原標題：進化與發育的變分統一：能視角下的自然選擇
文章來源：人工智能學家
內容字數：35176字

進化與發育的變分統一：一種新的自然選擇視角

本文提出了一種將進化（系統發育）和發育（表型）過程統一起來的變分框架，特別關注“事物”的本質及其相互影響。該框架使用貝葉斯力學和特定分區方法來理解緩慢的系統發育過程如何約束并被快速的表型過程所約束。

1. 主要觀點

文章的核心觀點是將適應性視為表型適應度的路徑積分。最小作用路徑（在表型和系統發育尺度上）分別代表推理和學習過程。表型在其生成模型的指導下主動推斷其生態位狀態，模型參數通過自然（貝葉斯模型）選擇學習。 這種變分綜合的一個重要發現是：無法直接描述同種群個體，而必須考慮相互影響的不同自然種類的群體。

2. 方

文章采用統計物理學中的路徑積分公式、重整化群工具以及龐加萊遞推定理，將進化和發育描述為兩個耦合的隨機動力系統。快速表型動力學映射到緩慢的系統發育動力學，這基于維度約簡和粗粒化操作。該框架將表型動力學解釋為在擴展基因型生成的模型下的主動推理和學習，并將系統發育狀態解釋為在進化時間尺度上推斷環境狀態。

3. 特定分區與事物種類

文章強調了“特定分區”的重要性，這使得能夠區分“事物”（如表型或群體）及其環境。 特定分區將狀態分為內部狀態、外部狀態、感官狀態和活動狀態。不同“種類”的事物（如個體、群體）通過稀疏耦合相互影響，并通過分組算子進行組織，最終形成嵌套的群體結構。

4. 表型與系統發育動力學耦合

文章利用重整化群工具處理多種“事物”，通過分組算子將狀態劃分為粒子集合。約簡算子選擇變化緩慢的變量，實現時間尺度分離。表型動態具有拉回吸引子，其路徑返回先前占據狀態的鄰域，這被視為持久性的數學圖像。系統發育尺度上，表型被劃分為群體，基于相互影響。

5. 主動推理與有感知能力的表型

文章將表型動態解釋為有感知的行為或主動推理，通過將拉格朗日量表達為變分能來實現。最小化變分能對應于最大熵原理，追求最大適應度可以被解讀為自我驗證。主動動態似乎在生成模型下主動推斷外部狀態，其參數通過最小化變分能的路徑積分來學習。

6. 結論與局限性

文章提出了一種將進化和發育統一起來的變分框架，為理解自然選擇提供了一種新的視角。然而，該框架本身并不提供過程理論，需要結合具體的過程理論來解釋遺傳變異等問題。 此外，該框架僅適用于滿足變分適應度引理的系統。

總而言之，本文提供了一個新穎的數學框架，將進化和發育過程統一起來，并為理解自然選擇提供了新的視角。該框架強調了特定分區、不同自然種類群體之間的相互作用以及主動推理在進化和發育過程中的作用，為未來的模擬和數值分析提供了基礎。

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構