摘要

进化是生物种群对其生存环境进行最优适应的过程，这一过程通过“适应度”得以体现。适应度被定义为相对的繁殖成功率（reproductive success）。然而，有学者指出，这一定义并不完整，且逻辑上存在循环论证的问题。为解决这一问题，多位研究者呼吁以表型（phenotypes）与环境之间的关系为基础，重新明确界定适应度。本文提出，将适应度定义为从种群动态映射到贝叶斯学习的似然函数，为这一问题提供了一个通用解决方案。我们展示了如何通过这种方式构建适应度的概率模型，并说明其平均值如何具有意义。此外，我们还展示了这一方法如何为分析多变环境中的进化难题、博弈论以及群体结构中的选择问题提供强大工具。这一方法具有普适性，并在种群动态、统计学习理论以及新兴的人工智能模型之间架起了一座明确的桥梁。

研究领域：适应度，贝叶斯学习，进化博弈论，群体结构选择（group-structured selection）、互信息，信息最大化

论文题目：Redefining Fitness: Evolution as a Dynamic Learning Process

发表时间：2025年3月12日

论文地址：https://arxiv.org/pdf/2503.09057

从生殖成功到环境似然：适应度的贝叶斯重构

图 1. 不同环境下种群选择的进化动态机制。A. 作为适应模型的适应度与给定表型的环境状态的可能性成正比。B. 随着时间的推移，迭代过程对环境统计进行平均，并选择使平均对数适应度最大化的种群类型作为种群结构与环境之间的信息。

信息最大化：进化即环境信号的压缩编码

进化博弈论新解：合作涌现的条件与相变

基于贝叶斯适应度框架，团队重新审视了囚徒困境（prisoner’s dilemma）等经典博弈问题。在这个问题下，两个参与者在追求各自利益最大化时，可能因为不信任和背叛而陷入对双方都不利的局面，尽管选择合作可以带来更好的结果。传统模型中，背叛（defection）是单次博弈的纳什均衡，但重复博弈可能催生合作。新模型揭示了更深刻的统计机制：

1. 完全混合种群中，合作稳定的条件可表述为汉密尔顿法则（Hamilton’s rule）的扩展形式：当协同效应与互惠概率满足一定条件时，合作策略将突破适应度谷底，引发一级相变。

图 3. 结构种群的选择取决于群体的大小和对外群体的处理。

从个体到多层级：群体选择的协同信息通道

在结构化种群中，个体的适应度受群内与群间互动的双重影响。模型显示：

• 群内协同：当群体标识可识别时，个体通过条件策略（如“内群合作/外群背叛”）实现局部信息优化，形成多层级的适应度景观。

• 群间竞争：群体规模的异质性导致选择压力分化，大群体更易维持合作，而小群体可能沦为“信息孤岛”。

理论统一：连接进化生物学与人工智能

彭晨 | 编译

在生物学中心法则的起点，基因作为生命复杂系统的遗传信息载体，在生命周期内稳定存在；而位于中心法则末端的蛋白质，其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进，尤其是生命组学（基因组学、转录组学、蛋白质组学和代谢组学等的集合）等领域的日新月异，当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统——“人体”的构成原理和设计原理？阐释人类发育、衰老和重大疾病的发生机制？

集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰，国家蛋白质科学中心（北京）副研究员常乘、李杨，香港浸会大学助理教授唐乾元，北京大学前沿交叉学科研究院研究员林一瀚，中国科学院分子细胞科学卓越创新中心博士后唐诗婕，共同发起「生命复杂性：生命复杂系统的构成原理」读书会，从微观细胞尺度、介观组织器官尺度到宏观人体尺度，梳理生命科学领域中的重要问题及重要数据，由生物学家提问，希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流，建立跨学科合作关系，激发新的研究思路和合作项目。读书会目前共进行10期，现在报名参与读书会可以加入读书会社群，观看视频回放，解锁完整读书会权限。

6. 加入集智，玩转复杂，共创斑图！集智俱乐部线下志愿者招募