You are on page 1of 8

Metabiologa:

los orgenes de la
creatividad biolgica
Gregory Chaitin, Virginia Chaitin y Felipe S. Abraho

Publicado en

Enero 2014

Copyright 2014 Prensa Cientfica S.A. Muntaner, 339 pral. 1. 08021 Barcelona (Espaa)
Reservados todos los derechos. Prohibida la reproduccin en todo o en parte por ningn medio mecnico, fotogrfico
o electrnico, as como cualquier clase de copia, reproduccin, registro o transmisin para uso pblico o privado,
sin la previa autorizacin escrita del editor de la revista.
74 INVESTIGACIN Y CIENCIA, enero 2014
Metabiologa:
C OMPLE JIDA D

los orgenes
creatividad
de la
biolgica

Un modelo matemtico
sencillo en el que resulta
posible demostrar los principios
que rigen la teora darwinista
de la evolucin
Gregory Chaitin, Virginia Chaitin
y Felipe S. Abraho

Enero 2014, InvestigacionyCiencia.es 75


Gregory Chaitines matemtico y terico de la computacin de la
Universidad Federal de Ro de Janeiro (UFRJ). Ha destacado por sus
contribuciones pioneras a la teora algortmica de la informacin y es el
creador del programa de investigacin en metabiologa.
Virginia M. F. G. Chaitines especialista en epistemologa interdisciplinar.
Trabaja en la UFRJ, donde investiga aspectos filosficos de la metabiologa.
Felipe S. Abrahoes estudiante de doctorado de la UFRJ.
Trabaja en el campo de la lgica matemtica y en metabiologa.

Las matemticas desempean un papel


clave en fsica, pero no en biologa.
Si podemos entender el comportamiento durante la explosin cmbrica, analiza- lar, veremos que nos permite analizar de
de las partculas subatmicas, el origen y da por Stephen Meyer en su reciente y dnde proceden los nuevos genes, algo
la evolucin del universo o la compleji- provocativo libro Darwins doubt (La imposible de hacer con otros modelos de
dad de la mecnica de fluidos, es gracias duda de Darwin). la evolucin. La gentica de poblaciones,
a la aplicacin de principios y herramien- La idea principal puede resumirse por ejemplo, se limita a estudiar los cam-
tas matemticas. En biologa, en cambio, como sigue. Todos hemos odo alguna bios en la frecuencia con que aparecen los
no sucede lo mismo. Aunque es cierto que vez que el cdigo gentico es el progra- genes ya existentes, pero no nos dice nada
las matemticas estn ayudando a descri- ma informtico de la vida. Craig Venter sobre su origen.
bir ciertos fenmenos (sobre todo aque- defiende con contundencia este punto Tal vez nuestra idea recuerde a la lnea
llos relacionados con los sistemas com- de vista en su ltimo libro, Life at the de investigacin llamada programacin
plejos, como las interacciones en redes speed of light: From the double helix to gentica [vase Invencin por evolu-
ecolgicas o la propagacin de enferme- the dawn of digital life (La vida a la ve- cin, por J. R. Koza, M. A. Keane y M.
dades, entre otros), estas no se encuen- locidad de la luz: De la doble hlice a los J. Streeter; Investigacin y Ciencia, abril
tran entre los fundamentos de las prin- albores de la vida digital), en el que tam- de 2003]. Sin embargo, el objetivo de esta
cipales teoras biolgicas. bin aborda la biologa digital y la vida ltima consiste en generar programas in-
A continuacin presentaremos una l- sinttica. As pues, en lugar de estudiar formticos que converjan hacia soluciones
nea de investigacin incipiente, iniciada mutaciones aleatorias de ADN, conside- prcticas de problemas de ingeniera, no
hace unos cinco aos, que persigue abor- raremos mutaciones aleatorias de progra- en demostrar que la evolucin es eterna.
dar desde un punto de vista matemtico mas informticos.
uno de los pilares de la biologa: la teora La teora de la evolucin de Darwin ha PROGRAMACIN
de la evolucin de Darwin. Pueden las sido calificada a menudo como diseo SIN PROGRAMADOR

pginas anteriores: fotolia/beau belle, modificado por investigacin y ciencia; Rubn Soifer (autores)
matemticas explicar la enorme plastici- sin diseador. Aqu exploraremos la no- Comencemos por recordar los principios
dad de la biosfera? cin de programacin sin programador. de la teora darwinista de la evolucin, el
Nuestra propuesta se basa en la idea Como veremos, este marco permite formu- diseo sin diseador. Segn esta, las
de considerar el ADN como un programa lar un modelo evolutivo lo bastante simple mutaciones aleatorias de ADN generan
informtico, una analoga concebida en como para demostrar que los principios nuevos organismos; despus, la seleccin
1948 por el matemtico John von Neu- que rigen la teora de Darwin funcionan; natural se encarga de filtrar los ms aptos.
mann y publicada en 1951, antes de que es decir, que las mutaciones aleatorias ge- La creatividad procede de las mutaciones.
James Watson y Francis Crick descubrie- neran organismos cada vez ms aptos, en El entorno escoge los mejores diseos y
sen la estructura de la molcula de ADN. un proceso que no conoce fin. elimina los peores.
En particular, nuestro modelo persigue Cabe esperar que nuestro modelo re- Nuestro modelo constituye una ver-
entender la creatividad biolgica: fen- produzca las propiedades matemticas de sin muy simplificada de la teora de
menos como la formidable aparicin de algunos de los mecanismos fundamenta- Darwin. En l, el papel del ADN lo de-
nuevas formas de vida que tuvo lugar les de la evolucin biolgica. En particu- sempean programas informticos,

EN SNTESIS

Un nuevo programade investigacin, La idea bsicaconsiste en estudiar En cierto modelo simple,la acumu- Las investigaciones futurasdebern
la metabiologa, aspira a sentar las mutaciones aleatorias de programas lacin de mutaciones aleatorias ope- determinar hasta qu punto tales re-
bases matemticas de la teora de la informticos, el equivalente compu- ra casi tan rpido como el diseo sultados son relevantes para la verda-
evolucin de Darwin. tacional del cdigo gentico. inteligente. dera evolucin biolgica.

76 INVESTIGACIN Y CIENCIA, enero 2014


mientras que el efecto del entorno queda directa que permite modelizar la llegada debern quedar especificadas por progra-
modelizado por una funcin de aptitud. de informacin desde el exterior y simular mas autodelimitantes. Ello quiere decir
En particular, nuestros organismos el efecto del entorno. que, al leer un programa bit a bit, debe-
son programas cuya misin consistir en Para acabar de especificar nuestro remos ser capaces de decir cundo termi-
calcular un nmero entero lo ms grande modelo, debemos definir qu entende- na. De esta manera, ninguna extensin
posible. Este problema se conoce en teora mos por una mutacin y establecer un de un programa vlido ser un programa
de la computacin como problema del mtodo para seleccionarlas al azar. En vlido. Si no imponemos esta condicin,
castor afanoso (busy beaver, en ingls). otras palabras, hemos de determinar la al calcular la probabilidad total de todos
La razn para elegirlo se debe a que, a pe- probabilidad de cada mutacin. los programas posibles obtendramos un
sar de su simplicidad, resolverlo requiere A fin de demostrar que la evolucin resultado infinito (y no un nmero acota-
una cantidad infinita de creatividad ma- posee una capacidad creadora ilimita- do entre 0 y 1, como debe satisfacer toda
temtica, ya que solo mediante un proce- da, necesitaremos emplear mutaciones probabilidad).
so creativo pueden inventarse funciones de tipo algortmico. Una mutacin al-
como la exponencial o la hiperexponen- gortmica no es ms que una funcin, APTITUD Y CREATIVIDAD
cial, las cuales permiten generar nmeros un programa informtico M que recibe Ya sabemos cmo funciona nuestro mo-
cada vez mayores. como entrada un organismo inicial A y delo. Sabemos en qu consisten nuestros
En esencia, nuestro modelo reproduce que, como salida, produce un organismo organismos, cmo seleccionar mutaciones
un camino aleatorio en el espacio de pro- mutado, A' = M(A). al azar, cul es el criterio para filtrar los
gramas. Partimos de un organismo simple Una manera muy natural de seleccio- organismos ms aptos y qu modelo evo-
(por ejemplo, el que calcula el nmero 1) y nar programas al azar consiste en elegir lutivo de camino aleatorio resulta de todo
lo sometemos a una mutacin aleatoria. Si cada uno de sus bits lanzando una mone- ello. Ahora la pregunta clave es: cun r-
como resultado obtenemos un programa da al aire. Ello nos permite asignar una pido procede la evolucin en este modelo?
capaz de calcular un nmero mayor, en- probabilidad a cada mutacin: si esta Cul es su grado de creatividad? Qu
tonces este ltimo reemplazar al prime- puede escribirse como un programa de clase de organismos surgirn de manera
ro. En caso contrario, el programa inicial N bits, la probabilidad de seleccionarla al espontnea?
permanecer inalterado y se lo someter azar ser 1/2N. Esta tcnica es bien cono- Antes de responder a esa pregunta de-
a una nueva mutacin. Ntese que en cida y viene emplendose en teora de la beremos hacer un inciso para hablar de un
nuestro modelo solo hay un organismo computacin desde los aos setenta del nmero sorprendente: el nmero W. Tam-
en cada instante, no una poblacin. Y que pasado siglo. Adems, presenta la venta- bin llamado probabilidad de detencin,
este solo posee material hereditario, pero ja de que las probabilidades resultantes W se define como la suma de las probabi-
carece de cuerpo y de metabolismo. no dependen demasiado del lenguaje de lidades individuales de cada uno de los
La nueva informacin llega desde el programacin escogido para describir las programas informticos que se detienen.
exterior por medio del criterio de aptitud. mutaciones. El conjunto formado por estos programas
De hecho, para determinar si un nuevo Tan solo nos falta establecer un ltimo es infinito; sin embargo, si solo conside-
programa es ms apto o no que el an- requisito tcnico: nuestras mutaciones ramos programas autodelimitantes, puede
terior, nos veremos obligados a emplear
un orculo de Turing. Ello se debe a programas y pro b a b i l idades
que una mutacin aleatoria siempre po-
dr generar un programa cuya ejecucin
nunca se detiene (por ejemplo, porque
Qu es un programa
entra en un bucle infinito). Sin embargo,
tal y como demostr Alan Turing en el
autodelimitante?
ao 1936, no existe ningn algoritmo que, En el modelo evolutivo considerado aqu, las mutaciones quedan representadas por
de manera general, sea capaz de decidir programas informticos escogidos de manera aleatoria. Dichos programas deben
si un programa dado acabar detenin- satisfacer un importante requisito tcnico: han de ser autodelimitantes; es decir, al
dose o no. leerlos bit a bit, deberemos poder decir cundo terminan. Por ejemplo:
De modo que necesitaremos un orcu-
programa principal;
lo, una idea concebida por Turing en 1939
subrutina A;
(no figuraba en su famoso artculo de 1936)
ejecutar bucle;
y que hace referencia a un dispositivo no
terminar ejecutar bucle;
algortmico, una especie de caja negra
terminar subrutina A;
capaz de determinar si un programa dado
subrutina B;
se detendr [vase Un Alan Turing des-
terminar subrutina B;
conocido, por B. Jack Copeland y Diane
terminar programa principal;
Proudfoot; Investigacin y Ciencia, junio
de 1999]. El aspecto clave reside en que, de esta manera, ninguna extensin de un pro-
El hecho de que nuestro modelo nece- grama vlido proporciona un programa vlido. En caso contrario, la probabilidad
site un orculo de Turing no quiere decir total asociada a todos los programas posibles sera infinita.
que estemos postulando que tales dispo- Esta propiedad nos permite asignar a los programas probabilidades bien defini-
sitivos no algortmicos realmente existan das. Si los bits de un programa se determinan al azar, la probabilidad de obtener un
en la naturaleza. Simplemente, se trata de programa de N bits ser 1/2 N .
la herramienta matemtica ms sencilla y

Enero 2014, InvestigacionyCiencia.es 77


idea principa l

Las matemticas de la evolucin


Puede fundamentarse la teora de la evolucin de Darwin desde un punto de vista matemtico? Un modelo sencillo,
basado en interpretar el cdigo gentico como un programa informtico, ha permitido obtener resultados positivos
en esta direccin.

Diseo sin diseador


La teora de Darwin ha sido calicada a menudo como diseo sin diseador. En ella, las mutaciones aleatorias del ADN generan nuevos
organismos; despus, el entorno se encarga de seleccionar los mejores diseos.

Seleccin natural
El entorno ltra los organismos
ms aptos
Organismo inicial Mutaciones aleatorias Nuevo organismo
(secuencia de ADN) (daos en el ADN,
errores de copia...)
Creatividad biolgica

Programacin sin programador


En el anlogo computacional de la teora de Darwin, el papel de los organismos lo desempean programas informticos, los cuales experimentan
cambios aleatorios. Un criterio matemtico de aptitud selecciona los mejores programas.

Criterio de aptitud
A = ...0101 0 1 1 1 0 1 1 ... A' = ...01 1 1 01 0001 0 ... Se elige el programa capaz de calcular
Programa inicial Modicaciones aleatorias Nuevo programa el mayor nmero entero
(secuencia de bits) ejecutadas por un
programa informtico N + N N N NN N!N!
elegido al azar
Creatividad matemtica

Orculos de Turing
Para determinar si A' calcula
Qu es una mutacin? un nmero mayor que A, debe
Es una funcin algortmica: emplearse un orculo de Turing,
un programa informtico M un proceso no algortmico que elimina
que toma el organismo inicial los programas que nunca se detienen.
como entrada y produce un nuevo Ello se debe a que una mutacin M escogida
organismo A' = M (A). Los bits al azar puede resultar en un programa
de M se determinan al azar. que nunca se detenga; tambin puede
ocurrir que el organismo mutado
no calcule ningn nmero.

Tasa evolutiva
La pregunta clave es cun rpido procede la evolucin en este modelo. En otras palabras:
cuntas mutaciones hacen falta para obtener el programa de N bits ms apto?
La comparacin con dos casos extremos pone de maniesto que la evolucin darwinista
opera mucho ms rpido de lo que cabra esperar.

Bsqueda exhaustiva Diseo inteligente Evolucin darwinista acumulativa


Examen ciego de todas Seleccin en cada momento Mutaciones aleatorias, preservando en cada
las posibilidades de la mejor mutacin posible paso el organismo ms apto

2 N mutaciones N mutaciones entre N 2 y N 3 mutaciones

78 INVESTIGACIN Y CIENCIA, enero 2014


demostrarse que dicha suma se encuentra ello habra que seleccionar en cada paso
bien definida y que converge hacia un nu- la mejor de todas las mutaciones posibles.
mero comprendido entre 0 y 1. Sin embargo, en la teora de Darwin las
El aspecto ms interesante de W reside mutaciones no se escogen de manera in-
en que no es computable. Lo mximo a lo teligente, sino al azar.
que podemos aspirar es a calcular unos Lo ms sorprendente de este modelo es
pocos bits de su representacin binaria. que las mutaciones aleatorias hacen evolu-
Ello se debe a que, si supisemos cmo cionar a nuestros organismos a un ritmo
calcular los primeros N bits de W para un no mucho menor que el diseo inteligen-
nmero N cualquiera, podramos hallar te. En este ltimo, bastan N pasos para mos de una cota infe-
una manera de resolver el problema de la determinar los primeros N bits de W. Las rior de W, intentarn
detencin para todos los programas de N mutaciones aleatorias, por su parte, logran primero incrementar el
bits o menos, el cual Turing demostr que el mismo objetivo tras un nmero medio bit K-simo de dicha cota; despus, com-
carece de solucin general. Lo que s pode- de pasos comprendido entre N 2 y N 3. probarn si el resultado contina sien-
mos hacer es calcular cotas inferiores de Comprese este resultado con lo que do o no una cota inferior de W (si no lo
W cada vez mejores, pero sin llegar nunca supondra intentar determinar los pri- es, puede demostrarse que el programa
a saber cun cerca nos hallamos del valor meros N bits de W mediante un proceso mutado nunca se detiene). Si repetimos
correcto. [Para un anlisis ms detallado de bsqueda exhaustiva, o ciega. Esta este proceso de manera sistemtica para
del nmero W, vase Los lmites de la ra- requerira explorar 2N posibilidades y, por K = 1, 2, ..., N, al concluir habremos de-
zn, por Gregory Chaitin; Investigacin tanto, necesitara una cantidad de tiempo terminado de manera correcta los pri-
y Ciencia, mayo de 2006]. muchsimo mayor. Sabemos que la evolu- meros N bits de W.
Por qu hablar de W? Porque nuestro cin biolgica no funciona as en absoluto. En caso de ejecutar mutaciones aleato-
modelo evolutivo es tal que, con una rapi- El genoma humano contiene unas 3 109 rias, bastarn unos N 3 intentos para repro-
dez razonable, generar buenas cotas in- bases. Sin embargo, en los 4 109 aos que ducir, por pura suerte, la misma secuencia
feriores de la probabilidad de detencin. lleva la vida sobre la Tierra, la evolucin de mutaciones del diseo inteligente. An-
La razn para ello es que los primeros solo ha podido explorar una fraccin insig- tes o despus, cualquier secuencia apare-
N bits del valor numrico de W forman, en
9
nificante de las 4310 secuencias posibles. ce como una subsecuencia de una serie
esencia, el programa de N bits ms apto; Cmo es posible que las mutaciones aleatoria. Puede verse que la probabilidad
es decir, aquel capaz de calcular el mayor aleatorias logren un resultado tan bue- de que una mutacin escogida al azar in-
nmero entero. no? La clave reside en que las mutaciones cremente el bit K-simo de W es aproxima-
Esa correspondencia surge porque co- ms eficientes son tambin muy sencillas damente igual a 1/K. Por tanto, aparecer
nocer los primeros N bits de W prctica- y, por tanto, cuentan con una alta pro- en promedio una vez por cada K intentos.
mente equivale a conocer la funcin del babilidad de aparecer en una secuencia Para obtener la secuencia correcta de mu-
castor afanoso, BB(N), la cual se define aleatoria. taciones deberemos tomar la suma desde
como el mayor nmero entero que puede Las mutaciones del diseo inteligente K = 1 hasta K = N. Cuando N es elevado, el
calcular un programa de N bits o menos. operan de la siguiente manera. Si parti- valor de dicha suma se aproxima a N 2/2.
Recordemos que conocer los primeros
N bits de W permite resolver el problema
e l n mero omega
de la detencin para programas de hasta
N bits. Por tanto, si conocemos los prime-
ros N bits de W, podremos identificar to- Creatividad matemtica
dos aquellos programas de N bits o menos
que se detienen y comprobar cul de ellos concentrada
calcula el mayor nmero entero. El nmero puede entenderse como la probabilidad de que un programa escogido
En sentido inverso, puede demostrarse al azar se detenga. Se define como la suma de las probabilidades individuales de
que, si conocemos BB(N), tambin sabre- cada uno de los programas que lo hacen:
mos el nmero correcto de pasos que ten-
dramos que dar para calcular una cota
inferior de W y asegurarnos de que los
=
programas autodelimitantes P
2
(nmero de bits de P)

que se detienen
primeros N bits son correctos.
As pues, con la ayuda de un orculo Los programas P considerados deben ser, adems, autocontenidos (es decir, no
de Turing, nuestro modelo evolutivo cal- aceptan entradas).
cular cada vez ms bits de la expresin Aunque se trata de un nmero bien definido y que satisface 0 < < 1, es
numrica de W. En otras palabras: extrae- incomputable. Puede demostrarse que conocer los primeros N bits de su expresin
r informacin del entorno con rapidez. binaria equivaldra a resolver el problema de la detencin para todos los programas
Pero a qu velocidad? de N bits o menos. En 1936, Alan Turing demostr que dicho problema carece de
solucin general.
DISEO INTELIGENTE En el modelo considerado en este artculo, los organismos son programas que
fotolia/beau belle

Y EVOLUCIN DARWINISTA intentan calcular el mayor nmero entero posible. Desde un punto de vista formal,
La secuencia evolutiva ms eficiente es ese reto equivale a calcular ms y ms bits de la expresin binaria de , una tarea
aquella que, tras cada nueva mutacin, lo- de dificultad formidable que mantiene a los organismos en constante evolucin.
gra determinar un bit adicional de W. Para

Enero 2014, InvestigacionyCiencia.es 79


e x tensiones

Efectos cunticos en la evolucin biolgica


Permiten las leyes de la mecnica cuntica nuevas sendas evolutivas?
Miguel ngel Martn-Delgado

La evolucin biolgica se nos hace visible a escala humana o bilidades asociadas a todos los procesos posibles es siempre 1). Por
macroscpica, un mbito en el que predominan las leyes de la fsica ltimo, la funcin de aptitud que determina si un organismo evo-
clsica. Sin embargo, sabemos que los cambios evolutivos tienen su luciona o no se rige, asimismo, por las leyes unitarias de la mecnica
origen en las mutaciones, las cuales ocurren a las escalas atmicas y cuntica. Todo lo anterior exige introducir una versin cuntica del
moleculares tpicas de la mecnica cuntica. As pues, resulta natu- nmero de Chaitin, el cual desempea un papel clave a la hora de
ral preguntarse si los efectos cunticos desempean algn papel en cuantificar las tasas evolutivas.
la dinmica evolutiva. Dicha hiptesis ya fue avanzada por Erwin Dicho trabajo demostr que el ritmo al que procede la evolucin
Schrdinger en 1944, antes incluso de que se descubriese la estruc- en un contexto cuntico depende del grado de entrelazamiento de
tura de doble hlice del ADN. En su obra Qu es la vida?, el fsico los estados que codifican la informacin gentica. Si tales estados no
austraco planteaba la posibilidad de que las mutaciones se debie- presentan ningn entrelazamiento (son separables), se recuperan
sen a las fluctuaciones cunticas del material gentico. los resultados del modelo clsico. Sin embargo, cuando la informa-
Qu resulta ms favorable, la evolucin biolgica en un mundo cin gentica se almacena en estados cunticos entrelazados, sur-
clsico o en un mundo cuntico? Esta pregunta guarda relacin gen nuevas posibilidades.
con dos cuestiones fundamentales. Por un lado, sabemos que la Si el grado de entrelazamiento es mximo, un escenario con
evolucin biolgica tal y como la conocemos opera en un mundo evolucin acumulativa implica que la evolucin clsica resulta ms
clsico; pero es posible que, con anterioridad a dicha era clsica, favorable que la cuntica (es decir, que opera a mayor velocidad).
tuviese lugar una poca en que la evolucin estuviese dominada En este sentido, el modelo de Chaitin explicara por qu la evolucin
por leyes cunticas? Por otro lado, tal vez en la evolucin biolgica biolgica se rige predominantemente por leyes clsicas. Sin embargo,
actual coexistan mecanismos clsicos y cunticos, si bien a escalas otros grados de entrelazamiento permiten que la evolucin cuntica
diferentes. prime sobre la clsica.
A pesar de su simplicidad, el modelo evolutivo de Gregory Chai- Esta lnea de trabajo abre las puertas al estudio de otros aspectos.
tin resulta lo suficientemente concreto y preciso para abordar esas Por ejemplo, una pregunta de gran inters concierne al efecto de la
preguntas. En un trabajo cuyos resultados se publicaron en 2012 en decoherencia sobre el material gentico (la prdida de las correla-
Scientific Reports, se logr construir una formulacin cuntica de ciones cunticas inducida por un entorno macroscpico), que hasta
dicho modelo y dar una primera respuesta a tales cuestiones. ahora ha sido ignorado.
En la extensin cuntica, los programas informticos que represen- La teora cuntica de la informacin puede ayudar a descu-
tan el material gentico de un organismo se sustituyen por programas brir caminos evolutivos ms complejos que los analizados hasta el
cunticos. Como tales, estos no constan de bits, sino de qubits: super- momento. Ello tal vez nos permita entender mejor la manera en que
posiciones cunticas de los estados clsicos correspondientes a cero la informacin biolgica se almacena en el material gentico y su
y uno. Del mismo modo, las mutaciones clsicas quedan reemplaza- devenir a lo largo de la historia.
das por anlogos cunticos. Estos transforman el registro gentico
de acuerdo con las leyes de la fsica cuntica, por lo que automtica- Miguel ngel Martn-Delgado es catedrtico de fsica terica
mente son unitarios (es decir, garantizan que la suma de las proba- de la Universidad Complutense de Madrid.

Un anlisis ms detallado muestra que no de Turing, bien conocido en teora de la queda por ver su relevancia y su grado
siempre bastarn N 2/2 mutaciones; sin computacin por ser irresoluble. de aplicabilidad a la verdadera evolucin
embargo, N 3 s sern suficientes. El modelo que hemos esbozado aqu biolgica.
As pues, y a pesar de su enorme fue concebido para demostrar algunos En ltima instancia, nuestra meta es
simplicidad, nuestro modelo exhibe un teoremas relacionados con la evolucin en unificar la teora de la computacin y la
comportamiento darwinista, en el que biologa. No sin cierto optimismo, hemos biologa terica. Si esta tarea puede llevar-
la paciencia y el azar reemplazan a la decidido bautizar esta lnea de investiga- se a trmino, habremos demostrado que,
inteligencia. cin como metabiologa. Los primeros pa- tal y como argumenta Venter, el ADN es
Este parece ser el primer modelo mate- sos se antojan esperanzadores, pero an el programa informtico de la vida.
mtico en el que resulta posible demostrar
que la evolucin contina para siempre
sin estancarse jams. Ello se debe a que PARA SABER MS

se trata de un modelo con un grado de Meta math! The quest for Omega.Gregory Chaitin. Pantheon, Nueva York, 2005.
simplificacin enorme (sin duda, lo que Matemticas, complejidad y filosofa: Conferencias pronunciadas en Canad y Argentina.Gregory Chaitin.
Editorial Midas, Valparaso, 2011.
los fsicos llamaran un modelo de ju-
Life as evolving software.Gregory Chaitin en A computable universe: Understanding and exploring nature as
guete) y a que hemos obligado a nues- computation. Dirigido por Hctor Zenil. World Scientific, Singapur, 2012.
tros organismos a resolver una tarea de On quantum effects in a theory of biological evolution.Miguel ngel Martn-Delgado en Scientific Reports
dificultad extraordinaria: el problema del n.o 2, artculo 302, 12 de marzo de 2012.
castor afanoso. En esencia, este equivale Demostrando a Darwin: La biologa en clave matemtica.Gregory Chaitin. Tusquets, Barcelona, 2013.
a resolver el problema de la detencin

80 INVESTIGACIN Y CIENCIA, enero 2014