Desde épocas remotas la humanidad se ha enfrentado al interrogante de la herencia genética. Fue Hipócrates, en el siglo V a.C., quien propuso que ciertas partículas específicas o “semillas” producidas en el cuerpo se transmitían a la progenie en el momento de la concepción haciendo que los descendientes se asemejen o hereden las características de los padres, elaborando así lo que se conocería como la primera teoría de la herencia biológica. Un siglo más tarde, Aristóteles ampliaría esta noción y observaría que los hijos parecen heredar a menudo las características de sus abuelos e incluso de sus bisabuelos, introduciendo además la noción de “principio activo” para explicar el origen de un ser vivo cuando las condiciones son adecuadas. Al parecer, estas primeras conceptualizaciones cayeron en el olvido hasta el siglo XIX, cuando son retomadas por naturalistas como Jean-Baptiste Lamarck, Charles Darwin y Gregory Mendel constituyéndose en la base de lo que hoy se considera la computación evolutiva permeando el campo de la inteligencia artificial, específicamente en lo que respecta al desarrollo de los “algoritmos genéticos”.
Pensemos ahora en lo siguiente. A lo largo de su existencia, el ser humano ha procurado mejorar las condiciones de vida y el contexto que lo rodea. Así, los individuos de una población compiten entre sí para obtener recursos (comida, agua y abrigo) para su supervivencia e incluso la búsqueda de un compañero. Por otra parte, aquellos individuos mejores adaptados tendrán más probabilidades de sobrevivir y propagarse en nuevas generaciones, de esta manera, las especies evolucionan adaptándose al entorno en que viven. Observamos en este marco cómo la propuesta de Lamarck es cercana a la teoría darwinista. El origen de las especies está encarnado en una forma de vida simple que generación tras generación da paso a organismos más complejos, donde sobrevive el más fuerte.
Entonces ¿cómo se relacionan estas explicaciones teleológicas del fenotipo y las condiciones de la selección natural con la inteligencia artificial?
Podemos establecer una analogía directa entre los “algoritmos genéticos” y el comportamiento de individuos de una población mediante el proceso de selección natural.
John Holland, en la década de 1970, aplica estos conceptos fundamentales que se inspiran en la evolución biológica a un programa para que las computadoras aprendan por sí mismas. Esta técnica a la que originariamente se llamó “planes reproductivos” se popularizó como “algoritmo genético” (AG) en 1975 con la publicación del libro Adaptation in Natural and Artificial Systems.
Diremos, siguiendo a Holland, que un “algoritmo genético” se traduce en un método adaptativo basado en procesos genéticos de organismos vivos de acuerdo con e principio darwiniano de reproducción y supervivencia del más apto, donde la evolución opera a nivel cromosoma en el cual cada individuo es codificado como un conjunto de genes, con rasgos y características particulares, esto es el genotipo, dentro de la cadena de ADN que se expresan en el fenotipo. Así, un AG resuelve problemas generando poblaciones sucesivas, donde cada individuo de una población natural codificando información en una cadena binaria representa una solución al problema planteado.
Y mientras que el abecedario genotípico de un ser humano se codifica en tan solo cuatro letras ATCG, el origen de una nueva especie lo hace en dos: 0 y 1.
