所有生物都必須在不斷變化的環境中生存。季節從夏季變為冬季。天氣模式可能會發生變化，從一年的洪水到下一年的干旱。佛蒙特大學科學家 Csenge Petak 解釋說，植物和動物種群總是面臨著新的壓力。目前尚不清楚這種持續的不穩定性如何隨著時間的推移影響進化。
佩塔克想知道頻繁的環境變化是否真的有助於人們適應未來的挑戰。或者持續的干擾會減緩進展嗎？ “人們受益於環境波動。這是否會讓新一代更好地應對未來的變化？”她問道。 “或者他們受到了損害？被迫一次又一次地重新調整。而從未達到相同人群在穩定環境中可以達到的最高健康水平。”
模擬跨代進化
為了研究這個問題，Petak 與佛蒙特大學計算機科學家 Lapo Frati、另外兩名 UVM 研究人員和劍橋大學的一名合作者合作。他們共同設計了一項突破性的研究，利用先進的計算機模擬來追踪數千代數字生物。
該研究結果於 12 月 15 日發表在《美國國家科學院院刊》(PNAS) 上，對簡單的假設提出了挑戰。關於進化“我們發現不同環境下的種群進化方式存在顯著差異，”研究人員報告說。 “在某些情況下，環境變化有助於人們獲得更高的健康水平；在其他情況下，環境變化卻阻礙了人們的健康。”
無法在實驗室進行測試
傳統的進化研究通常跟踪生活在單一條件下的單一種群。弗拉蒂解釋說，這種狹隘的關注可能會錯過重要的模式。 “研究人員經常關注特定環境中某一群體的長期軌跡，”弗拉蒂說。 “我們選擇各種環境，看看個體特徵如何影響大量人口的軌跡。”
要了解為什麼這種更廣泛的方法很重要，請考慮生活在世界不同地區的果蠅。美國的人口會受到季節性氣溫波動的影響。與此同時，肯尼亞人口在漫長的旱季和大雨之間交替。這些群體屬於同一物種。但他們面臨著截然不同的挑戰。
“溫度波動可能有助於更好地適應冬季和夏季，”佩塔克解釋道。 “但是旱季和雨季之間的反复循環可能會阻礙乾旱適應。使得種群在長期暴露於雨水後不得不‘重新開始’進化。這導致了比單獨暴露於乾旱的種群更糟糕的特徵。”因此，某些人群可能會從環境變化中受益。而另一組則被他們阻止了。
為什麼歷史在進化論中很重要？
資深作者、UVM 生物學教授梅麗莎·佩斯佩尼 (Melissa Pespeni) 表示，這項研究的規模使得這些見解成為可能。 “這項研究的令人興奮之處在於，我們已經將進化過程重演了數百次。這使我們能夠了解進化在不同環境中如何發生。這是不可能在實驗室中進行測試的，”她說。
一個重要的結論脫穎而出。 “對我來說最重要的是，起點非常重要。一個種群的歷史決定了它能爬到多高。到達那裡的路有多難？這意味著我們不能得出單一種群就代表整個物種的結論。”
為什麼這些發現現在很重要？
結果對現實世界的問題具有重要意義。科學家需要知道植物和動物是否能夠足夠快地適應以適應日益加速的氣候變化。與此同時，細菌繼續對抗生素產生耐藥性。它對人類健康構成越來越大的威脅。
儘管存在這種複雜性，但研究通常集中於一種環境壓力下的單一群體。然後得出廣泛的結論。至於物種將如何應對變化，佩塔克認為這種方法可能會產生誤導。 “像我們這樣的計算機模型可以用來對真實的生物種群做出新的假設，”她說。
在 105 種不同的環境中測試您的進化。
在模擬中，研究人員創造了一種人造有機體，並將其暴露在各種變化的條件下。這些數字環境反映了自然模式，例如溫度循環。並且在旱季和雨季交替期間
Petak 解釋說：“我們工作的創新之處在於，我們不是在單一變量環境中研究進化，而是創建了 105 個變量環境，這使我們能夠系統地比較種群在許多不同情況下的進化情況。”
人工智能的影響
這些發現超出了生物學範圍，可能有助於人工智能研究。許多人工智能係統很難學習新任務。論文合著者、UVM 計算機科學家尼克·切尼 (Nick Cheney) 認為這一挑戰與進化動態之間有很強的相似之處。
“人工智能係統的建立是為了解決一個單一的、具體的問題，”切尼說。較新的方法旨在創建能夠隨著時間的推移不斷學習的系統。他補充道：一個不斷發展的領域稱為在線持續學習。 “完美地反映了本文探討的想法。它是關於進化、學習和發展如何參與可變和動態環境並從中受益。”
了解如何學習
對於 Frati 來說，更廣泛的信息適用於所有類型的學習系統。 “我的研究是元學習。系統學習學習的能力，”他說，就像人工智能不能通過單一任務來評估一樣。僅通過研究單一環境無法完全理解進化論。
該研究強調了在許多可比較但不同的條件下測試系統的重要性。在評估可進化性（弗拉蒂將其描述為系統的進化能力）時，它會進化。
本質上，研究表明進化不僅僅由變化本身決定。還有這些變化的順序、類型和歷史。正如佩塔克指出的那樣，“我們的結果表明，選擇可變的環境，”她說，“可以對結果產生很大的影響。”
