9 [dostęp: 3 XI 2026].

14. Science & Culture, The Information Enigma, „Science & Culture Today” 2020, June 16 [dostęp: 3 XI 2026].

15. Shannon C.E., A Mathematical Theory of Communication, „The Bell System Technical Journal” 1948, Vol. 27, No. 3, s. 379–423; No. 4, s. 623–656 [dostęp: 3 XI 2026].

16. Topoisomerase 1 and 2, „YouTube” [dostęp: 3 XI 2026].

17. Yockey H.P., Information Theory, Evolution, and the Origin of Life, Cambridge University Press, Cambridge 2005.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *



Najnowsze wpisy

Najczęściej oglądane wpisy

Wybrane tagi