Naukowa metoda wykrywania projektuCzas czytania: 6 min

Kirk Durston

2019-10-16
Naukowa metoda wykrywania projektu<span class="wtr-time-wrap after-title">Czas czytania: <span class="wtr-time-number">6</span> min </span>

Z naukowym wykrywaniem inteligentnego projektu po raz pierwszy zetknąłem się, gdy jako student studiów inżynierskich pracowałem latem 1978 roku w National Defence Research. Były to czasy zimnej wojny i moje zadanie polegało na napisaniu programu, który służyłby do wyodrębniania odgłosów wydawanych przez radzieckie okręty podwodne spośród całego zakresu szumów tła słyszanych w oceanie. Udało mi się wykonać ten projekt – by wyodrębnić sygnaturę radzieckich okrętów podwodnych, użyłem między innymi szybkiej transformacji Fouriera zastosowanej do podwodnych sygnałów akustycznych.

Wbrew błędnym informacjom w popularnych mediach idea inteligentnego projektu odgrywa w nauce ważną rolę. Dotyczy to trzech różnych aspektów:

  1. realizowania projektu – inteligentnego wykorzystania podstawowych zasad fizyki, by utworzyć pożądany skutek (np. smartfon),
  2. odtwarzania projektu – odwrotnej inżynierii jakiegoś złożonego skutku prowadzącej wstecz do podstawowych zasad fizyki, by odkryć sam proces projektowania i realizowania projektu (np. gdy jakaś firma lub dany kraj używa odwrotnej inżynierii, by poznać technologię stosowaną przez inną firmę bądź inny kraj),
  3. wykrywania projektu – analizowania skutków, by określić, który z nich wymagał do swego powstania inteligentnej aktywności, a który mógł powstać naturalnie (np. poszukiwanie akustycznej sygnatury okrętu podwodnego spośród naturalnego szumu tła oceanu).

Na podstawie tych trzech kategorii inteligentny projekt można zdefiniować następująco:

Inteligentny projekt to efekt, do którego wytworzenia niezbędny jest inteligentny umysł.

Do przykładów inteligentnego projektu, które spełniają powyższą definicję, należą smartfony, genetycznie zmodyfikowane rośliny, tekst komunikatu, V symfonia Beethovena, kamienny grot włóczni oraz Wielki Zderzacz Hadronów w CERN-ie.

 

Jedyna w swoim rodzaju oznaka inteligencji

Wykrywanie projektu jest trwałym elementem takich nauk, jak kryminalistyka, badania stosowane przez sektor obronny, SETI, archeologia i biologia. W każdej z tych dziedzin stosowane są najrozmaitsze metody, ale istotny aspekt ich wszystkich można wyrazić nazwą funkcjonalna informacja1.

Mówiąc językiem nietechnicznym, funkcjonalna informacja to taka informacja, która jest niezbędna do wytworzenia pożądanego skutku. Testowalną, weryfikowalną i falsyfikowalną hipotezę użyteczną przy wykrywaniu projektu można wyrazić następująco:

Hipoteza: Jedyną w swoim rodzaju własnością inteligentnych umysłów jest ich zdolność do produkowania statystycznie znaczących poziomów informacji funkcjonalnej, w sensie zdefiniowanym w literaturze przedmiotu.

Kluczowym zwrotem jest tutaj „jedyna w swoim rodzaju” [unique]. Jedynie inteligencja ma wystarczającą intelektualną moc, aby utworzyć znaczące poziomy funkcjonalnej informacji. Powyższa hipoteza z pewnością jest testowalna i falsyfikowalna. Aby ją sfalsyfikować, musimy tylko sprawdzić, czy naturalne i nieinteligentne procesy utworzą statystycznie znaczące poziomy funkcjonalnej informacji.

Niemal każdy proces, na przykład wysypanie liter alfabetu z pojemnika na podłogę, może utworzyć funkcjonalną informację na poziomie trywialnym, czyli nieznaczącym. Ale jeśli chcemy utworzyć znaczące poziomy funkcjonalnej informacji, to musimy mieć coś jeszcze. Aktualnie jedyną opcją obserwowalną, testowalną i zweryfikowaną, jaką ma nauka, jest inteligencja. Chociaż istnieją inne twórcze scenariusze, jak naturalnie można otrzymać duże ilości funkcjonalnej informacji, to jednak niepowodzenie przy ich testowaniu sugeruje, że powinno się je poprawnie sklasyfikować jako science fiction2.

 

Naukowa metoda wykrywania projektu

Wyżej sformułowana hipoteza daje podstawę dla naukowej metody sprawdzania, czy jakiś skutek wymaga do swego powstania inteligencji.

Krok pierwszy: Oszacuj, jakiego poziomu funkcjonalnej informacji wymaga się do wytworzenia danego skutku.

Krok drugi: Określ, czy ten poziom funkcjonalnej informacji jest statystycznie znaczący.

Krok trzeci: Jeśli jest on statycznie znaczący, to możemy wnioskować, że do wytworzenia tego skutku wymagana jest inteligencja.

 

Czy to jest rozumowanie w rodzaju „Bóg luk”?

Dziwne, ale znam ludzi, którzy bez cienia wątpliwości twierdzą, że przedstawiłem rozumowanie w rodzaju „Bóg luk”, kiedy wyraźnie tak nie jest. Rozumowanie typu „Bóg luk” zawsze zawiera następującą – czy to wyraźną, czy milczącą – przesłankę:

Jeśli nie wiemy, co utworzyło „X”, to zrobił to Bóg.

Metoda naukowa, jaką powyżej przedstawiłem, wyraźnie nie zakłada takiej przesłanki. W rzeczywistości wiemy, co może tworzyć funkcjonalną informację – jest nią inteligencja. To obserwowalny fakt. Robimy to cały czas, kiedy wysyłamy jakiś tekst, piszemy esej lub coś budujemy. Jest to jedyna empirycznie zweryfikowana opcja, jaką nauka ma dzisiaj; inne scenariusze pozostają nadal w kategorii niezweryfikowanego science fiction. Funkcjonalna informacja jest pozytywnym wskaźnikiem, czyli „odciskiem palca” inteligentnego umysłu.

 

Co się dzieje, gdy testujemy życie?

Moim pierwszym krokiem było rozwinięcie i opublikowanie metody oszacowywania poziomu funkcjonalnej informacji niezbędnej, by kodować rodziny białek, czyli takiego poziomu, który jest istotnym wymogiem życia3. Zastosowanie tej metody do wielokrotnego szeregu sekwencyjnego składającego się z 30 176 sekwencji drugiej domeny PDZ4 ujawnia, że ta domena białek wymaga przynajmniej 140 bitów funkcjonalnej informacji. Aby zrozumieć, jak znaczące to jest, zwróćmy uwagę, że prawdopodobieństwo, iż procesy naturalne mogłyby generować ten poziom funkcjonalnej informacji, wynosi 1 do 10 z 41 zerami. Niedawna praca innych uczonych na temat tej domeny PDZ wskazuje, że moja metoda jest dość zachowawcza. Ale lepiej szacować zachowawczo niż przeszacować, ponieważ chciałbym uniknąć fałszywych pozytywów, czyli otrzymywania takiej cyfrowej informacji z badania białka, która wskazuje na inteligentny projekt, podczas gdy tak może nie być.

 

Implikacje

Powyższy przykład dotyczył domeny białkowej o długości jednej trzeciej średniego białka. Używając tego wyniku jako oszacowania wyjściowego średni gen kodujący białko będzie wymagał mniej więcej 420 bitów funkcjonalnej informacji, a nawet najprostsze bakterie wymagają setek różnych genów.

 

Wniosek

Markery (odciski palców) inteligentnego umysłu znajdują się wszędzie w genomach organizmów żywych. Gdy używamy zarysowanej wyżej naukowej metody, organizmy żywe dostarczają pozytywnych wyników na rzecz inteligentnego projektu. Dlatego możemy wnioskować, że DNA jest inteligentnie zaprojektowane.

 

Literatura dodatkowa

  1. Jeśli chodzi o to, jak nauka sobie radzi, próbując odpowiedzieć na pytanie o pochodzenie życia, to proponuję fascynujące streszczenie tego zagadnienia w krótkim artykule Jamesa Toura, wybitnego chemika zajmującego się syntezą związków organicznych. Patrz James Tour, Time Out, „Inference. The International Review of Science” 2019, July 11, Vol. 4, Issue 4 [dostęp 18 X 2019].
  2. Znakomita książka powiązana z tym tematem: S.C. Meyer, Darwin’s Doubt. The Explosive Origin of Animal Life and the Intelligent Design, Harper One, Revised ed. edition (2014).
  3. M.J. Behe, Darwin Devolves. The New Science About DNA That Challenges Evolution, Harper One (2019).

Kirk Durston

Oryginał: A Scientific Method for Design Detection, Evolution News & Science Today 2019, August 2 [dostęp 18 X 2019].

 

Przekład z języka angielskiego: Kazimierz Jodkowski

Źródło zdjęcia: Pixabay

Ostatnia aktualizacja strony: 16.10.2019

Przypisy

  1. Pojęcie to zostało zdefiniowane w następujących publikacjach: J. Szostak, Functional Information: Molecular Messages, „Nature”, July 2003, Vol. 423, No. 6941, s. 689 [dostęp 18 X 2019]; R.M. Hazen i in., Functional Information and the Emergence of Biocomplexity, „PNAS” 2007, May 15, Vol. 104, Suppl. 1, s. 85764–8581 [dostęp 18 X 2019]; K. Durston i in., Measuring the Functional Sequence Complexity of Proteins, „Theoretical Biology and Medical Modelling” 2007, Vol. 4 [dostęp 18 X 2019].
  2. K. Durston, On Fantasy in Modern Science, Evolution News & Science Today, 2019, April 25 [dostęp 18 X 2019].
  3. Durston, Measuring the Functional Sequence.
  4. 1GM1 Second PDZ Domain (PDZ2) of PTP-BL [dostęp 14 X 2019]

Dodaj komentarz

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



Najnowsze wpisy

Najczęściej oglądane wpisy

Wybrane tagi