Todos os seres vivos devem sobreviver num ambiente em constante mudança. As estações mudam do verão para o inverno e as condições climáticas podem variar desde inundações num ano até secas no ano seguinte. As populações de plantas e animais enfrentam sempre novas pressões, explica Chenge Petak, cientista da Universidade de Vermont. Ainda não está claro como esta instabilidade contínua molda a evolução ao longo do tempo.
Petak questionou-se se as alterações ambientais frequentes realmente ajudam as populações a adaptar-se, preparando-as para desafios futuros, ou se as perturbações constantes retardam o progresso. “As populações beneficiam de múltiplas flutuações ambientais, tornando as novas gerações mais preparadas para mudanças futuras”, perguntou ela, “ou são perturbadas, forçadas a adaptar-se repetidamente, nunca atingindo os níveis de aptidão que as mesmas populações poderiam ter alcançado num ambiente estável?”
Modelando a evolução entre gerações
Para investigar esta questão, Petak se uniu ao cientista da computação da Universidade de Vermont, Lapo Fratti, bem como a dois outros pesquisadores da UVM e um colaborador da Universidade de Cambridge. Juntos, eles desenvolveram um estudo inovador usando simulações computacionais de última geração que rastrearam milhares de gerações de organismos digitais.
As descobertas, publicadas em 15 de dezembro no Proceedings of the National Academy of Sciences (PNAS), desafiam suposições simples sobre a evolução. “Encontramos uma variação notável na forma como as populações evoluíram sob condições variáveis”, relatam os investigadores. “Em alguns casos, as alterações ambientais ajudaram as populações a atingir picos mais elevados de aptidão; noutros, prejudicaram-nas”.
Não pode ser testado em laboratório
Os estudos evolutivos tradicionais muitas vezes rastreiam uma única população que vive no mesmo ambiente. Fratti explica que esse foco estreito pode deixar escapar padrões importantes. “Os investigadores olham frequentemente para a trajectória de longo prazo de uma única população num ambiente particular”, diz Fratti. “Escolhemos uma variedade de ambientes e vimos como as características de cada um afetam a trajetória de muitas populações”.
Para compreender por que razão esta abordagem mais ampla é importante, consideremos as moscas-das-frutas que vivem em muitas partes diferentes do mundo. A população dos Estados Unidos pode sofrer flutuações sazonais de temperatura, enquanto a população do Quénia alterna entre longos períodos de seca e chuvas fortes. Estes grupos pertencem à mesma espécie, mas enfrentam desafios muito diferentes.
“As flutuações de temperatura podem contribuir para uma melhor adaptação às estações frias e quentes”, explica Petak. “Mas as transições repetidas entre as estações seca e chuvosa podem, na verdade, dificultar a adaptação à seca, forçando uma população a ‘reiniciar’ a evolução após um longo período de chuvas – resultando em características piores do que as populações expostas apenas à seca.” Como resultado, uma população pode beneficiar das mudanças ambientais enquanto outra é retida.
Por que a história é importante na evolução
A autora sênior Melissa Pespeni, professora de biologia na UVM, diz que a escala do estudo tornou essas ideias possíveis. “O que é entusiasmante neste estudo é que repetimos a evolução centenas de vezes. Deu-nos uma visão panorâmica de como a evolução aconteceu em diferentes ambientes – algo que seria impossível testar em laboratório”, disse ela.
Uma conclusão importante se destacou. “A maior conclusão para mim é que o ponto de partida realmente importa. A história de uma população determina quão alto ela pode chegar e quão difícil é o caminho para chegar lá, o que significa que não podemos presumir que uma população representa uma espécie inteira.”
Por que essas descobertas são importantes agora
Os resultados têm implicações importantes para problemas do mundo real. Os cientistas precisam de saber se as plantas e os animais conseguem adaptar-se com rapidez suficiente para sobreviver às aceleradas alterações climáticas. Ao mesmo tempo, as bactérias desenvolvem constantemente resistência aos antibióticos, criando uma ameaça cada vez maior à saúde humana.
Apesar dessa complexidade, os estudos muitas vezes se concentram em apenas uma população sob um tipo de estresse ambiental. Conclusões gerais são então tiradas sobre como as espécies responderão às mudanças. Petak argumenta que esta abordagem pode ser enganosa. “Modelos computacionais como o nosso podem ser usados para formular novas hipóteses sobre populações biológicas reais”, diz ela.
Testando o Evolution em 105 ambientes diferentes
Nas suas simulações, os investigadores criaram organismos artificiais e expuseram-nos a uma vasta gama de condições mutáveis. Esses ambientes digitais refletiam padrões naturais, como ciclos de temperatura e períodos alternados de seca e chuva.
“O que há de novo no nosso trabalho”, explica Petak, “é que em vez de estudar a evolução em apenas um ambiente variável, criamos 105 ambientes variáveis diferentes. Isto permitiu-nos comparar sistematicamente como as populações evoluem em muitos cenários diferentes.”
As consequências da inteligência artificial
As descobertas também vão além da biologia e podem ajudar a informar pesquisas no campo da inteligência artificial. Muitos sistemas de inteligência artificial têm dificuldade em aprender novas tarefas sem perder as competências já adquiridas. O coautor e cientista da computação da UVM, Nick Chaney, vê fortes paralelos entre esse problema e a dinâmica evolutiva.
“Os sistemas de inteligência artificial têm sido tradicionalmente construídos em torno da resolução de uma questão específica”, diz Cheney. Novas abordagens visam criar sistemas que aprendem com o tempo. O campo crescente conhecido como aprendizagem on-line contínua, acrescenta ele, “reflete lindamente as ideias exploradas neste artigo sobre como a evolução, a aprendizagem e o desenvolvimento interagem com – e se beneficiam – de um ambiente dinâmico e em mudança”.
Aprendendo a aprender
Para Fratti, a mensagem mais ampla aplica-se a todos os tipos de sistemas de aprendizagem. “Minha pesquisa é sobre metalaprendizado, a capacidade dos sistemas de aprender a aprender.” ele diz. Tal como a inteligência artificial não pode ser avaliada com base numa única tarefa, a evolução não pode ser totalmente compreendida através do estudo de apenas um ambiente.
A pesquisa destaca a importância de testar sistemas em muitos ambientes comparáveis, mas diferentes, ao avaliar a capacidade de evolução, que Fratti descreve como a capacidade de um sistema evoluir em direção ao desenvolvimento.
Essencialmente, a investigação mostra que a evolução é determinada não apenas pelas mudanças em si, mas também pela ordem, tipo e história dessas mudanças. Como diz Petak, “nossos resultados mostram que a escolha de um ambiente variável”, diz ela, “pode ter um grande impacto no resultado”.
