Todos os seres vivos devem sobreviver num ambiente em constante mudança. As estações mudam do verão para o inverno, e os padrões climáticos podem mudar de inundações num ano para secas no ano seguinte. O cientista da Universidade de Vermont, Csenge Petak, explica que as populações de plantas e animais estão sempre respondendo a novas pressões. O que permanece obscuro é como esta instabilidade contínua afecta a evolução ao longo do tempo.
Petak questiona-se se as mudanças ambientais frequentes ajudam realmente a preparar as pessoas para os desafios futuros, ajudando-as a adaptar-se, ou se as perturbações contínuas atrasam o progresso. Ela perguntou: “As pessoas beneficiam de um grande número de flutuações ambientais, tornando as novas gerações mais bem preparadas para enfrentar mudanças futuras, ou ficam comprometidas, forçadas a readaptar-se repetidamente, nunca atingindo os níveis de saúde que a mesma população poderia alcançar num ambiente estável?”
Simulando a evolução entre gerações
Para estudar o problema, Petak se uniu ao cientista da computação Lapo Frati, da Universidade de Vermont, a dois outros pesquisadores da UVM e a um colaborador da Universidade de Cambridge. Juntos, eles desenvolveram um estudo inovador que utilizou simulações computacionais avançadas para rastrear organismos digitais ao longo de milhares de gerações.
As descobertas, publicadas em 15 de dezembro no Proceedings of the National Academy of Sciences (PNAS), desafiam suposições simples sobre a evolução. “Encontramos diferenças significativas na forma como as populações evoluem em diferentes ambientes”, relatam os pesquisadores. “Em alguns casos, a mudança de ambiente ajudou as pessoas a encontrar picos de aptidão mais elevados; mas noutros casos, atrapalhou-as”.
Não pode ser testado em laboratório
Os estudos evolutivos tradicionais normalmente rastreiam uma única população que vive sob um conjunto de condições. Frati explica que esse foco estreito pode deixar passar padrões importantes. “Os pesquisadores frequentemente analisam a trajetória de longo prazo de uma população em um ambiente específico”, disse Frati. “Selecionamos uma variedade de ambientes para ver como as especificidades de cada ambiente afetaram as trajetórias de muitas populações”.
Para ver por que esta abordagem mais ampla é importante, consideremos as moscas da fruta que vivem em diferentes partes do mundo. Uma população nos Estados Unidos pode sofrer variações sazonais de temperatura, enquanto outra população no Quénia pode experimentar alternâncias entre longos períodos de seca e chuvas fortes. Estes grupos pertencem à mesma espécie, mas enfrentam desafios muito diferentes.
“As flutuações de temperatura podem promover uma melhor adaptação às estações frias e quentes”, explica Petak. “No entanto, os ciclos repetidos entre as estações seca e chuvosa podem, na verdade, dificultar a adaptação à seca, forçando as populações a ‘reiniciar’ a evolução após períodos prolongados de chuva, resultando em características piores do que nas populações que estão apenas expostas à seca.” Assim, um grupo pode beneficiar das mudanças ambientais enquanto outro é prejudicado por elas.
Por que a história é importante na evolução
A autora sênior Melissa Pespeni, professora de biologia na UVM, disse que a escala do estudo tornou esses insights possíveis. “O que é interessante neste estudo é que reproduzimos o processo evolutivo centenas de vezes. Isto deu-nos uma visão panorâmica de como a evolução funciona em muitos ambientes diferentes – algo que seria impossível testar em laboratório”, disse ela.
Uma conclusão principal se destaca. “Para mim, a maior conclusão é que os pontos de partida são importantes. A história de uma população determina quão alto ela pode subir e quão difícil é o caminho para chegar lá, o que significa que não podemos presumir que uma população seja representativa de toda a espécie.”
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 se adaptarem à aceleração das alterações climáticas. Ao mesmo tempo, as bactérias continuam a desenvolver resistência aos antibióticos, representando uma ameaça crescente à saúde humana.
Apesar desta complexidade, a investigação centra-se tipicamente num único grupo sujeito a um factor de stress ambiental. Em seguida, tire conclusões gerais sobre como uma espécie responderá às mudanças. Petak acredita que esta abordagem pode ser enganosa. “Modelos computacionais como o nosso podem ser usados para formular novas hipóteses sobre populações biológicas reais”, disse ela.
Teste o Evolution em 105 ambientes diferentes
Em simulações, os pesquisadores criam organismos artificiais e os expõem a uma variedade de condições mutáveis. Estes ambientes digitais refletem padrões naturais, como ciclos de temperatura e períodos alternados de seca e chuva.
Petak explica: “A novidade do nosso trabalho é que em vez de estudar a evolução num ambiente variável, criámos 105 ambientes variáveis diferentes. Isto permitiu-nos comparar sistematicamente como as populações evoluem em muitos cenários diferentes.”
O impacto da inteligência artificial
As descobertas também vão além da biologia e podem ajudar a informar a pesquisa em inteligência artificial. Muitos sistemas de IA têm dificuldade em aprender novas tarefas sem perder as competências que já dominam. O coautor Nick Cheney, cientista da computação da UVM, vê fortes paralelos entre esse desafio e a dinâmica evolutiva.
“Tradicionalmente, os sistemas de IA foram construídos para resolver um problema específico”, disse Cheney. As abordagens mais recentes visam construir sistemas que possam aprender com o tempo. Ele acrescenta que o crescente campo da aprendizagem contínua online “reflete perfeitamente as ideias exploradas neste artigo sobre como a evolução, a aprendizagem e o desenvolvimento podem integrar-se e beneficiar de ambientes mutáveis e dinâmicos”.
aprenda como aprender
Para Frati, a mensagem mais ampla aplica-se a uma variedade de sistemas de aprendizagem. “Minha pesquisa é sobre meta-aprendizagem, a capacidade de um sistema aprender a aprender”, disse ele. Assim como a inteligência artificial não pode ser avaliada com base numa única tarefa, a evolução não pode ser totalmente compreendida estudando apenas um ambiente.
O estudo destaca a importância de testar sistemas sob muitas condições comparáveis, mas diferentes, ao avaliar a capacidade de evolução, que Frati descreve como a capacidade de um sistema evoluir continuamente.
Na sua essência, a investigação mostra que a evolução depende não apenas das mudanças em si, mas também da ordem, do tipo e da história dessas mudanças. Como afirma Petak, “Nossos resultados mostram que a seleção em ambientes variáveis”, diz ela, “pode influenciar fortemente os resultados”.
