导语

计算机科学家首次发布报告声称，一种50多年前在博弈论中被发现、如今广泛应用于机器学习的算法，与用来描述生物体内基因分布的方程式，在数学形式上完全相同。研究人员也许能够用这个出奇简单却强大的算法，更好地理解自然选择是如何工作的，以及人类如何保持他们的遗传多样性。

编译：集智俱乐部翻译组

来源：quantamagazine

原题：The Game Theory of Life

研究者将进化视为一场不断重复的博弈（Game），在基因棋盘上，各路选手都在寻求一个能让种群数量最优的策略。在这一过程中，进化既重视多样性，也重视适者生存。

一些生物学家声称这些发现太新了、太理论化了，而难以应用；研究者还不知道如何在活的生命体中去检验这些想法。

另一些生物学家则说这些发表在《美国国家科学院院刊》（PNAS）的进展，将有助于科学家们理解自然选择中一些难以理解的特点，比如：适应环境的个体并不一定都能将那些弱的竞争者斩草除根，事实上，正如诺亚方舟所描述的那样，物种基因的多样性主导着大格局。

论文题目：

Algorithms, games, and evolution

论文地址：

http://www.pnas.org/content/early/2014/06/11/1406556111

“这是个看待自然选择很不同寻常的视角。”来自耶鲁大学的进化生物学家 Stephen Stearns 说道。

多重权重更新算法

当要做出一系列决策时，那些用于线性规划、零和博弈和诸多其他计算机科学复杂问题中解题的算法，被用来权衡各种可能的策略。假如现在有10位金融专家为你投资资产出谋划策，每天你要选择其中一位的建议遵照操作在投资初期，你不了解每个专家的水平，难以选出最佳策略。但借助多重权重更新算法（the multiplicative weights update algorithm），你可以在每天的实践中不断提高做出正确选择的概率，并且选择错误的概率会不断降低。

在一些应用程序中，如物体识别，使用“多重权重更新算法”

“如果你一天天地重复做这项工作，那么到年底时，你的表现就和你从一开始就跟随的那位最好的专家几乎一样好了。”来自加州大学伯克利分校的计算机专家 Christos Papadimitriou 说，“这就好像你一开始就是无所不知的，挑选出最好的专家，每天听从他的建议。”

Christos Papadimitriou表示，这个算法可能有助于解释有性生殖。

进化与协调博弈

生殖行为通过将父母配子中染色体混合，触发了基因多样性——当Papadimitriou 与他的合作者在为生殖活动找数学解释时，发现了博弈论和进化论之间的联系。他们正在研究群体遗传学中常用的方程式，这些方程式最早是在近一个世纪前发展起来的，描述了特定基因变异的频率如何随着每一代种群发生变化。 例如，随着全球变暖，在当前气候条件下繁茂的植物可能会逐渐减少。

当他们向伯克利的计算机科学家 Umesh Vazirani 展示这些方程式时，Vazirani 注意到了一个它与重复的协调博弈有相似之处——在博弈中，成功取决于玩家选择互利还是互害的选择。 试想一个两个囚犯互相对抗的情景：如果一方开口，双方都会失败；如果双方都不开口，那么双方都会赢。两个囚犯都不知道对方会做什么。（这种情况与众所周知的囚徒困境不同）

关于纳什均衡与协调博弈

https://movie.douban.com/review/8700666/

从进化的角度来看这个算法，基因是玩家，每个基因都有许多不同的策略，比如遗传变异，或等位基因。举个例子，基因的一种变异可能使植物耐受温度升高或者干旱土壤。让这个博弈一轮一轮持续进行；在每一轮的结尾，基因，这个博弈里的玩家，会评估它的所有等位基因在当前遗传环境中的表现，然后增加表现优秀者的权重，并削减表现不佳者的权重。

研究人员说，这些发现将为研究“繁殖行为在进化中的作用”提供一种新的方法。譬如说，Papadimitriou 表示他相信生殖行为的部分作用是执行多重权重更新算法，尽管他还没有在数学上证明这一点。

传统的博弈论应用于进化领域，主要用于研究进化过程如何影响个体行为。它们也被用来研究利他主义和其他属性的进化。 “但在这里，我们讨论的是完全不同的东西，” 弗吉尼亚理工学院的生物学家Adi Livnat说。 这项新的博弈论研究侧重于基因而不是个体生物，侧重于种群的基因组成，而不是具体行为。

这种方法可以解释种群生物学中一个长期存在的谜团。就像在金融界，最好保持多样化的投资组合，Vazirani 和他的合作者发现这个算法既重视适者生存，也重视多样性。你可能会忍不住想把所有的钱都花在一只高涨的股票上。但是，如果环境发生变化，股票开始下跌，你最好还是投资于一个更加平衡的选择。

Umesh Vazirani，也是伯克利的计算机专家，首先注意到群体遗传学中使用的方程式类似于计算机科学中强大的多重权重更新算法。

同样，某种生物的基因可能会完美地适应特定的环境条件，但是如果这些条件发生变化，基因多样性的种群更有可能存活下来。“当然，进化对表现很感兴趣，” Papadimitriou 说， “但它也有兴趣对冲自己的赌注，保持大量的遗传多样性，因为谁都不知道接下来会发生什么。”

争议与质疑

进化生物学家知道，实际情况中，一个基因多样化的种群往往比其他种群更具弹性，因为它能更好地应对不断变化的环境。但生物学家一直难以解释如何保持这种多样性。从短期来看，人们可能会认为，随着种群中对环境适应良好者的扩散，基因不同的弱势群体被淘汰，多样性将会下降。 长期需求（基因多样性）又是如何克服短期压力（适者生存）的呢？

来自奥地利科学技术研究所的生物学家Nick Barton没有参与此项研究，他说，“尽管作者没有提出具体的机制，但这些发现提供了一个‘推测性的建议’，我认为该研究并不能给我们提供一种普适算法去模拟出地球在35亿年间形成的生物多样性”。

Stearns和其他业内人士表示，评估这些发现将如何影响我们对进化论的理解还为时过早。虽然不同领域之间的联系是有趣的，“但它实际上并没有太能帮助我们理解生物进化，”一位没有参与这项研究的物理学家和计算生物学家Chris Adami说。 “除非这种关系允许你在计算机科学或生物学中做出新解释，否则这只是一种观察罢了。”

进化生物学家经常对来自外界的数学见解持怀疑态度。尽管数学家和计算机科学家经常在这个领域发表文章，但是生物学家们对于他们的贡献在很大程度上制造了这一领域的分歧。

Stearns 认为，需要一段时间才能弄清楚这篇论文是如何发挥作用的。如果这项研究没有得到任何新的数据支持，那么它就不是很重要。虽然这些发现在短期内没有被证实，但从长远来看，这些发现也可能是重要的。有时需要几十年的时间，才会出现正确的技术或方法来检验一个新的理论。

研究中的方程式是基于某些特定假设的，这些假设可能会限制它们对现实世界的适用性。例如，这些方程没有考虑到突变，而是将新的等位基因或新策略引入博弈中。因为加上突变因素会使数学表达更复杂。有人说这种简化是一个严重缺陷，而另一些人则认为，当已有变异是主要影响因素时，新突变在短期内并不重要。

如果抛开这些假设，会怎么样呢？奥地利Konrad Lorenz研究所高级研究员 Lee Altenberg 认为，这些假设就好比在地图上标出了一个点，但想知道这个点有没有深层作用，那就必须从这个点出发，向下推演。

这项分析的一个结果可能让生物学家感到困惑。根据进化论的标准观点，一代人的年代越久远，对现在的影响就越小——你1000年前的祖先可能比你的祖父母对你的适应度影响更小。但是，如果伯克利团队的见解站得住脚，那就意味着，每一代人都在为下一代人做出同样的贡献！

从正常进化的角度来看，这是一个有趣但极其难以置信的说法。Papadimitriou表示，他的团队也对这个结果感到困惑，这是一个有希望让研究人员重新思考、重新审视进化的东西。

在现实生活中，你不可能真正测试这些定理（比如多重权重更新算法），但它们作为工具，可以帮你在直觉上理解什么是进化。