Naturalna Selekcja: Jak Losowe Zmienności Konwergują na ESU

Wybór wymaga trzech składników

Ewolucja darwinowska poprzez naturalny wybór wymaga dokładnie trzech cech w populacji: zróżnicowanie (indywidualne różnice w dziedziczonych cechach), dziedziczenie (potomstwo podobne do rodziców) i różnorodność fitnessu (niektóre warianty pozostawiają więcej przetrwających potomstwa niż inne). Podaj symulację te trzy cechy — stworzenia z mutowalnym genomem dla prędkości, zakresu czucia i koloru camouflażowego, ograniczonej ilości jedzenia oraz predatorów, którzy mogą złapać tylko to, co widzą lub uciekną – a wybór nie jest czymś, co programujesz jako zasady. Wybór wynika automatycznie z tego, które stworzenia przetrwają i nadadzą się do rozrodu.

W każdej generacji, czy ciągle, gdy stworzenia umierają i podziemiają się, rozkład cech populacji przesuwa się w kierunku kombinacji prędkości, czucia i camouflażu, które poprzednia generacja przetrwałych stworzeń pozwoliło im zjeść więcej i uciec szybciej niż każdy inny. Nie ma stworzenia, które by postanowiło ewoluirwać; średni genom populacji progresuje automatycznie, ponieważ indywidualne stworzenia, którzy odchylili się w złym kierunku, na średnim poziomie nie są tam, aby przekazać swoje geny.

Trade-offs są tym, dlaczego to jest ciekawe

Jeśli szybkość, promień zmysłów i krypcja były darmowe, selekcja spowodowałaby, że każda cecha osiągnie swój maksimum i populacja konverguje do jednego optymalnego stworzenia, a potem zatrzyma się. Na rzeczywistej ewolucji pozostaje ciekawe, ponieważ cechy mają koszty. Szybsze stworzenie zwykle wydaje więcej energii na jednostkę czasu i musi jeść więcej; większy promień zmysłów wymaga większej inwestycji w tkaninę zmysłową; jasna krypcja, która ukrywa stworzenie przed jednym predatorem, lub pasuje do jednego tła, może go uczynić widoczniejszym dla innego. Symulacja to zapisuje za pomocą budżetu energetycznego: każda cecha pochodzi z tego samego pula energii, więc stworzenie inwestujące dużo w szybkość ma mniej do wydatku na metabiliczne koszty utrzymywania dużego zakresu zmysłowego.

Strategie Stabilne Ekologicznie

John Maynard Smith i George Price formalizowali punkt końcowy tego procesu w 1973 roku jako Strategię Stabilną Ekologicznie (ESS): strategię, która, jeśli adopcja jej obejmuje prawie całą populację, nie może być zastąpiona przez rzadką alternatywną strategię. Formalnie, strategia S jest ESS wobec alternatywnej T, jeśli albo S przewyższa T w przypadku S, albo obie strategie są równo skuteczne przeciwko S, ale S przewyższa T w przypadku T.

E[powag(S,S)] > E[powag(T,S)] (S przewyższa T przy S) ALBO E[powag(S,S)] = E[powag(T,S)] I E[powag(S,T)] > E[powag(T,T)] (remis, a S wygrywa przeciwko T) Strategia Stabilna Ekologicznie niekoniecznie jest kombinacją cech, która maksymalizuje średnie fitness populacji lub jej całkowitą ilość pokarmu — jest to jedynie punkt, z którego nie może korzystnie odmienna mutancja odchyla się, dlatego evolucja może osiągać strategie wydające się postrzegane jako ślepe (napędy do skrywania się w rozwiniętej konkurencji, niepotrzebne szybkości pościgowe) ale stabilne, ponieważ żaden pojedynczy mutancja nie korzysta z uniwersalnego cofnięcia się.

E[payoff(S,S)] > E[payoff(T,S)]                              (S strictly beats T at S)
   OR
E[payoff(S,S)] = E[payoff(T,S)]  AND  E[payoff(S,T)] > E[payoff(T,T)]   (tie, then S wins vs T)

Wybór zależny od częstotliwości i ukrywanie się

Ukrywanie się w tej symulacji jest świetnym przykładem negatywnego wyboru zależnego od częstotliwości: korzyść dana kolorystyka ma zasady, które zależą od tego, jak często już jest ona spotykana w stosunku do tła i innych kolorem zwierząt, a nie na pewnej absolutnej jakości. Gdy cała populacja koncentruje się na jednym kolorze ukrywającym się, gada specjalizująca się w wyszukiwaniu exact tego samego koloru na exact tym samym tle staje się bardzo skuteczna bardzo szybko (formowanie obrazu wyszukiwania), a rzadki mutant o inny kolor może nagle zacząć lepiej radzić sobie, ponieważ gady nie szukają go. To samo dynamiczne zachowanie utrzymuje wielokolorowość w rzeczywistych gatunkach ofiarnych i zapewnia, że symulowana populacja nie klesnie do jednego monokulturowego strategii nawet pod stałą presją gadek.

Obserwowanie zbieżności w symulacji

Uruchom symulację wystarczoną długość czasu i możesz zobaczyć, jak histogramy cech populacji zaczynają się skracać: rozkład prędkości i promieni rozpoznawania kompresuje się wokół takiego równowagi, która zwycięża nad bieżącą populacją predatorów, podczas gdy kolor tarczy często pozostaje bardziej rozproszony z powodu efektu opartego na częstotliwości powyżej. Zwiększenie gęstości populacji predatorów obowiązkowo przesunie populację w stronę większej średniej prędkości i większego promienia rozpoznawania, ale to kosztem wielkości populacji (mniej stworzeń może być utrzymanej, gdy więcej energii jest wydawane na cechy zamiast na rozmnażanie). Jest to bezpośrednia, widoczna wymiana między cechami indywidualnej przetrwania a ogólnym poziomem nosności.

Często zadawane pytania

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Natural Selection i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.