Napíše tlupa opic na stroji Shakespeara? (Wuwejův zápisník)

Už jste se někdy v popularizačních nebo new age knihách setkali s přirovnáním, že jev je stejně nepravděpodobný, jako kdyby tlupa opic náhodným bušením do psacích strojů napsala nějakou Shakespearovou hru? A zároveň s tvrzením, že když to budou zkoušet dostatečně dlouho, nakonec to dokáží, protože pravděpodobnost je nenulová?

V knize Johna D. Barrowa „Sto důležitých věcí, které nevíte (a ani nevíte, že je nevíte)“ jsem narazil na zajímavost, která s tím souvisí. Představte si, že se to vážně zkouší! Respektive zkoušelo, před pár lety běžel distribuovaný webový projekt, který nechával generátorem napodobit náhodné údery do klávesnice a výsledný produkt porovnával se Shakespearovými díly. Simulace začala 1. července 2003 se stem opic, do konce experimentu v roce 2007 opice napsaly 10³⁵ stránek!

„V lednu 2005, po 2 737,85 miliardách miliard miliard miliard roků náhodného opičího psaní, se rekord posunul na závratných 24 znaků:
RUMOUR. Open your ears; 9r"Sj58 :?OWTY Z0d 'B-NeOfvjSqj[...
což se shoduje s 24 písmeny z druhého dílu hry Jindřich IV.:
RUMOUR. Open your ears; for which of you will stop. The vent of hearing when loud Rumour speaks?

Co jiného nám to říká, než že všechno je jen otázka času?“ (Str. 21)

Ten čas se ale dá významně zkrátit, jak upozornil Jaroslav Flegr v knize Pozor, Toxo! Na příměr se dívá z pohledu evoluční biologie, jejíž odpůrci často přirovnávají pravděpodobnost vzniku oka náhodnými mutacemi právě k opičím spisovatelkám.

Je to jednoduché – k náhodnému opičímu bušení je třeba přidat mechanismus, který vybere nadějné varianty.

„Předložíme opicím psací stroje a na každém necháme opice napsat právě jedno písmeno (analogie jedné mutace). Pak opice zaženeme a podíváme se, na kterém stroji je písmeno, jímž začíná námi zvolený text (třeba slovo Statistika). Příslušný list vyjmeme z psacího stroje, mnohokrát okopírujeme a vložíme do všech psacích strojů (analogie přirozeného výběru). A pozveme opice k dalšímu úderu do klávesnice.“ (str. 199)

Vhodný výběr nás tak dovede k vybranému dílu daleko rychleji. A co víc, evolucí inspirované opice napíšou dokonce všechna díla najednou, stačí jen vylepšovat rozpoznávací mechanismus, který posune a rozkopíruje do další kola všechny nadějné kombinace. Jen těch opic a strojů potřebujeme přiměřeně víc.

Jistě by se dalo diskutovat o ‚obrácenosti‘ takovéhoto příkladu, zejména při evoluční argumentaci, protože zde už víme jak má cíl vypadat, byla by to ale lichá myšlenka. Pro výběr můžeme definovat pravidla nejen směřující k nějakému konkrétnímu dílu, ale k co nejlepšímu naplnění zadání. Přidáme oddělovače řádků, slova ze slovníku a rozdělení na slabiky v systému 5-7-5 – a najednou píšeme haiku.

Počítačová věda zná celou skupinu takzvaných genetických algoritmů pro řešení problémů. Potřebují několik věcí

dobrý start
způsob jak simulovat mutace
způsob jak pro každou generaci vybrat vhodné jedince

A pak se místo konkrétního výpočtu nechá běžet simulace tak dlouho, dokud jsme se nedostali do stabilního stavu, nebo nedosáhli maxima opakování. Výsledek může být překvapivý, tím že algoritmus kombinuje a mutuje nejúspěšnější strategie, dostává se do cíle rychleji.
(Může ovšem také skončit ve slepé uličce, najít lokální maximum a už se přes něj nepřehoupnout, ale to už k evoluci patří.)

Na internetu jsem našel rozsáhlý článek o praktické aplikaci genetických algoritmů v software po podporu železáren, genetickými algoritmy řeší optimalizační úkoly typu

jak nařezat desku na jednotlivé požadované díly tak, aby byly prořezy co nejmenší
jak co nejlépe rozdělit dostupné skladové tyče a profily pro požadovanou konstrukci
jak co nejlevněji naplánovat pohyb lokomotiv a přepravit potřebné suroviny a výrobky

Inu, evoluce je mocná. I ta počítačově simulovaná.

Napíše tlupa opic na stroji Shakespeara?

Informace

Kontakt

Google search

Kategorie

Archiv