[논문 리뷰] The Evolutionary Unfolding of Complexity

James P. Crutchfield, Erik van Nimwegen|arXiv (Cornell University)|1999. 02. 26.

Evolution and Genetic Dynamics참고 문헌 37인용 수 4

한 줄 요약

이 논문은 적합도 클래스와 표현형 하위기저(서브베신) 수준의 거시적 수준에서 인구를 모델링함으로써, 장기적인 정체기와 빠른 혁신기로 구성된 에포크적 진화를 설명하기 위한 통계역학 프레임워크를 제안한다. 복잡성이 희귀하고 랜덤한 확산 사건을 통해 더 높은 적합도의 하위기저로 향하는 '포털'을 발견함으로써 발생하며, 새로운 차원이 거시적 상태공간에서 안정화되면서 혁신이 발생한다. 이 과정는 고결한 사고와 표현형 제약에 의해 이끌린다.

ABSTRACT

We analyze the population dynamics of a broad class of fitness functions that exhibit epochal evolution---a dynamical behavior, commonly observed in both natural and artificial evolutionary processes, in which long periods of stasis in an evolving population are punctuated by sudden bursts of change. Our approach---statistical dynamics---combines methods from both statistical mechanics and dynamical systems theory in a way that offers an alternative to current ``landscape'' models of evolutionary optimization. We describe the population dynamics on the macroscopic level of fitness classes or phenotype subbasins, while averaging out the genotypic variation that is consistent with a macroscopic state. Metastability in epochal evolution occurs solely at the macroscopic level of the fitness distribution. While a balance between selection and mutation maintains a quasistationary distribution of fitness, individuals diffuse randomly through selectively neutral subbasins in genotype space. Sudden innovations occur when, through this diffusion, a genotypic portal is discovered that connects to a new subbasin of higher fitness genotypes. In this way, we identify innovations with the unfolding and stabilization of a new dimension in the macroscopic state space. The architectural view of subbasins and portals in genotype space clarifies how frozen accidents and the resulting phenotypic constraints guide the evolution to higher complexity.

연구 동기 및 목표

• 장기적인 정체기와 빠른 혁신 폭발이 교차하는 에포크적 진화의 메커니즘을 이해하기 위해.
• 전통적인 적합도 표면 모델의 한계를 피하는 거시적 수준의 진화역학 모델을 개발하기 위해.
• 표현형 제약과 고결한 사고가 복잡성 증가로 이르는 길을 어떻게 형성하는지 명확히 하기 위해.
• 중성 하위기저 내에서의 유전체 확산이 혁신의 원동력으로서 기능하는 방식을 체계화하기 위해.
• 새로운 차원이 거시적 상태공간에서 어떻게 새로운 적합도 하위기저의 안정화를 통해 나타나는지 규명하기 위해.

제안 방법

• 각 적합도 클래스 내에서의 유전체 변동성을 평균화함으로써, 적합도 클래스 수준에서 인구 행동을 통계역학적으로 모델링한다.
• 유사한 표현형 적합도를 갖는 유전체 공간 내 영역으로서 적합도 하위기저를 정의하며, 이를 거시적 상태로 간주한다.
• 돌연변이에 의해 구동되는 선택적으로 중성인 하위기저를 통해 개인의 랜덤한 확산을 모델링한다.
• 낮은 적합도의 하위기저와 높은 적합도의 하위기저를 연결하는 희귀한 유전체 전이로 '포털'을 식별하며, 이는 혁신을 유도한다.
• 선택과 돌연변이 간의 균형으로 인해 발생하는 적합도 분포의 비안정성(메타안정성)을 분석한다.
• 복잡한 표현형의 출현을 나타내기 위해 거시적 상태공간 내 새로운 차원이 어떻게 펼쳐지는지의 개념을 도입한다.

실험 결과

연구 질문

• RQ1 왜 진화역학에서 장기적인 정체기와 갑작스러운 변화 폭발이 나타나는가?
• RQ2 중성 하위기저 내에서의 유전체 확산이 어떻게 진화적 혁신을 가능하게 하는가?
• RQ3 유전체 공간 내 '포털'은 어떻게 더 높은 적합도의 표현형 상태로의 전이를 가능하게 하는가?
• RQ4 고결한 사고와 표현형 제약은 어떻게 복잡성 증가 방향으로의 진화적 궤도를 이끌어내는가?
• RQ5 적합도 표면의 추상화에 의존하지 않고도 적합도 클래스 수준의 거시적 수준에서 진화역학을 어떻게 모델링할 수 있는가?

주요 결과

• 에포크적 진화에서의 비안정성은 개인의 유전체가 아니라, 적합도 클래스의 준정적인 분포에서 기인하는 거시적 현상이다.
• 혁신은 점진적 적응이 아니라, 더 높은 적합도의 하위기저로 향하는 희귀하고 랜덤한 확산 사건을 통해 발생하며, 이는 유전체 포털을 발견함으로써 이루어진다.
• 새로운 하위기저의 안정화는 거시적 상태공간 내 새로운 차원의 펼침으로서 나타나며, 이는 표현형 복잡성의 증가를 의미한다.
• 표현형 제약은 고결한 사고에서 기인하며, 향후 진화적 경로를 제한하고 복잡성 증가 쪽으로 시스템을 이끈다.
• 선택과 돌연변이의 균형이 준정적인 적합도 분포를 유지함으로써 장기적인 정체기를 가능하게 한다.
• 이 모델은 자연적 및 인공적 진화 과정 양쪽 모두와 일치하는 복잡성 증가의 메커니즘을 제공한다.