Has construido el terreno. Sabes que cada diseño posible es un punto, que los puntos que difieren en un pequeño cambio son vecinos, que la altura es la aptitud (fitness), y que el paisaje está cosido a partir de picos, valles y crestas. Bien. Ahora encendemos el motor — el mecanismo real que toma una población y la camina por ese terreno, generación tras generación. Tiene un nombre en informática, porque los ingenieros lo reinventaron mucho antes de darse cuenta de que la biología llevaba cuatro mil millones de años ejecutándolo: escalar colinas (hill-climbing).
Aquí lo tienes entero por adelantado, para que puedas verlo ensamblarse: una población se asienta en algún punto. La variación escupe diseños vecinos — pequeños retoques heredables. La selección conserva los vecinos que son más aptos y descarta el resto. Repite. El efecto neto es una población que trepa cuesta arriba, un pequeño paso de mejora cada vez, hasta que llega a un lugar donde todos los vecinos son peores — y entonces se para, para siempre, porque no tiene ni razón ni capacidad para dar un paso que empeore las cosas ahora mismo. Esa última frase es la lección entera, y también la tragedia entera. Adivina antes de espiar, como siempre.
Before you read — take a guess
Una población de bacterias está a una pequeña mutación de un diseño que impulsaría su tasa de crecimiento un 30%. También está a una pequeña mutación, en otra dirección, de un diseño que RECORTARÍA su tasa de crecimiento un 5% ahora — pero ese diseño peor resulta estar al pie de una ladera que conduce a un diseño enormemente superior diez mutaciones más allá. Dejada a la selección a secas, ¿hacia qué vecino tenderá a moverse la población?
Esa bacteria es la lección entera en miniatura: una población que mejora y clausura su propio mejor futuro en el mismísimo movimiento. Lo predijiste sin saber nada de microbiología. Eso es el motor haciendo el trabajo — así que desmontémoslo.
Cómo escala la selección — el motor voraz
La analogía. Imagina que subes una sierra en una niebla tan densa que solo alcanzas a ver el suelo que rodea tus botas a un paso de distancia. Tienes exactamente una regla: palpa alrededor de tus pies y pisa el trozo que esté más alto que donde estás. No puedes ver el horizonte, no tienes mapa, no sabes si hay una montaña más grande a un kilómetro al este. Solo das el mejor paso local hacia arriba, una y otra vez. Cuando cada trozo alrededor de tus botas es más bajo que donde estás, te paras — estás en una cima, aunque no tengas ni idea de si es la más alta de la sierra o un montículo. Ese excursionista atrapado en la niebla es la selección.
La definición precisa. Escalar colinas es una búsqueda que repite un movimiento: desde el diseño actual, mira los diseños vecinos; si algún vecino es más apto, muévete al más apto; si ninguno es más apto, detente. En una población, tres ingredientes producen esto automáticamente. La variación — mutación, recombinación — propone nuevos diseños vecinos, pequeños cambios heredables respecto al tipo actual. La selección conserva a los portadores de las variantes más aptas (dejan más descendencia) y elimina a los peores. La herencia pasa la variante ganadora a la siguiente generación, de modo que el centro de masa de la población se ha desplazado un pequeño paso cuesta arriba. Repite eso a lo largo de generaciones y la población fluye ladera arriba como agua corriendo al revés.
La palabra que importa es voraz (greedy). En informática, un algoritmo voraz es uno que, en cada paso, agarra la opción que parece mejor ahora mismo, sin sopesar jamás si una opción peor ahora podría preparar un mejor resultado después. La selección es voraz hasta la médula: la variante más apta se reproduce más que la menos apta esta generación, así que gana esta generación, y la siguiente generación la población arranca desde ahí. Nadie tiene en mente un plan a más largo plazo, porque no hay nadie — ni plan. Solo existe “cuál de mis vecinos hace más crías”, preguntado y respondido una y otra vez.
Ejemplo resuelto — un gen, tres generaciones. Supón que el color de un escarabajo lo fija un único mando, y que los escarabajos más oscuros se camuflan mejor en la corteza en la que vive. Empieza con una población mayormente marrón medio (aptitud, digamos, 5 en cierta escala). Una mutación produce una variante un poco más oscura (aptitud 6). Sus portadores sobreviven a los depredadores un pelín mejor, dejan más descendencia, y en unas pocas generaciones la población es mayormente ese tono más oscuro. Ahora aparece una mutación aún más oscurecedora (aptitud 7); misma historia, la población se desplaza de nuevo. En cada paso, la selección simplemente ingresó al vecino más apto. Fíjate en lo que nunca hizo: nunca apuntó a “aptitud 7”. No podía verla. Solo comparó 5 con 6, luego 6 con 7, dando cada vez el paso local cuesta arriba. La escalada hacia la oscuridad es real, dirigida y absolutamente ciega más allá del propio umbral del escarabajo.
Tres ingredientes, un movimiento
Escalar colinas necesita exactamente tres cosas y produce exactamente un movimiento. La variación propone vecinos (a ciegas). La selección conserva al vecino más apto (con voracidad). La herencia lleva al ganador hacia adelante (para que las ganancias se acumulen). El único movimiento que resulta: la población se mueve cuesta arriba, un pequeño paso de mejora por ronda, y nunca a ninguna otra parte.
Cuándo usarlo
Echa mano de “esto es escalar colinas” siempre que veas algo mejorar mediante ensayos conservados-y-descartados en vez de mediante un plan: organismos que evolucionan, un modelo de aprendizaje automático en entrenamiento, una empresa retocando su proceso, una persona machacando una habilidad, incluso una línea de fabricación que se optimiza de forma incremental. La señal es que el sistema no tiene ningún oráculo para la mejor respuesta lejana — solo compara “esto” con “un pequeño cambio de esto” y conserva lo mejor. Si esa es la forma, todo lo de esta lección aplica, incluida la trampa.
”Local” y “sin previsión” — las dos palabras que más cuestan
La analogía. Contrasta a nuestro excursionista en la niebla con un arquitecto humano diseñando un edificio. El arquitecto puede tener en mente el diseño entero terminado, darse cuenta de que el mejor plan exige primero derribar un muro de carga (un paso temporal hacia atrás — el edificio queda brevemente menos funcional, un montón de escombros), y hacerlo de todas formas, porque puede prever la estructura mucho mejor al otro lado de la demolición. El arquitecto va abajo-y-al-otro-lado: deliberadamente peor ahora, al servicio de mucho mejor después. Escalar colinas estructuralmente no puede hacer esto. No tiene ningún plan de ser peor-ahora-para-mejor-después al que servir, porque no tiene ni plan ni “después”.
La definición precisa. Escalar colinas es local y sin previsión. Local significa que sus únicas entradas son el diseño actual y sus vecinos inmediatos — tiene cero información sobre regiones lejanas del paisaje. No puede “ver” un pico más alto al otro lado de un valle; desde su punto de vista ese pico no existe, porque queda más allá del horizonte de un paso. Sin previsión significa que nunca evalúa adónde lleva después un movimiento — puntúa cada vecino por su aptitud ahora mismo, punto. Junta ambas cosas y obtienes la regla que define el motor entero: no aceptará un paso que baje la aptitud presente, aun cuando ese paso cuesta abajo sea el único camino a una cima mucho más alta. No hay ningún “confía en mí, luego mejora”. Solo existe la aptitud del vecino que tienes delante.
Este es el punto más afilado para separar un diseñador de una búsqueda. Un diseñador tiene información global (un mapa) y previsión (un plan), así que un diseñador puede cruzar valles a propósito. Escalar colinas no tiene ninguna de las dos, así que está aprisionado por su propio presente. Todo lo extraño y defectuoso de los diseños evolucionados — el tema de la próxima lección — se remonta a estas dos palabras.
La regla que gobierna el curso entero
Escalar colinas no dará un paso que empeore la aptitud ahora mismo — aun cuando ese paso sea la única ruta hacia algo mucho mejor. Un diseñador humano puede ir abajo-y-al-otro-lado (deliberadamente peor ahora para mucho mejor después) porque tiene un mapa y un plan. La selección no tiene ninguno. Solo ve a sus vecinos (local) y los puntúa únicamente por la aptitud presente (sin previsión), así que un valle de aptitud — por poco profundo que sea — es un muro infranqueable. Recuerda esta frase; el resto del curso son sus consecuencias.
¿Por qué puede un ingeniero humano rediseñar un producto empeorándolo primero temporalmente (desechando una prestación que funciona, reconstruyendo un componente desde cero), mientras que la selección natural esencialmente no puede tomar esa misma ruta abajo-y-luego-arriba?
Por qué la regla solo-cuesta-arriba es a la vez poder y prisión
La analogía. Una regla de viaje barato — “toma siempre el siguiente vuelo de conexión más barato” — te llevará fiablemente a algún sitio sin agencia de viajes, sin itinerario, sin planificación y casi sin coste. Ese es su poder: funciona, barato, con cero inteligencia. Es también por lo que acabas en un aeropuerto regional cualquiera en vez de la ciudad que de verdad querías: la regla no tiene noción de destino, solo del siguiente salto barato. Misma regla, ambos hechos.
El poder. La regla solo-cuesta-arriba es asombrosa precisamente porque exige tan poco. No necesita ningún diseñador, ningún objetivo, ningún mapa, ninguna previsión, ninguna inteligencia de ningún tipo — solo variación, una diferencia de aptitud y herencia. Y entrega fiablemente: apúntala a casi cualquier paisaje y encontrará un pico, barato y sin supervisión. Así es como la naturaleza construye ojos y alas y sistemas inmunitarios sin nadie al volante. Es también por lo que el mismo bucle de tres líneas entrena modelos de aprendizaje automático y optimiza fábricas. Escalar colinas es la forma más barata que se conoce de sacar diseños genuinamente buenos de un proceso sin cerebro.
La prisión. La mismísima regla que la hace barata la deja atascada. Como solo da pasos cuesta arriba, el pico que alcanza es solo la cima de cualquier colina en la que le tocara empezar — un pico local. No tiene forma de saber que existe una cima más alta, ni forma de cruzar el valle para alcanzarla aunque lo supiera. La baratura y el atrapamiento no son dos características; son una sola característica vista desde dos lados. La ausencia de mapa es por lo que es barata y por lo que está atrapada. No puedes quedarte con la primera y borrar la segunda.
Una regla, dos caras
La regla solo-cuesta-arriba es poder porque encuentra un buen diseño sin diseñador, sin objetivo y sin previsión — barata y fiablemente. Es prisión porque el diseño que encuentra es solo un pico local, la cima de cualquier colina en la que empezó. Estos no son un pro y un contra que sopesar el uno contra el otro; son el mismo hecho. El mapa ausente es exactamente lo que hace que escalar colinas sea a la vez tan barato y tan fácilmente atrapado.
Pasaremos la próxima lección entera viviendo dentro de la prisión — el óptimo local (local optimum), con el expediente biológico real (el punto ciego, el nervio laríngeo recurrente). Por ahora quédate solo con la forma: la fortaleza y la debilidad están soldadas juntas.
Escarpadura y gradiente — a qué velocidad va la escalada
La analogía. A qué velocidad escalas una colina depende de lo escarpada que esté bajo tus botas. En una ladera pronunciada, cada paso hacia arriba te gana mucha altura rápido — la dirección a seguir es obvia y el progreso es veloz. En una repisa casi plana — una meseta o a lo largo de una cresta nivelada — todas las direcciones tienen más o menos la misma altura, así que apenas hay “arriba” que te empuje a ningún lado. Deambulas de lado, a la deriva, porque la selección casi no tiene gradiente sobre el que empujar.
La definición precisa. El gradiente es la escarpadura local del paisaje adaptativo — cuánto cambia la aptitud por pequeño paso. Donde el gradiente es pronunciado, la diferencia de aptitud entre vecinos es grande, la selección entre ellos es fuerte, y la población escala rápido y con decisión. Donde el gradiente es suave — una meseta o cresta plana — los vecinos son casi iguales en aptitud, la selección apenas los distingue, y la población deriva de lado por azar (deriva genética) con poco empuje dirigido. La escarpadura fija la velocidad y decisión de la escalada; no cambia la única regla innegociable de que el movimiento neto nunca es cuesta abajo.
Ejemplo resuelto — el escalador voraz aterriza en el pico más bajo. Aquí tienes un paisaje minúsculo inventado. Alinea siete diseños vecinos, de la A a la G, cada uno a un pequeño paso del siguiente, y lee su aptitud:
| Diseño | A | B | C | D | E | F | G |
|---|---|---|---|---|---|---|---|
| Aptitud | 3 | 5 | 6 | 4 | 7 | 9 | 8 |
Aquí hay dos picos. El pico pequeño está en C (aptitud 6): sus vecinos B (5) y D (4) son ambos más bajos. El pico grande está en F (aptitud 9): el punto más alto de toda la tira. Ahora suelta un escalador voraz en A (aptitud 3) y déjalo escalar colinas:
- A (3) → B (5). B es más alto. Paso.
- B (5) → C (6). C es más alto que B. Paso.
- C (6) → ? Los vecinos de C son B (5) y D (4). Ambos son más bajos que C. Toda dirección es cuesta abajo. Detente.
El escalador se para en C, aptitud 6 — y nunca alcanza F, aptitud 9, aunque F esté justo ahí en la misma tira, claramente más alto, a solo unos diseños a la derecha. ¿Por qué? Porque el único camino de C a F pasa por D (aptitud 4) — un paso hacia abajo de 6 a 4. La selección lo rechaza. La cima más alta es visible para nosotros, que leemos la tabla desde arriba, pero invisible e inalcanzable para el escalador voraz atrapado en C. Ese hueco cuesta abajo en D es un valle, y un valle — por poco profundo que sea — es un muro para una búsqueda solo-cuesta-arriba. (Suelta al escalador en G en su lugar, y camina alegremente G(8) → F(9) y corona la verdadera cima. Mismo motor, distinta colina de partida, destino opuesto — exactamente el punto de la introducción.)
El valle en D es de solo dos unidades de aptitud — y sigue siendo infranqueable
Fíjate en que la trampa no necesita un valle profundo. El hundimiento en D es una mera caída de 6 a 4 — dos unidades — y la recompensa por cruzarlo es enorme (aptitud 9 frente a 6). Un diseñador cruzaría esa zanja sin pensarlo dos veces. Escalar colinas no puede cruzarlo en absoluto, porque “cruzarlo” empieza con un paso cuesta abajo, y un paso cuesta abajo es uno de más. La altura del muro es irrelevante; el hecho de que sea un muro siquiera es lo que detiene la escalada.
En un paisaje adaptativo, una población se asienta en una MESETA ancha y casi plana donde todos los diseños vecinos tienen una aptitud casi idéntica. Comparada con una población en una ladera pronunciada, ¿cómo se verá su comportamiento?
Clasifica cada afirmación según si es VERDADERA de escalar colinas (la selección natural a secas) o FALSA de ello.
Place each item in the right group.
- Escala más rápido donde el gradiente (la pendiente) es más pronunciado
- Aceptará un paso que baje la aptitud ahora si conduce a algo mucho mejor después
- Conserva al vecino más apto y descarta al peor (es voraz)
- Solo compara un diseño con sus vecinos inmediatos
- El pico que alcanza es la cima de cualquier colina en la que empezó — un pico local
- Tiene un mapa de todo el paisaje y planea una ruta hasta la cima más alta
- Encuentra fiablemente el único mejor diseño posible con tiempo suficiente
- No necesita diseñador, objetivo ni previsión para encontrar un buen diseño
Dos ideas equivocadas que conviene matar en cuanto se ven
El modelo entero se recuerda mal de dos formas concretas y opuestas. Mata ambas ahora.
Idea equivocada 1: “La supervivencia del más apto significa que la evolución encuentra el diseño más apto posible.” Esta es la lectura errónea más común de Darwin, y escalar colinas es exactamente por qué es falsa. La selección conserva al más apto de los vecinos disponibles ahora mismo — no al diseño más apto que podría existir jamás. Encuentra la cima de la colina local, que es meramente “más apto que todo lo que está a un paso”, no “lo mejor que hay”. La frase inglesa “survival of the fittest” cuela en silencio “más apto en cualquier parte”, pero el mecanismo solo certifica “más apto por aquí cerca”. Ese hueco — entre el pico local que alcanza y el pico global que no puede — es el modelo del paisaje adaptativo, y es por lo que los diseños evolucionados son tan fiablemente excelentes-pero-defectuosos. La evolución optimiza; no perfecciona.
Idea equivocada 2: “Escalar colinas es aleatorio.” También falsa, pero en la dirección opuesta. Es tentador, una vez oyes “las mutaciones son aleatorias”, concluir que todo el proceso es un paseo aleatorio. Pero mira qué es aleatorio y qué no. La variación es aleatoria — las mutaciones surgen a ciegas, sin ningún miramiento por lo que ayudaría. La selección no lo es. La selección es un filtro despiadado y direccional: conserva sistemáticamente las variantes más aptas y descarta las peores, lo que hace que el movimiento de la población sea dirigido — fiable e implacablemente cuesta arriba. Así que el proceso es ciego pero no aleatorio: ciego más allá de sus vecinos (no puede ver el paisaje lejano), pero fuertemente dirigido en adónde va (siempre por el gradiente local hacia arriba). Propuesta aleatoria, selección no aleatoria, movimiento dirigido. Confundir “la materia prima es aleatoria” con “el resultado es aleatorio” tira por la borda la intuición entera.
Ciego no es lo mismo que aleatorio
Dilo con precisión: la variación es aleatoria; la selección es dirigida; el movimiento de la población es dirigido pero ciego. Las mutaciones surgen sin previsión (aleatorio). La selección conserva entonces las más aptas cada vez (dirigido), así que la población se mueve fiablemente cuesta arriba (movimiento dirigido) — pero es ciega más allá de sus vecinos inmediatos, así que no puede ver ni apuntar a una cima lejana. “Ciego” (no puede ver lejos) y “aleatorio” (se mueve en cualquier dirección) son fallos completamente distintos. Escalar colinas es ciego, no aleatorio — que es exactamente por lo que escala tan fiablemente y se atasca tan fiablemente.
Un estudiante objeta: 'Si las mutaciones son aleatorias, entonces la evolución es solo un proceso aleatorio — no puede ir de verdad a ningún sitio en particular.' ¿Cuál es el error preciso?
Mira al motor escalar — y negarse a descender
Basta de palabras. Abajo está el paisaje en vivo de la introducción, pero ahora míralo con el motor fresco en la mente. El eje horizontal es cada diseño posible extendido de izquierda a derecha; la altura es la aptitud; la bandera de puntos marca la cima más alta — el mejor diseño que hay.
Pulsa Soltar una población y mira la única regla dispararse, una y otra vez: el escalador palpa a sus vecinos, pisa el más alto, y repite — solo cuesta arriba — hasta que todos los vecinos son más bajos y se detiene en un pico. Fíjate en cuántas veces ese pico es uno bajo, con la verdadera cima señalada al otro lado de un valle en el que el escalador se niega rotundamente a descender. Sube la escarpadura y la trampa salta casi cada vez; bájala a una única colina suave y el escalador siempre encuentra la cima (una colina, sin valles que la veten). La regla solo-cuesta-arriba nunca cambia — solo la forma del terreno decide si esa regla te hace ganar o te condena.
El motor voraz
Mira a escalar colinas detenerse en un pico — sin descender jamás
Cada diseño posible se sitúa en el eje inferior; su aptitud es la altura. Suelta una población y deja que la selección escale: solo da pasos cuesta arriba. Observa dónde se atasca, sube la escarpadura y prueba un gran salto de mutación para escapar.
Aptitud 0 de un posible 64. Suelta una población en algún punto del paisaje y deja que la selección suba la colina más cercana.
Dos cosas que grabar a fuego mientras juegas. Primero, el escalador nunca baja — esa única negativa es el motor entero, y es por lo que se atasca. Segundo, la forma del terreno decide su destino: la misma regla voraz es impecable en un paisaje suave de una sola colina y está condenada en uno escarpado de muchos picos. Quédate con eso: la mitad de si escalar colinas triunfa es la forma del problema, no el buscador.
Consolida el motor rellenando sus cuatro palabras definitorias:
Pick the right option for each blank, then check.
Escalar colinas es una búsqueda : en cada paso conserva al vecino más apto y descarta al peor. Es , porque compara un diseño solo con sus vecinos inmediatos y no tiene visión del terreno lejano. No tiene , así que nunca sopesa adónde lleva después un movimiento — solo la aptitud presente. Y su única regla de hierro es que es : rechaza cualquier paso que baje la aptitud ahora mismo, aun cuando ese paso sea el único camino a una cima mucho más alta. Juntas, estas significan que el pico que alcanza es solo uno — la cima de cualquier colina en la que empezó.
Recapitulación
Entraste sabiendo el terreno. Sales sabiendo el motor que lo camina — y exactamente por qué ese motor queda varado:
- Escalar colinas es el motor de la selección. La variación propone diseños vecinos (a ciegas), la selección conserva al más apto y descarta al peor (con voracidad), la herencia lleva al ganador hacia adelante — y el resultado neto es una población que se mueve cuesta arriba, un pequeño paso de mejora cada vez.
- Es local y sin previsión. Compara un diseño solo con sus vecinos inmediatos (local) y los puntúa solo por la aptitud presente (sin previsión), así que no dará un paso que baje la aptitud ahora — aun cuando ese paso cuesta abajo sea la única ruta a una cima mucho más alta. Un diseñador humano puede ir abajo-y-al-otro-lado; la selección no.
- La regla solo-cuesta-arriba es poder y prisión a la vez. Poder: encuentra un buen diseño sin diseñador, objetivo ni previsión — barata y fiablemente. Prisión: el diseño que encuentra es solo un pico local, la cima de cualquier colina en la que empezó. El mapa ausente causa ambos; no puedes quedarte con uno sin el otro.
- La escarpadura fija la velocidad; un valle es un muro. Un gradiente pronunciado significa una escalada rápida y decisiva; una meseta plana significa una deriva de lado sin rumbo. Pero da igual la escarpadura, el escalador voraz se detiene en cuanto todos los vecinos son más bajos — aterrizando, como mostró la tabla de la A a la G, en un pico más bajo mientras uno más alto se yergue visible e inalcanzable al otro lado de un valle de solo dos unidades de profundidad.
Compruébate: el motor voraz
Un conservacionista dice: «Como estos peces han estado bajo selección durante millones de años, podemos estar seguros de que la evolución ha producido el mejor diseño de pez posible para este lago.» Usando escalar colinas, ¿cuál es la corrección más afilada?
Check your answer to continue.
Hacia dónde va esto
Ahora posees el motor por completo: una búsqueda voraz, local, sin previsión y solo-cuesta-arriba que camina a una población colina arriba en cualquier colina en la que empieza y se detiene en cuanto todos los vecinos son más bajos. Lo has visto escalar, lo has visto negarse a descender, y lo has visto vararse en un pico bajo con uno más alto a plena vista al otro lado de un valle de dos unidades. Sabes distinguir su aleatoriedad (variación) de su dirección (selección), y sabes que la regla solo-cuesta-arriba es su superpoder y su jaula en una.
Lo siguiente es la lección 4, Atrapado en un Pico Bajo, donde entramos en la jaula y nos quedamos un rato. Esa detención-en-un-pico-local que acabas de ver tiene un nombre — el óptimo local (local optimum) — y es el hecho más consecuente de todo este modelo. Lo cobraremos con el expediente biológico real: el cableado del revés del ojo de los vertebrados y su punto ciego, el rodeo absurdo del nervio laríngeo recurrente, el “pulgar” del panda — cada uno un pico local que la selección subió y del que no puede volver a bajar jamás. Conoceremos la idea de la fijación (lock-in), y por fin entenderemos por qué lo “suficientemente bueno” le gana tan fiablemente a lo “mejor” y luego se niega a moverse. El motor que acabas de construir está a punto de explicar buena parte de la hermosa y permanente imperfección del mundo vivo.