La teoría evolutiva tradicional explica la adaptación y diversificación a través de mutaciones aleatorias y selección natural. Aunque efectiva para explicar la variación de rasgos y la optimización del fitness, este marco ofrece una comprensión limitada de los principios físicos que subyacen a la aparición espontánea de sistemas complejos y ordenados. Se propone una teoría complementaria: que la evolución está fundamentalmente impulsada por la reducción de la entropía informativa. Basada en la termodinámica fuera del equilibrio, la teoría de sistemas y la teoría de la información, esta perspectiva plantea que los sistemas vivos emergen como estructuras autoorganizadas que reducen la incertidumbre interna extrayendo y comprimiendo información significativa del ruido ambiental. Estos sistemas aumentan en complejidad disipando energía y exportando entropía, mientras construyen arquitecturas internas coherentes y predictivas, en plena conformidad con la segunda ley de la termodinámica. La reducción de la entropía informativa se conceptualiza operando en sinergia con los mecanismos darwinianos. Genera la complejidad estructural e informativa sobre la cual actúa la selección natural, mientras que la mutación y la selección refinan y estabilizan aquellas configuraciones que gestionan la energía y la información de manera más efectiva. Este marco extiende modelos termodinámicos previos al identificar la coherencia informativa, no la eficiencia energética, como el principal motor evolutivo. Métricas recientemente formalizadas, como el Gradiente de Entropía Informativa (IEG), la Tasa de Reducción de Entropía (ERR), la Eficiencia de Compresión (CE), la Relación Normalizada de Compresión de Información (NICR) y la Reducción de Entropía Estructural (SER), proveen herramientas comprobables para evaluar dinámicas de reducción de entropía en sistemas biológicos y artificiales. El soporte empírico proviene de dominios diversos, incluyendo redes autocatalíticas en la química prebiótica, simplificación genómica en la evolución microbiana, codificación predictiva en sistemas neuronales y el acoplamiento energía-información a nivel de ecosistemas. En conjunto, estos ejemplos demuestran que la reducción de la entropía informativa es una característica generalizada y medible de los sistemas en evolución. Aunque este artículo presenta una perspectiva teórica más que resultados empíricos, ofrece una explicación unificadora para las grandes transiciones evolutivas, la emergencia de la cognición y la conciencia, el auge de la inteligencia artificial y la posible universalidad de la vida. Al insertar la evolución dentro de leyes físicas generales que acoplan la disipación de energía con la compresión informativa, este marco provee una base generativa para la investigación interdisciplinaria sobre el origen y la trayectoria de la complejidad.
Building similarity graph...
Analyzing shared references across papers
Loading...
Carlos Montaño
Universidad Autónoma de Ciudad Juárez
Frontiers in Complex Systems
Building similarity graph...
Analyzing shared references across papers
Loading...
Carlos Montaño (jue,) estudió esta cuestión.
synapsesocial.com/papers/68c19f7f54b1d3bfb60dab2c — DOI: https://doi.org/10.3389/fcpxs.2025.1630050
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: