1975 veröffentlicht Holland Adaptation in Natural and Artificial Systems. Seine genetischen Algorithmen konvergieren zu Konfigurationen, die er nicht programmiert hatte. Zufällige Mutationen und künstliche Selektion produzieren Lösungen, die niemand entworfen hatte.
Der Lösungsraum existiert vor der ersten Berechnung. Jedes Optimierungsproblem definiert eine Fitness-Landschaft, eine Geometrie, wo jeder Punkt einer möglichen Lösung entspricht und jede Höhe ihrer Performance. Der Algorithmus erschafft diese Landschaft nicht. Er erkundet sie. Die Optimierungspeaks waren bereits da, eingraviert in die Zwänge des Problems.
Das optimale Zukunftsergebnis beschränkt jede Iteration von Beginn an. Jede Algorithmus-Generation trägt die Spur des Endergebnisses, die Mutationen, die überleben, sind jene, die zum Optimum zeigen, auch wenn der Algorithmus es noch nicht kennt. Die Konvergenz offenbart eine präexistente Geometrie.
Selektive Züchtung legt eine tieferliegende Asymmetrie frei: Die Selektion kann das Mögliche nicht überschreiten. Der Züchter definiert die Fitness-Kriterien, aber diese Entscheidung bestimmt die Landschaft, die er noch nicht betrachtet hat. Zu formulieren, was man sucht, bedeutet bereits zu beschränken, was man finden kann. Der schöpferische Akt liegt nicht in der Selektion. Er liegt in der Wahl des Problems.
Doctrine
Was man sucht, bestimmt was man finden kann. Was man finden kann, existierte bevor man zu suchen begann. Die Erfindung liegt nicht im Algorithmus, sie liegt in der Formulierung des Problems.
Vecteur ouvert
Wenn jedes Optimierungsproblem eine präexistente Fitness-Landschaft definiert, dann teilen zwei Probleme, deren Zwänge zum selben Lösungsraum konvergieren, eine Geometrie, unabhängig von der Domäne, in der sie formuliert sind. Haben Luftfahrttechnik und die Morphologie von Vogelflügeln dasselbe Problem gelöst, oder haben sie dieselbe Lösung in zwei verschiedenen Landschaften entdeckt?
