En 1975, Holland publie Adaptation in Natural and Artificial Systems. Ses algorithmes génétiques convergent vers des configurations qu'il n'avait pas programmées. Les mutations aléatoires et la sélection artificielle produisent des solutions que personne n'avait conçues.
L'espace des solutions existe avant le premier calcul. Chaque problème d'optimisation définit un paysage de fitness, une géométrie où chaque point correspond à une solution possible et chaque altitude à sa performance. L'algorithme ne crée pas ce paysage. Il l'explore. Les pics d'optimisation étaient déjà là, gravés dans les contraintes du problème.
Le futur optimal contraint chaque itération depuis le début. Chaque génération d'algorithme porte la trace du résultat final, les mutations qui survivent sont celles qui pointent vers l'optimum, même si l'algorithme ne le connaît pas encore. La convergence révèle une géométrie préexistante.
L'élevage sélectif expose une asymétrie plus profonde : la sélection ne peut pas déborder le possible. L'éleveur définit les critères de fitness, mais cette décision détermine le paysage qu'il n'a pas encore regardé. Formuler ce qu'on cherche, c'est déjà contraindre ce qu'on peut trouver. L'acte créateur n'est pas dans la sélection. Il est dans le choix du problème.
Doctrine
Ce qu'on cherche détermine ce qu'on peut trouver. Ce qu'on peut trouver existait avant qu'on commence à chercher. L'invention n'est pas dans l'algorithme, elle est dans la formulation du problème.
Vecteur ouvert
Si chaque problème d'optimisation définit un paysage de fitness préexistant, alors deux problèmes dont les contraintes convergent vers le même espace de solutions partagent une géométrie, indépendamment du domaine dans lequel ils sont formulés. L'ingénierie aéronautique et la morphologie des ailes d'oiseaux ont-elles résolu le même problème, ou ont-elles découvert la même solution dans deux paysages distincts ?
