Information

Wo passt DNA in die Chomsky-Hierarchie?

Wo passt DNA in die Chomsky-Hierarchie?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Da Adenin mit Thymin und Guanin mit Cytosin paart, scheint dies darauf hinzudeuten, dass es einen trivialen regulären Ausdruck für DNA gibt (dh es handelt sich trivialerweise um eine reguläre Sprache, die Typ 3 der Chomsky-Hierarchie ist). Gibt es einen "weniger trivialen" regulären Ausdruck für DNA? Oder, noch besser, gibt es eine "tiefere" grammatikalische Struktur für die DNA, wie beispielsweise eine kontextfreie Grammatik?


In Wahrheit passt DNA überhaupt nicht in die Chomsky-Hierarchie. DNA ist keine Sprache, sondern ein komplexes Molekül in einer komplexen chemischen Umgebung. Die Tatsache, dass wir in vielen Situationen die Struktur der DNA als eine Kette von vier Symbolen abstrahieren können, sollte die zugrunde liegende Komplexität nicht verschleiern. Es gibt einen einfachen Code, der die Aminosäuren beschreibt, die von Nukleotidtripeln kodiert werden, und einige Elemente einer "Grammatik" in der Struktur der Gene, wenn Sie die Augen zusammenkneifen (Startcodons, Stopcodons, Introns und Exons). Aber ein Großteil der Funktion der DNA ist stochastisch und wird von der Biophysik der Bindung von RNA und Proteinmolekülen an DNA angetrieben.


Was ist DNA und wie funktioniert sie?

DNA ist vielleicht das berühmteste biologische Molekül, das in allen Lebensformen auf der Erde vorkommt. Aber was ist DNA oder Desoxyribonukleinsäure? Hier decken wir das Wesentliche ab.

Praktisch jede Zelle in Ihrem Körper enthält DNA oder den genetischen Code, der Sie ausmacht Sie. Die DNA trägt die Anweisungen für die Entwicklung, das Wachstum, die Reproduktion und das Funktionieren allen Lebens.

Unterschiede im genetischen Code sind der Grund, warum ein Mensch blaue statt braune Augen hat, warum manche Menschen anfällig für bestimmte Krankheiten sind, warum Vögel nur zwei Flügel haben und warum Giraffen lange Hälse haben.

Erstaunlicherweise würde die gesamte DNA im menschlichen Körper mehr als 300 Mal bis zur Sonne und zurück reichen.

In diesem Artikel erklären wir die Grundlagen der DNA, woraus sie besteht und wie sie funktioniert.

Kurz gesagt, DNA ist ein langes Molekül, das den einzigartigen genetischen Code jeder Person enthält. Es enthält die Anweisungen zum Aufbau der Proteine, die für das Funktionieren unseres Körpers unerlässlich sind.

DNA-Anweisungen werden von Eltern zu Kind weitergegeben, wobei etwa die Hälfte der DNA eines Kindes vom Vater und die andere von der Mutter stammt.

DNA ist ein zweisträngiges Molekül, das verdreht erscheint und ihm eine einzigartige Form verleiht, die als Doppelhelix.

Jeder der beiden Stränge ist eine lange Folge von Nukleotide oder einzelne Einheiten aus:

  • ein Phosphatmolekül
  • ein Zuckermolekül namens Desoxyribose, das fünf Kohlenstoffe enthält
  • eine stickstoffhaltige Region

Es gibt vier Arten von stickstoffhaltigen Regionen, die als bezeichnet werden Basen:

Die Ordnung dieser vier Basen bildet den genetischen Code, der unsere Lebensanweisungen ist.

Die Basen der beiden DNA-Stränge werden zusammengeklebt, um eine leiterartige Form zu erzeugen. Innerhalb der Leiter bleibt A immer bei T und G bleibt immer bei C, um die „Sprossen“ zu erstellen. Die Länge der Leiter wird von den Zucker- und Phosphatgruppen gebildet.

Die meiste DNA lebt in den Zellkernen und ein Teil findet sich in den Mitochondrien, den Kraftwerken der Zellen.

Da wir so viel DNA haben (2 Meter in jeder Zelle) und unsere Kerne so klein sind, muss DNA unglaublich ordentlich verpackt werden.

DNA-Stränge sind geschlungen, gewunden und um Proteine ​​gewickelt, die als bezeichnet werden Histone. In diesem aufgewickelten Zustand heißt es Chromatin.

Chromatin wird durch einen Prozess namens . weiter kondensiert Supercoiling, und es wird dann in Strukturen namens verpackt Chromosomen. Diese Chromosomen bilden die bekannte „X“-Form, wie im Bild oben zu sehen ist.

Jedes Chromosom enthält ein DNA-Molekül. Der Mensch hat 23 Chromosomenpaare oder insgesamt 46 Chromosomen. Interessanterweise haben Fruchtfliegen 8 Chromosomen und Tauben 80.

Chromosom 1 ist das größte und enthält etwa 8.000 Gene. Das kleinste ist Chromosom 21 mit rund 3.000 Genen.

Jede DNA-Länge, die für ein bestimmtes Protein kodiert, wird als Gen bezeichnet. Zum Beispiel kodiert ein Gen für das Protein Insulin, das Hormon, das hilft, den Blutzuckerspiegel zu kontrollieren. Der Mensch hat etwa 20.000 bis 30.000 Gene, obwohl die Schätzungen variieren .

Unsere Gene machen nur etwa 3 Prozent unserer DNA aus, die restlichen 97 Prozent sind weniger gut verstanden. Es wird angenommen, dass die herausragende DNA an der Regulierung der Transkription und Translation beteiligt ist.

Damit Gene ein Protein erzeugen können, gibt es zwei Hauptschritte:

Transkription: Der DNA-Code wird kopiert, um Boten-RNA (mRNA) zu erzeugen. RNA ist eine Kopie der DNA, aber normalerweise einzelsträngig. Ein weiterer Unterschied besteht darin, dass RNA nicht die Base Thymin (T) enthält, die durch Uracil (U) ersetzt wird.

Übersetzung: Die mRNA wird durch Transfer-RNA (tRNA) in Aminosäuren übersetzt.

mRNA wird in drei-Buchstaben-Abschnitten gelesen, die als bezeichnet werden Codons. Jedes Codon kodiert für eine bestimmte Aminosäure oder einen Baustein eines Proteins. Beispielsweise kodiert das Codon GUG für die Aminosäure Valin.

Es gibt 20 mögliche Aminosäuren.

Telomere sind Regionen mit sich wiederholenden Nukleotiden am Ende der Chromosomen.

Sie schützen die Chromosomenenden vor Beschädigung oder Verschmelzung mit anderen Chromosomen.

Sie wurden mit den Plastikspitzen an Schnürsenkeln verglichen, die verhindern, dass sie ausfransen.

Mit zunehmendem Alter wird dieser Schutzbereich immer kleiner. Jedes Mal, wenn sich eine Zelle teilt und DNA repliziert wird, wird das Telomer kürzer.

Chromosomen sind eng gewundene DNA-Stränge. Gene sind Abschnitte der DNA, die einzelne Proteine ​​kodieren.

Anders ausgedrückt, DNA ist der Masterplan für das Leben auf der Erde und die Quelle der wunderbaren Vielfalt, die wir um uns herum sehen.


Noam Chomsky darüber, wo künstliche Intelligenz schief gelaufen ist

Wenn man eine Liste der größten und schwer fassbaren intellektuellen Herausforderungen der Zivilisation aufstellen würde, wäre das Problem der „Entschlüsselung“ von uns selbst – das Verständnis der inneren Funktionsweise unseres Geistes und unseres Gehirns und wie die Architektur dieser Elemente in unserem Genom kodiert ist – sicherlich ganz oben sein. Doch die unterschiedlichen Bereiche, die sich dieser Herausforderung gestellt haben, von Philosophie und Psychologie bis hin zu Informatik und Neurowissenschaften, waren mit Uneinigkeit über den richtigen Ansatz behaftet.

1956 prägte der Informatiker John McCarthy den Begriff "Künstliche Intelligenz" (KI), um die Erforschung der Intelligenz durch die Umsetzung ihrer wesentlichen Merkmale auf einem Computer zu beschreiben. Die Instanziierung eines intelligenten Systems unter Verwendung von künstlicher Hardware anstelle unserer eigenen "biologischen Hardware" von Zellen und Geweben würde ein ultimatives Verständnis zeigen und offensichtliche praktische Anwendungen bei der Entwicklung intelligenter Geräte oder sogar Roboter haben.

Einige von McCarthys Kollegen in benachbarten Abteilungen interessierten sich jedoch mehr dafür, wie Intelligenz zuerst beim Menschen (und anderen Tieren) implementiert wird. Noam Chomsky und andere arbeiteten an der Kognitionswissenschaft, einem Gebiet, das darauf abzielte, die mentalen Repräsentationen und Regeln aufzudecken, die unseren Wahrnehmungs- und kognitiven Fähigkeiten zugrunde liegen. Chomsky und seine Kollegen mussten das damals vorherrschende Paradigma des Behaviorismus stürzen, das vom Harvard-Psychologen B. F. Skinner verfochten wurde, bei dem tierisches Verhalten auf eine einfache Reihe von Assoziationen zwischen einer Handlung und ihrer anschließenden Belohnung oder Bestrafung reduziert wurde. Die Auflösung von Skinners Einfluss auf die Psychologie wird allgemein durch Chomskys kritische Rezension von Skinners Buch von 1959 markiert Verbale Verhaltensweisen, ein Buch, in dem Skinner versuchte, die sprachlichen Fähigkeiten mit Verhaltensprinzipien zu erklären.

Skinners Ansatz betonte die historischen Zusammenhänge zwischen einem Reiz und der Reaktion des Tieres – ein Ansatz, der leicht als eine Art empirische statistische Analyse formuliert werden kann, die die Zukunft als Funktion der Vergangenheit vorhersagt. Chomskys Sprachkonzept betonte dagegen die Komplexität interner Repräsentationen, die im Genom kodiert sind, und deren Reifung im Lichte der richtigen Daten zu einem ausgeklügelten Rechensystem, das nicht sinnvoll in eine Reihe von Assoziationen zerlegt werden kann. Behavioristische Assoziationsprinzipien konnten den Reichtum sprachlichen Wissens, unseren endlosen kreativen Gebrauch davon nicht erklären oder wie schnell Kinder es mit nur minimaler und unvollkommener Exposition gegenüber der Sprache ihrer Umgebung erwerben. Die "Sprachfakultät", wie Chomsky es nannte, war Teil der genetischen Ausstattung des Organismus, ähnlich wie das Seh-, das Immunsystem und das Kreislaufsystem, und wir sollten uns ihr genauso nähern, wie wir uns diesen anderen bodenständigeren nähern -Erdbiologische Systeme.

David Marr, ein neurowissenschaftlicher Kollege von Chomsky am MIT, hat in seinem einflussreichen Buch einen allgemeinen Rahmen für das Studium komplexer biologischer Systeme (wie des Gehirns) definiert Vision, in die Chomskys Analyse der Sprachkapazität mehr oder weniger passt. Nach Marr kann ein komplexes biologisches System auf drei verschiedenen Ebenen verstanden werden. Die erste Ebene ("computational level") beschreibt die Ein- und Ausgabe an das System, die die Aufgabe des Systems definieren. Im Fall des visuellen Systems könnte die Eingabe das auf unsere Netzhaut projizierte Bild sein und die Ausgabe könnte die Identifizierung der Objekte in dem von uns beobachteten Bild durch unser Gehirn sein. Die zweite Ebene ("algorithmische Ebene") beschreibt das Verfahren, mit dem eine Eingabe in eine Ausgabe umgewandelt wird, d. h. wie das Bild auf unserer Netzhaut verarbeitet werden kann, um die von der Rechenebene beschriebene Aufgabe zu erfüllen. Die dritte Ebene ("Implementation level") schließlich beschreibt, wie unsere eigene biologische Hardware von Zellen das von der algorithmischen Ebene beschriebene Verfahren umsetzt.

Der Ansatz von Chomsky und Marr, zu verstehen, wie unser Verstand das erreicht, was er tut, unterscheidet sich so gut wie möglich vom Behaviorismus. Der Schwerpunkt liegt hier auf der internen Struktur des Systems, die es ihm ermöglicht, eine Aufgabe auszuführen, und nicht auf einer externen Verbindung zwischen dem Verhalten des Systems in der Vergangenheit und der Umgebung. Ziel ist es, in die „Black Box“ einzudringen, die das System antreibt, und sein Innenleben zu beschreiben, ähnlich wie ein Informatiker erklären würde, wie eine ausgeklügelte Software funktioniert und wie sie auf einem Desktop-Computer ausgeführt werden kann.

Wie heute geschrieben, ist die Geschichte der Kognitionswissenschaft eine Geschichte des eindeutigen Triumphs eines im Wesentlichen Chomskyschen Ansatzes über Skinners Behaviorismus-Paradigma – eine Errungenschaft, die allgemein als „kognitive Revolution“ bezeichnet wird, obwohl Chomsky selbst diesen Begriff ablehnt. Während dies in der Kognitionswissenschaft und Psychologie eine relativ genaue Darstellung sein mag, ist das behavioristische Denken in verwandten Disziplinen noch lange nicht tot. Behavioristische experimentelle Paradigmen und assoziative Erklärungen für Tierverhalten werden routinemäßig von Neurowissenschaftlern verwendet, die die Neurobiologie des Verhaltens bei Labortieren wie Nagetieren untersuchen wollen, bei denen der von Marr befürwortete systematische Drei-Ebenen-Rahmen nicht angewendet wird.

Im Mai letzten Jahres fand anlässlich des 150-jährigen Bestehens des Massachusetts Institute of Technology ein Symposium zum Thema "Brains, Minds and Machines" statt, bei dem führende Informatiker, Psychologen und Neurowissenschaftler zusammenkamen, um über Vergangenheit und Zukunft der künstlichen Intelligenz und ihrer Verbindung zu den Neurowissenschaften.

Das Treffen sollte multidisziplinär begeistern für die Wiederbelebung der wissenschaftlichen Frage, aus der das Feld der Künstlichen Intelligenz hervorgegangen ist: Wie funktioniert Intelligenz? Wie entstehen aus unserem Gehirn unsere kognitiven Fähigkeiten und könnte dies jemals in einer Maschine umgesetzt werden?

Noam Chomsky, der auf dem Symposium sprach, war nicht so begeistert. Chomsky kritisierte den Bereich der KI für einen Ansatz, der an Behaviorismus erinnert, außer in modernerer, rechnerisch ausgefeilter Form. Chomsky argumentierte, dass der starke Einsatz statistischer Techniken, um Regelmäßigkeiten in Massen von Daten zu ermitteln, wahrscheinlich nicht die erklärenden Einsichten liefern, die die Wissenschaft bieten sollte. Für Chomsky ist es unwahrscheinlich, dass die „neue KI“ – die sich darauf konzentriert, statistische Lerntechniken zu verwenden, um Daten besser zu ermitteln und vorherzusagen – allgemeine Prinzipien über die Natur intelligenter Wesen oder über Kognition zu liefern.

Diese Kritik löste eine ausführliche Antwort von Googles Forschungsdirektor und bemerktem KI-Forscher Peter Norvig an Chomsky aus.

Chomsky räumte ein, dass der statistische Ansatz, wie im Beispiel einer nützlichen Suchmaschine, einen praktischen Wert haben könnte und durch das Aufkommen schneller Computer ermöglicht wird, die riesige Datenmengen verarbeiten können. Aber was eine Wissenschaft angeht, würde Chomsky argumentieren, dass sie unzureichend oder, härter, irgendwie oberflächlich ist. Wir hätten dem Computer nicht viel beigebracht, was der Begriff "Physiker Sir Isaac Newton" wirklich bedeutet, selbst wenn wir eine Suchmaschine bauen könnten, die Benutzern, die den Begriff eingeben, vernünftige Treffer liefert.

Es stellt sich heraus, dass damit verbundene Meinungsverschiedenheiten Biologen drängen, die versuchen, traditionellere biologische Systeme zu verstehen, wie Chomsky sie mit der Sprachfakultät verglich. So wie die Computerrevolution die massive Datenanalyse ermöglichte, die die "neue KI" antreibt, hat die Sequenzierungsrevolution in der modernen Biologie die blühenden Gebiete der Genomik und Systembiologie hervorgebracht. Hochdurchsatz-Sequenzierung, eine Technik, mit der Millionen von DNA-Molekülen schnell und kostengünstig gelesen werden können, hat die Sequenzierung eines Genoms von einem jahrzehntelangen teuren Unterfangen zu einem erschwinglichen, alltäglichen Laborverfahren gemacht. Anstatt Gene einzeln sorgfältig zu untersuchen, können wir jetzt das Verhalten eines Systems von Genen beobachten, das in Zellen als Ganzes unter Hunderten oder Tausenden von verschiedenen Bedingungen wirkt.

Die Sequenzierungsrevolution hat gerade erst begonnen, und es wurden bereits unglaubliche Datenmengen gesammelt, die viel versprechen und einen Hype für neue Therapeutika und Diagnosen für menschliche Krankheiten mit sich bringen. Wenn beispielsweise ein konventionelles Krebsmedikament bei einer Gruppe von Patienten nicht wirkt, könnte die Antwort im Genom des Patienten liegen, das eine spezielle Eigenschaft haben könnte, die das Medikament an seiner Wirkung hindert. Mit genügend Daten, die die relevanten Merkmale der Genome dieser Krebspatienten mit den richtigen Kontrollgruppen vergleichen, könnten maßgeschneiderte Medikamente entdeckt werden, die zu einer Art "personalisierter Medizin" führen. Implizit in diesem Unterfangen ist die Annahme, dass mit genügend ausgeklügelten statistischen Werkzeugen und einer ausreichend großen Datensammlung interessierende Signale aus dem Rauschen in großen und wenig verstandenen biologischen Systemen herausgefiltert werden können.

Der Erfolg von Feldern wie der personalisierten Medizin und anderen Ablegern der Sequenzierungsrevolution und des systembiologischen Ansatzes hängt von unserer Fähigkeit ab, mit dem umzugehen, was Chomsky als "Massen unanalysierter Daten" bezeichnete – und die Biologie in den Mittelpunkt einer ähnlichen Debatte zu stellen wie die Platz in der Psychologie und Künstlichen Intelligenz seit den 1960er Jahren.

Die Systembiologie ist nicht ohne Skepsis aufgestiegen. Der große Genetiker und mit dem Nobelpreis ausgezeichnete Biologe Sydney Brenner hat das Feld einmal als "Wissenschaft mit geringem Input, hohem Durchsatz, ohne Output" definiert. Brenner, ein Zeitgenosse von Chomsky, der auch an demselben Symposium über KI teilnahm, war ebenso skeptisch gegenüber neuen systemischen Ansätzen zum Verständnis des Gehirns. Bei der Beschreibung eines aufstrebenden Systemansatzes zur Kartierung von Gehirnschaltkreisen namens Connectomics, der versucht, die Verdrahtung aller Neuronen im Gehirn zu kartieren (dh zu zeichnen, welche Nervenzellen mit anderen verbunden sind), nannte Brenner ihn eine "Form des Wahnsinns". "

Brenners Schlagwort-Biss zur Systembiologie und verwandten Techniken in den Neurowissenschaften ist nicht weit von Chomskys Kritik an KI entfernt. Ein unwahrscheinliches Paar, Systembiologie und künstliche Intelligenz stehen beide vor der gleichen grundlegenden Aufgabe, ein hochkomplexes System zurückzuentwickeln, dessen Innenleben weitgehend ein Rätsel ist. Immer bessere Technologien liefern jedoch riesige Datenmengen über das System, von denen nur ein Bruchteil relevant sein könnte. Verlassen wir uns auf leistungsstarke Computer- und Statistikansätze, um Signal von Rauschen zu unterscheiden, oder suchen wir nach den grundlegenderen Prinzipien, die dem System zugrunde liegen und seine Essenz erklären? Der Drang, mehr Daten zu sammeln, ist unwiderstehlich, obwohl nicht immer klar ist, in welchen theoretischen Rahmen diese Daten passen könnten. Diese Debatten werfen eine alte und allgemeine Frage in der Wissenschaftsphilosophie auf: Was macht eine befriedigende wissenschaftliche Theorie oder Erklärung aus und wie sollte Erfolg für die Wissenschaft definiert werden?

Ich saß mit Noam Chomsky an einem Aprilnachmittag in einem etwas unordentlichen Konferenzraum, versteckt in einer versteckten Ecke von Frank Gehrys schillerndem Stata Center am MIT. Ich wollte Chomskys Kritik an künstlicher Intelligenz besser verstehen und warum sie möglicherweise in die falsche Richtung geht. Ich wollte auch die Implikationen dieser Kritik für andere Wissenschaftszweige wie die Neurowissenschaften und die Systembiologie untersuchen, die alle vor der Herausforderung stehen, komplexe Systeme zurückzuentwickeln – und wo sich Forscher oft in einem ständig wachsenden Meer massiver Daten befinden. Die Motivation für das Interview war unter anderem, dass Chomsky heute kaum noch zu wissenschaftlichen Themen befragt wird. Journalisten sind zu sehr damit beschäftigt, seine Ansichten über die US-Außenpolitik, den Nahen Osten, die Obama-Administration und andere Standardthemen zu erfahren. Ein weiterer Grund war, dass Chomsky zu einer seltenen und besonderen Art von Intellektuellen gehört, die schnell aussterben. Seit Jesaja Berlins berühmtem Essay ist es zu einer bevorzugten Freizeitbeschäftigung von Akademikern geworden, verschiedene Denker und Wissenschaftler auf das "Igel-Fuchs"-Kontinuum zu setzen: den Igel, einen akribischen und spezialisierten Arbeiter, angetrieben von schrittweisem Fortschritt in einem klar definierten Feld gegenüber dem Fox, ein auffälligerer, ideengetriebener Denker, der von Frage zu Frage springt, Feldgrenzen ignoriert und seine Fähigkeiten dort anwendet, wo sie anwendbar erscheinen. Chomsky ist etwas Besonderes, weil er diese Unterscheidung wie ein müdes altes Klischee erscheinen lässt. Chomskys Tiefe geht nicht auf Kosten von Vielseitigkeit oder Breite, dennoch hat er seine gesamte wissenschaftliche Laufbahn größtenteils dem Studium definierter Themen der Linguistik und Kognitionswissenschaft gewidmet. Chomskys Arbeit hatte einen enormen Einfluss auf eine Vielzahl von Bereichen außerhalb seines eigenen, einschließlich der Informatik und der Philosophie, und er hat sich nicht gescheut, den Einfluss dieser Ideen zu diskutieren und zu kritisieren, was ihn zu einer besonders interessanten Person für Interviews macht. Videos des Interviews finden Sie hier.

Ich möchte mit einer sehr grundlegenden Frage beginnen.Zu Beginn der KI waren die Leute sehr optimistisch, was die Fortschritte auf dem Gebiet anbelangt, aber es hat sich nicht so entwickelt. Warum war es so schwierig? Fragt man Neurowissenschaftler, warum es so schwierig ist, das Gehirn zu verstehen, dann bekommen sie intellektuell sehr unbefriedigende Antworten, wie zum Beispiel, dass das Gehirn Milliarden von Zellen hat und wir nicht von allen aufzeichnen können und so weiter.

Chomsky: Da ist was dran. Wenn man sich den Fortschritt der Wissenschaft ansieht, sind die Wissenschaften eine Art Kontinuum, aber sie sind in Felder unterteilt. Die größten Fortschritte gibt es in den Wissenschaften, die die einfachsten Systeme untersuchen. Nehmen Sie also, sagen wir, Physik – den größten Fortschritt dort. Aber einer der Gründe ist, dass die Physiker einen Vorteil haben, den kein anderer Wissenschaftszweig hat. Wenn etwas zu kompliziert wird, geben sie es an jemand anderen weiter.

Chomsky: Wenn ein Molekül zu groß ist, gibt man es den Chemikern. Die Chemiker, für sie, wenn das Molekül zu groß ist oder das System zu groß wird, geben Sie es den Biologen. Und wenn es ihnen zu groß wird, geben sie es den Psychologen, und schließlich landet es in den Händen der Literaturkritiker und so weiter. Was die Neurowissenschaftler sagen, ist also nicht ganz falsch.

Es könnte jedoch sein – und es wurde meiner Meinung nach ziemlich plausibel argumentiert, obwohl Neurowissenschaftler das nicht mögen –, dass die Neurowissenschaften in den letzten paar hundert Jahren auf dem falschen Weg waren. Es gibt ein relativ neues Buch eines sehr guten kognitiven Neurowissenschaftlers, Randy Gallistel und King, der – meiner Meinung nach plausibel – argumentiert, dass sich die Neurowissenschaften irgendwie von Assoziation und verwandten Ansichten über die Art und Weise, wie Menschen und Tiere arbeiten, fasziniert haben. Und deshalb haben sie nach Dingen gesucht, die die Eigenschaften der assoziationspsychologischen Psychologie haben.

Wie hebbische Plastizität? [Anmerkung des Herausgebers: Eine Donald Hebb zugeschriebene Theorie, dass Assoziationen zwischen einem Umweltreiz und einer Reaktion auf den Reiz durch die Stärkung synaptischer Verbindungen zwischen Neuronen kodiert werden können.]

Chomsky: Nun, wie die Stärkung der synaptischen Verbindungen. Gallistel argumentiert seit Jahren, dass man, wenn man das Gehirn richtig studieren will, ähnlich wie Marr damit beginnen sollte, sich zu fragen, welche Aufgaben es erfüllt. Also interessiert er sich hauptsächlich für Insekten. Wenn Sie also beispielsweise die Neurologie einer Ameise studieren möchten, fragen Sie sich, was die Ameise macht? Es stellte sich heraus, dass die Ameisen ziemlich komplizierte Dinge tun, wie zum Beispiel die Pfadintegration. Wenn Sie sich Bienen ansehen, erfordert die Bienennavigation ziemlich komplizierte Berechnungen, die den Sonnenstand usw. einbeziehen. Aber im Allgemeinen argumentiert er, dass, wenn man sich die Kognition von Tieren anschaut, auch von Menschen, es sich um Computersysteme handelt. Daher möchten Sie die Berechnungseinheiten suchen. Denken Sie beispielsweise an eine Turing-Maschine, die die einfachste Form der Berechnung ist. Sie müssen Einheiten finden, die Eigenschaften wie "Lesen", "Schreiben" und "Adresse" haben. Das ist die minimale Recheneinheit, also musst du im Gehirn danach suchen. Sie werden sie nie finden, wenn Sie nach einer Verstärkung synaptischer Verbindungen oder Feldeigenschaften usw. suchen. Sie müssen damit beginnen, zu suchen, was da ist und was funktioniert, und das sehen Sie von Marrs höchster Ebene aus.

Richtig, aber die meisten Neurowissenschaftler setzen sich nicht hin und beschreiben die Inputs und Outputs des Problems, das sie untersuchen. Sie werden eher davon angetrieben, beispielsweise eine Maus in eine Lernaufgabe zu setzen und so viele Neuronen wie möglich aufzuzeichnen oder zu fragen, ob Gen X für die Lernaufgabe erforderlich ist und so weiter. Dies sind die Arten von Aussagen, die ihre Experimente erzeugen.

Ist das konzeptionell fehlerhaft?

Chomsky: Nun, wissen Sie, Sie können nützliche Informationen daraus erhalten. Aber wenn es sich tatsächlich um eine Art Berechnung mit Recheneinheiten handelt, werden Sie sie nicht so finden. Es ist irgendwie, auf den falschen Laternenpfahl zu schauen. Es ist eine Debatte. Ich glaube nicht, dass Gallistels Position unter Neurowissenschaftlern sehr allgemein akzeptiert wird, aber es ist keine unplausible Position und im Wesentlichen im Sinne von Marrs Analyse. Wenn man also das Sehen studiert, argumentiert er, fragt man sich zuerst, welche Art von Rechenaufgaben das visuelle System ausführt. Und dann sucht man nach einem Algorithmus, der diese Berechnungen durchführen könnte, und schließlich sucht man nach Mechanismen, die den Algorithmus zum Laufen bringen. Andernfalls werden Sie möglicherweise nie etwas finden. Dafür gibt es viele Beispiele, sogar in den harten Wissenschaften, aber sicherlich in den weichen Wissenschaften. Die Leute neigen dazu, das zu lernen, was man lernt, ich meine, das macht Sinn. Sie haben bestimmte experimentelle Techniken, Sie haben ein gewisses Maß an Verständnis, Sie versuchen, die Grenzen zu überschreiten – was in Ordnung ist, ich meine, es ist keine Kritik, aber die Leute tun, was Sie tun können. Andererseits lohnt es sich zu überlegen, ob Sie in die richtige Richtung zielen. Und es könnte sein, dass Sie, wenn Sie ungefähr die Marr-Gallistel-Sicht vertreten, die mir persönlich sympathisch ist, anders arbeiten würden, nach anderen Experimenten suchen würden.

Richtig, ich denke, eine Schlüsselidee in Marr ist, wie Sie sagten, die richtigen Einheiten zur Beschreibung des Problems zu finden, sozusagen die richtige "Abstraktionsebene", wenn Sie so wollen. Nehmen wir also ein konkretes Beispiel für ein neues Gebiet der Neurowissenschaften, die sogenannte Connectomics, bei dem das Ziel darin besteht, das Schaltbild sehr komplexer Organismen zu finden, die Konnektivität aller Neuronen in der menschlichen Großhirnrinde oder Mausrinde zu finden. Dieser Ansatz wurde von Sidney Brenner kritisiert, der in vielerlei Hinsicht [historisch] einer der Begründer des Ansatzes ist. Befürworter dieses Feldes hören nicht auf zu fragen, ob der Schaltplan die richtige Abstraktionsebene istVielleicht ist es das nicht, also was ist Ihre Meinung dazu?

Chomsky: Nun, es gibt viel einfachere Fragen. Wie hier am MIT gibt es seit Jahrzehnten ein interdisziplinäres Programm zum Nematoden C. elegans, und soweit ich weiß, gibt es selbst bei diesem winzigen Tier, wo Sie den Schaltplan kennen, glaube ich 800 Neuronen oder so .

Chomsky: … Trotzdem kann man nicht vorhersagen, was das Ding [C. elegans Nematode] tun wird. Vielleicht weil du an der falschen Stelle suchst.

Chomsky: Ich hörte, wie Pat Winston vor Jahren einen Vortrag darüber hielt. Einer der Punkte, die er ansprach, war, dass KI und Robotik an einen Punkt gelangten, an dem man tatsächlich Dinge tun konnte, die nützlich waren , nur vom Erfolg der Technologie und dem Erreichen bestimmter Ziele eingeholt.

Also verlagerte es sich ins Ingenieurwesen.

Chomsky: Es wurde . gut, was verständlich ist, aber die Leute natürlich von den ursprünglichen Fragen ablenken würde. Ich muss selbst sagen, dass ich dem Originalwerk gegenüber sehr skeptisch war. Ich hielt es zunächst für viel zu optimistisch, es ging davon aus, dass man Dinge erreichen kann, die ein echtes Verständnis von Systemen erfordern, die kaum verstanden wurden, und man kann dieses Verständnis einfach nicht erreichen, indem man eine komplizierte Maschine darauf wirft. Wenn Sie das versuchen, werden Sie zu einem Erfolgskonzept geführt, das sich selbst verstärkt, weil Sie in diesem Konzept Erfolg haben, aber es unterscheidet sich stark von dem, was in den Wissenschaften gemacht wird. Nehmen wir zum Beispiel einen Extremfall: Nehmen wir an, jemand sagt, er wolle die Physikabteilung eliminieren und es richtig machen. Der "richtige" Weg besteht darin, endlos viele Videobänder von dem zu nehmen, was außerhalb des Videos passiert, und sie in den größten und schnellsten Computer einzugeben, Gigabyte an Daten, und eine komplexe statistische Analyse durchzuführen - Sie wissen schon, Bayesian dies und das [Anmerkung des Herausgebers: Ein moderner Ansatz zur Datenanalyse, der die Wahrscheinlichkeitstheorie stark nutzt.] – und Sie erhalten eine Art Vorhersage darüber, was als nächstes außerhalb des Fensters passieren wird. Tatsächlich erhalten Sie eine viel bessere Vorhersage, als die Physikabteilung jemals geben wird. Nun, wenn Erfolg definiert wird als eine angemessene Annäherung an eine Masse chaotischer, nicht analysierter Daten, dann ist es viel besser, es so zu machen, als es die Physiker tun, wissen Sie, keine Gedankenexperimente über reibungslose Ebenen und so weiter und so weiter. Aber Sie werden nicht die Art von Verständnis bekommen, auf die die Wissenschaften immer abzielten – was Sie erreichen, ist eine Annäherung an das, was passiert.

Und das wird überall gemacht. Angenommen, Sie möchten das Wetter von morgen vorhersagen. Eine Möglichkeit, es zu tun, ist in Ordnung, ich hole meine statistischen Vorkenntnisse, wenn Sie möchten, es ist sehr wahrscheinlich, dass das Wetter hier morgen dasselbe ist wie gestern in Cleveland, also stecke ich das ein, und wo die Sonne ist Dies wird eine gewisse Wirkung haben, also werde ich das einfügen, und Sie erhalten eine Reihe solcher Annahmen, Sie führen das Experiment durch, Sie sehen es sich immer wieder an, Sie korrigieren es mit Bayes'schen Methoden, Sie erhalten bessere Priors. Sie erhalten eine ziemlich gute Annäherung an das Wetter von morgen. Das ist nicht das, was Meteorologen tun – sie wollen verstehen, wie es funktioniert. Und das sind nur zwei verschiedene Konzepte, was Erfolg bedeutet, was Leistung ist. Auf meinem eigenen Gebiet, den Sprachfeldern, ist es überall. Wie bei der computergestützten Kognitionswissenschaft, die auf die Sprache angewendet wird, wird praktisch immer dieses Erfolgskonzept verwendet. Wenn Sie also immer mehr Daten und immer bessere Statistiken erhalten, können Sie eine immer bessere Annäherung an einen riesigen Textkorpus erhalten, wie alles in Das Wall Street Journal Archive – aber Sie lernen nichts über die Sprache.

Ein ganz anderer Ansatz, den ich für richtig halte, besteht darin, zu versuchen, die grundlegenden Prinzipien zu verstehen, die sich mit den Kerneigenschaften befassen, und zu erkennen, dass es bei der tatsächlichen Verwendung tausend andere Variablen geben wird intervenieren – so ähnlich wie das, was außerhalb des Fensters passiert, und Sie werden diese später irgendwie anheften, wenn Sie bessere Näherungen wünschen, das ist ein anderer Ansatz. Dies sind nur zwei verschiedene Konzepte der Wissenschaft. Die zweite ist, was Wissenschaft seit Galileo ist, das ist moderne Wissenschaft. Die Annäherung an nicht analysierte Daten ist eine Art neuer Ansatz, nicht ganz, es gab solche Dinge in der Vergangenheit. Es ist im Grunde ein neuer Ansatz, der durch die Existenz massiver Erinnerungen beschleunigt wurde, eine sehr schnelle Verarbeitung, die es Ihnen ermöglicht, Dinge wie diese zu tun, die Sie von Hand nicht hätten tun können. Aber ich denke selbst, dass es Fächer wie die computergestützte Kognitionswissenschaft in eine Richtung führt, die vielleicht eine gewisse praktische Anwendbarkeit hat.

Chomsky: … Aber weg vom Verstehen. Ja, vielleicht eine effektive Technik. Und es ist interessant zu sehen, was mit der Technik passiert ist. Als ich zum MIT kam, war es in den 1950er Jahren, dies war eine Ingenieurschule. Es gab eine sehr gute Mathematikabteilung, eine Physikabteilung, aber es waren Serviceabteilungen. Sie brachten den Ingenieuren Tricks bei, die sie anwenden konnten. In der Elektrotechnik haben Sie gelernt, wie man eine Schaltung baut. Nun, wenn Sie in den 1960er Jahren oder heute zum MIT gegangen sind, ist es völlig anders. Egal, in welchem ​​Ingenieurbereich Sie tätig sind, Sie lernen die gleichen grundlegenden Naturwissenschaften und Mathematik. Und dann lernst du vielleicht ein bisschen, wie man es anwendet. Aber das ist ein ganz anderer Ansatz. Und es lag vielleicht daran, dass die Grundlagenwissenschaften wie die Physik zum ersten Mal in der Geschichte den Ingenieuren wirklich etwas zu sagen hatten. Und außerdem begannen sich die Technologien sehr schnell zu verändern, daher hat es nicht viel Sinn, die Technologien von heute zu lernen, wenn es in 10 Jahren anders sein wird. Sie müssen also die grundlegende Wissenschaft lernen, die auf alles anwendbar ist, was als nächstes kommt. Und das gleiche passierte ziemlich genau in der Medizin. Im vergangenen Jahrhundert hatte die Biologie also wieder zum ersten Mal der medizinischen Praxis etwas Ernsthaftes zu sagen, also musste man die Biologie verstehen, wenn man Arzt werden wollte, und die Technologien werden sich wieder ändern. Nun, ich denke, das ist die Art des Übergangs von so etwas wie einer Kunst, die man üben lernt – ein Analog würde versuchen, auf irgendeine Weise Daten abzugleichen, die man nicht versteht, und vielleicht etwas aufzubauen, das funktioniert – zur Wissenschaft, was in der Neuzeit geschah, ungefähr die galiläische Wissenschaft.

Ich verstehe. Zurück zum Punkt der Bayesschen Statistik in Sprach- und Kognitionsmodellen. Sie haben bekanntlich argumentiert, dass das Sprechen von der Wahrscheinlichkeit eines Satzes allein unverständlich ist.

Chomsky: … Nun, Sie können eine Nummer bekommen, wenn Sie wollen, aber das hat nichts zu bedeuten.

Es bedeutet nichts. Aber es scheint, als gäbe es einen fast trivialen Weg, die probabilistische Methode mit der Erkenntnis zu vereinen, dass es sehr reiche interne mentale Repräsentationen gibt, die aus Regeln und anderen symbolischen Strukturen bestehen, und das Ziel der Wahrscheinlichkeitstheorie ist nur, verrauschte spärliche Daten in der Welt mit . zu verknüpfen diese internen symbolischen Strukturen. Und das verpflichtet Sie nicht, etwas darüber zu sagen, wie diese Strukturen erworben wurdensie könnten die ganze Zeit da gewesen sein oder teilweise mit einigen Parametern, die abgestimmt wurden, was auch immer Ihre Vorstellung ist. Aber die Wahrscheinlichkeitstheorie dient nur als eine Art Klebstoff zwischen verrauschten Daten und sehr reichhaltigen mentalen Repräsentationen.

Chomsky: Brunnen . An der Wahrscheinlichkeitstheorie ist nichts auszusetzen, an der Statistik ist nichts auszusetzen.

Aber spielt es eine Rolle?

Chomsky: Wenn Sie es verwenden können, gut. Aber die Frage ist, wofür benutzt du es? Die erste Frage ist zunächst, ob es sinnvoll ist, verrauschte Daten zu verstehen? Ist es sinnvoll zu verstehen, was außerhalb des Fensters vor sich geht?

Nun, wir werden damit bombardiert [verrauschte Daten], es ist eines von Marrs Beispielen, wir werden ständig mit verrauschten Daten konfrontiert, von unserer Netzhaut bis zu .

Chomsky: Das stimmt. Aber er sagt: Fragen wir uns, wie das biologische System aus diesem Rauschen Dinge herauspickt, die von Bedeutung sind. Die Netzhaut versucht nicht, das Rauschen zu duplizieren, das hereinkommt. Sie sagt, dass ich nach diesem und jenem suchen werde. Und das Gleiche gilt für den Spracherwerb. Das Neugeborene wird mit massiven Geräuschen konfrontiert, was William James "eine blühende, summende Verwirrung" nannte, nur ein Durcheinander. Wenn, sagen wir, ein Affe oder ein Kätzchen oder ein Vogel oder was auch immer mit diesem Geräusch konfrontiert wird, dann endet es. Jedoch wählt der menschliche Säugling irgendwie, augenblicklich und reflexartig aus dem Geräusch einen verstreuten Unterteil aus, der sprachbezogen ist. Das ist der erste Schritt. Nun, wie macht es das? Es tut es nicht durch statistische Analyse, denn der Affe kann ungefähr die gleiche probabilistische Analyse durchführen. Es sucht nach bestimmten Dingen. Psycholinguisten, Neurolinguisten und andere versuchen also, die besonderen Teile des Computersystems und der Neurophysiologie zu entdecken, die irgendwie auf bestimmte Aspekte der Umwelt abgestimmt sind. Nun, es stellt sich heraus, dass es tatsächlich neuronale Schaltkreise gibt, die auf bestimmte Arten von Rhythmen reagieren, die zufällig in der Sprache auftauchen, wie Silbenlänge und so weiter. Und es gibt einige Beweise dafür, dass das eines der ersten Dinge ist, nach denen das Gehirn eines Säuglings sucht – rhythmische Strukturen. Und zurück zu Gallistel und Marr, es hat ein Rechensystem im Inneren, das sagt: "Okay, so mache ich mit diesen Dingen" und sagen, nach neun Monaten hat das typische Baby die phonetischen Unterscheidungen abgelehnt - aus seinem Repertoire eliminiert - werden nicht in ihrer eigenen Sprache verwendet. Natürlich ist jedes Kind anfangs auf jede Sprache eingestellt. Aber sagen wir, ein japanisches Kind mit neun Monaten reagiert nicht mehr auf die R-L-Unterscheidung, das ist irgendwie aussortiert. Das System scheint also viele Möglichkeiten auszusortieren und es auf diejenigen zu beschränken, die Teil der Sprache sind, und es gibt nur eine begrenzte Anzahl davon. Sie können sich eine Nicht-Sprache ausdenken, in der das Kind es nie könnte, und dann suchen Sie nach anderen Dingen. Um zum Beispiel in eine abstraktere Art von Sprache zu gelangen, gibt es inzwischen substanzielle Beweise dafür, dass so einfache Dinge wie lineare Ordnung, was vor was geht, nicht in die syntaktischen und semantischen Rechensysteme eingeht, sie sind einfach nicht dafür ausgelegt Suche nach linearer Ordnung. Sie stellen also überwiegend fest, dass abstraktere Distanzbegriffe berechnet werden und keine lineare Distanz, und Sie können auch einige neurophysiologische Beweise dafür finden. Zum Beispiel, wenn künstliche Sprachen erfunden und Menschen beigebracht werden, die eine lineare Reihenfolge verwenden, wie wenn Sie einen Satz negieren, indem Sie etwas mit dem dritten Wort tun. Die Leute können das Rätsel lösen, aber anscheinend werden die Standard-Sprachbereiche des Gehirns nicht aktiviert – andere Bereiche werden aktiviert, also behandeln sie es als Rätsel und nicht als Sprachproblem. Sie brauchen mehr Arbeit, aber .

Sie nehmen das als überzeugenden Beweis für eine Aktivierung oder fehlende Aktivierung für den Gehirnbereich.

Chomsky: … Es sind Beweise, Sie wollen natürlich mehr. Aber das ist die Art von Beweisen, sowohl auf der linguistischen Seite, als man sich anschaut, wie Sprachen funktionieren – sie verwenden keine Dinge wie das dritte Wort im Satz. Nehmen Sie einen einfachen Satz wie "Instinktiv schwimmen Adler, die fliegen", na ja, "instinktiv" gehört zum Schwimmen, es passt nicht zum Fliegen, auch wenn es keinen Sinn ergibt. Und das ist reflexartig. „Instinktiv“ sucht das Adverb nicht nach dem nächstgelegenen Verb, sondern nach dem strukturell prominentesten. Das ist eine viel schwierigere Berechnung. Aber das ist die einzige Berechnung, die jemals verwendet wird. Lineare Ordnung ist eine sehr einfache Berechnung, wird aber nie verwendet. Es gibt eine Menge solcher Beweise und ein paar neurolinguistische Beweise, aber sie weisen in die gleiche Richtung. Und wenn Sie zu komplexeren Strukturen gehen, finden Sie immer mehr davon.

Das ist zumindest meiner Meinung nach der Weg, um herauszufinden, wie das System tatsächlich funktioniert, genau wie in der Vision, in Marrs Labor haben Leute wie Shimon Ullman einige ziemlich bemerkenswerte Dinge wie das Starrheitsprinzip entdeckt. Das werden Sie nicht durch statistische Datenanalyse finden. Aber er fand es durch sorgfältig geplante Experimente. Dann suchen Sie nach der Neurophysiologie und sehen, ob Sie dort etwas finden, das diese Berechnungen durchführt. Ich denke, es ist das gleiche in der Sprache, das gleiche beim Studieren unserer arithmetischen Fähigkeiten, bei der Planung, bei fast allem, was Sie sich ansehen. Der bloße Versuch, mit den nicht analysierten chaotischen Daten umzugehen, wird Sie wahrscheinlich nicht weiterbringen, genauso wie Galileo nichts gebracht hätte. Wenn man darauf zurückblickt, war es im 17. machte irgendeinen Sinn.Ich meine, warum Bälle studieren, die reibungslos über Flugzeuge rollen, die nicht existieren. Warum nicht das Wachstum von Blumen studieren? Nun, wenn Sie versuchen würden, das Wachstum von Blumen zu dieser Zeit zu untersuchen, würden Sie vielleicht eine statistische Analyse erhalten, wie die Dinge aussahen.

Es sei daran erinnert, dass wir in Bezug auf die Kognitionswissenschaft eine Art Vor-Galiläer sind und gerade erst anfangen, das Thema zu öffnen. Und ich denke, man kann etwas aus der Art und Weise lernen, wie die Wissenschaft [damals] funktioniert hat. Tatsächlich war eines der Gründungsexperimente in der Geschichte der Chemie um 1640 oder so, als jemand zur Zufriedenheit der wissenschaftlichen Welt bis hin zu Newton bewies, dass Wasser in lebende Materie umgewandelt werden kann. Sie haben es so gemacht – natürlich wusste niemand etwas über Photosynthese – also nimmt man einen Haufen Erde und erhitzt ihn, damit das gesamte Wasser entweicht. Du wiegst es und steckst es in einen Weidenzweig und gießt Wasser darauf und misst dir die Wassermenge ab, die du hineingibst. Wenn du fertig bist, ist der Weidenbaum gewachsen, du nimmst wieder die Erde und erhitzen Sie es so, dass das gesamte Wasser weg ist – genauso wie zuvor. Daher haben Sie gezeigt, dass Wasser zu einer Eiche oder so werden kann. Es ist ein Experiment, es ist irgendwie richtig, aber es ist nur so, dass Sie nicht wissen, wonach Sie suchen sollten. Und sie waren nicht bekannt, bis Priestly herausfand, dass Luft ein Bestandteil der Welt ist, sie enthält Stickstoff und so weiter, und man lernt etwas über Photosynthese und so weiter. Dann können Sie das Experiment wiederholen und herausfinden, was los ist. Aber Sie können leicht von Experimenten, die zu funktionieren scheinen, in die Irre geführt werden, weil Sie nicht genug wissen, wonach Sie suchen sollen. Und Sie können noch mehr irregeführt werden, wenn Sie versuchen, das Wachstum von Bäumen zu untersuchen, indem Sie einfach eine Menge Daten über das Wachstum von Bäumen aufnehmen, sie in einen riesigen Computer einspeisen, einige Statistiken erstellen und eine Annäherung an das, was passiert ist.

Würden Sie im Bereich der Biologie die Arbeit von Mendel als einen erfolgreichen Fall betrachten, in dem Sie diese verrauschten Daten nehmen?im Wesentlichen zähltund Sie springen, um dieses theoretische Objekt zu postulieren.

Chomsky: … Nun, viele Daten wegwerfen, die nicht funktionierten.

… Aber das Verhältnis zu sehen, das angesichts der Theorie sinnvoll war.

Chomsky: Ja, er hat das Richtige getan. Er ließ die Theorie die Daten leiten. Es gab Zählerdaten, die mehr oder weniger verworfen wurden, Sie wissen, dass Sie sie nicht in Ihre Papiere schreiben. Und er sprach natürlich über Dinge, die niemand finden konnte, wie zum Beispiel die Einheiten, die er postulierte. Aber so funktioniert Wissenschaft. Genauso mit Chemie. Die Chemie galt bis vor nicht allzu langer Zeit in meiner Kindheit als Rechengerät. Weil man nicht auf Physik reduzieren konnte. Es ist also nur eine Möglichkeit, das Ergebnis von Experimenten zu berechnen. Das Bohr-Atom wurde so behandelt. Es ist die Art, die Ergebnisse von Experimenten zu berechnen, aber es kann keine echte Wissenschaft sein, weil man es nicht auf Physik reduzieren kann, was sich übrigens als wahr herausstellte, man konnte es nicht auf Physik reduzieren, weil die Physik falsch war. Als die Quantenphysik aufkam, konnte man sie mit praktisch unveränderter Chemie vereinen. Das Reduktionsprojekt war also einfach das falsche Projekt. Das richtige Projekt war, zu sehen, wie diese beiden Sichtweisen auf die Welt vereint werden können. Und es stellte sich als Überraschung heraus – sie wurden durch eine radikale Veränderung der zugrunde liegenden Wissenschaft vereint. Das könnte sehr wohl bei der Psychologie und den Neurowissenschaften der Fall sein. Ich meine, die Neurowissenschaften sind bei weitem nicht so fortgeschritten wie die Physik vor einem Jahrhundert.

Das würde dem reduktionistischen Ansatz widersprechen, nach Molekülen zu suchen, die mit korrelieren.

Chomsky: Ja. Tatsächlich hat sich der reduktionistische Ansatz oft als falsch erwiesen. Der Vereinheitlichungsansatz ist sinnvoll. Aber die Vereinigung könnte sich nicht als Reduktion erweisen, weil die Kernwissenschaft wie im Fall Physik-Chemie falsch verstanden werden könnte und ich vermute sehr wahrscheinlich im Fall Neurowissenschaft-Psychologie. Wenn Gallistel Recht hat, wäre dies ein typisches Beispiel dafür, dass sie vereinheitlicht werden können, aber mit einem anderen Ansatz für die Neurowissenschaften.

Ist das also ein erstrebenswertes Ziel der Vereinigung oder sollten die Felder parallel verlaufen?

Chomsky: Nun, Vereinigung ist eine Art intuitives Ideal, Teil der wissenschaftlichen Mystik, wenn Sie so wollen. Sie versuchen, eine einheitliche Theorie der Welt zu finden. Nun, vielleicht gibt es keine, vielleicht funktionieren verschiedene Teile auf unterschiedliche Weise, aber Ihre Annahme ist, bis ich endgültig falsch liegen kann, gehe ich davon aus, dass es eine einheitliche Darstellung der Welt gibt, und es ist meine Aufgabe, zu versuchen, sie zu finden . Und die Vereinigung kommt möglicherweise nicht durch Reduktion zustande – oft nicht. Und das ist die Leitlogik von David Marrs Ansatz: Was Sie auf der Computerebene entdecken, sollte mit dem vereint werden, was Sie eines Tages auf der Mechanismusebene herausfinden werden, aber vielleicht nicht in Bezug auf das heutige Verständnis der Mechanismen .

Und implizit in Marr scheint es, dass man nicht an allen drei parallel arbeiten kann [Computer-, Algorithmik-, Implementierungsebenen], es muss von oben nach unten vorgehen, was eine sehr strenge Anforderung ist, da die Wissenschaft normalerweise nicht so funktioniert Weg.

Chomsky: Nun, er hätte nicht gesagt, dass es starr sein muss. Wenn Sie beispielsweise mehr über die Mechanismen erfahren, können Sie Ihr Berechnungskonzept ändern. Aber es gibt eine Art logischer Vorrang, der nicht unbedingt der Forschungsvorrang ist, da in der Forschung alles gleichzeitig abläuft. Aber ich denke, dass das grobe Bild in Ordnung ist. Allerdings sollte ich erwähnen, dass Marrs Konzept für Eingabesysteme konzipiert wurde.

informationsverarbeitende Systeme .

Chomsky: Ja, wie eine Vision. Da draußen gibt es einige Daten – es ist ein Verarbeitungssystem – und im Inneren geht etwas vor. Es ist nicht sehr gut für kognitive Systeme ausgelegt. Nehmen Sie zum Beispiel Ihre Fähigkeit, arithmetische Operationen durchzuführen.

Es ist sehr arm, aber ja.

Chomsky: Gut [lacht]. Aber es ist eine interne Kapazität, Sie wissen, dass Ihr Gehirn eine Kontrolleinheit für eine Art Turing-Maschine ist, und es hat Zugriff auf einige externe Daten wie Speicher, Zeit und so weiter. Und im Prinzip könnte man alles vervielfachen, aber in der Praxis natürlich nicht. Wenn Sie versuchen, herauszufinden, was dieses interne System von Ihnen ist, funktioniert die Marr-Hierarchie nicht wirklich gut. Sie können über die Rechenebene sprechen – vielleicht sind die Regeln, die ich habe, Peanos Axiome [Anmerkung des Herausgebers: eine mathematische Theorie (benannt nach dem italienischen Mathematiker Giuseppe Peano), die einen Kernsatz von Grundregeln der Arithmetik und natürlichen Zahlen beschreibt, aus denen viele nützliche Fakten über die Arithmetik abgeleitet werden können] oder etwas, was auch immer sie sind - das ist die rechnerische Ebene. Theoretisch kann man, obwohl wir nicht wissen wie, über die neurophysiologische Ebene sprechen, niemand weiß wie, aber es gibt keine wirkliche algorithmische Ebene. Weil es keine Berechnung des Wissens gibt, ist es nur ein System des Wissens. Um die Natur des Wissenssystems herauszufinden, gibt es keinen Algorithmus, weil es keinen Prozess gibt. Mit dem Wissenssystem hat das einen Prozess, aber das ist etwas anderes.

Aber da wir Fehler machen, ist das nicht der Beweis dafür, dass ein Prozess schief gelaufen ist?

Chomsky: Das ist der Prozess der Verwendung des internen Systems. Aber das interne System selbst ist kein Prozess, da es keinen Algorithmus hat. Nehmen wir zum Beispiel gewöhnliche Mathematik. Wenn Sie Peanos Axiome und Inferenzregeln nehmen, bestimmen sie alle arithmetischen Berechnungen, aber es gibt keinen Algorithmus. Wenn Sie fragen, wie ein Zahlentheoretiker dies anwendet, auf alle möglichen Arten. Vielleicht fängst du nicht mit den Axiomen an und beginnst mit den Inferenzregeln. Sie nehmen den Satz und sehen, ob ich ein Lemma aufstellen kann, und wenn es funktioniert, dann sehen Sie, ob ich versuchen kann, dieses Lemma in etwas zu begründen, und schließlich erhalten Sie einen Beweis, der ein geometrisches Objekt ist.

Aber das ist eine grundlegend andere Aktivität, als ich kleine Zahlen in meinem Kopf zusammenzähle, was sicherlich eine Art Algorithmus hat.

Chomsky: Nicht unbedingt. In beiden Fällen gibt es einen Algorithmus für den Prozess. Aber es gibt keinen Algorithmus für das System selbst, es ist eine Art Kategoriefehler. Sie stellen nicht die Frage, was der von Peanos Axiomen und den Inferenzregeln definierte Prozess ist, es gibt keinen Prozess. Es kann einen Prozess geben, sie zu verwenden. Und es könnte ein komplizierter Prozess sein, und das gleiche gilt für Ihre Berechnung. Das interne System, das Sie haben – dafür stellt sich die Frage des Prozesses nicht. Aber für Ihre Verwendung dieses inneren Systems entsteht es, und Sie können Multiplikationen auf alle möglichen Arten durchführen. Wenn Sie zum Beispiel 7 und 6 addieren, sagen wir, ein Algorithmus sagt: "Ich werde sehen, wie viel es braucht, um auf 10 zu kommen" - es dauert 3, und jetzt habe ich noch 4 übrig, also muss ich von 10 und addiere 4, ich erhalte 14. Das ist ein Algorithmus zum Addieren -- es ist tatsächlich einer, der mir im Kindergarten beigebracht wurde. Das ist eine Möglichkeit zum Hinzufügen.

Aber es gibt noch andere Möglichkeiten zum Hinzufügen – es gibt keinen richtigen Algorithmus. Dies sind Algorithmen zur Durchführung des Prozesses des kognitiven Systems, das sich in Ihrem Kopf befindet. Und für dieses System fragt man nicht nach Algorithmen. Sie können nach der Rechenebene fragen, Sie können nach der Mechanismusebene fragen. Aber die Algorithmusebene existiert für dieses System nicht. Mit der Sprache ist es ähnlich. Sprache ist so etwas wie das arithmetische Vermögen. Da ist ein System drin, das den Klang und die Bedeutung einer unendlichen Reihe möglicher Sätze bestimmt. Aber es ist keine Frage, was der Algorithmus ist. Es steht außer Frage, was ein formales Arithmetiksystem über den Beweis von Theoremen sagt. Die Verwendung des Systems ist ein Prozess und Sie können ihn in Bezug auf das Niveau von Marr studieren. Aber es ist wichtig, diese Unterscheidungen konzeptionell klar zu machen.

Es scheint einfach eine erstaunliche Aufgabe zu sein, von einer theoretischen Berechnungsebene, wie den Peano-Axiomen, auf die Marr-Ebene 3 der .

… Mechanismen und Implementierungen .

Chomsky: Oh ja. Brunnen .

… zumindest ohne Algorithmus.

Chomsky: Nun, ich glaube nicht, dass das stimmt. Vielleicht Informationen darüber, wie es verwendet wird, die Ihnen etwas über die Mechanismen sagen. Aber eine höhere Intelligenz – vielleicht höher als unsere – würde sehen, dass es ein internes System gibt, das eine physiologische Basis hat, und ich kann die physiologische Basis dieses internen Systems studieren. Nicht einmal auf den Prozess, bei dem es verwendet wird. Vielleicht erhalten Sie durch einen Blick auf den Prozess, bei dem es verwendet wird, hilfreiche Informationen zum weiteren Vorgehen. Aber es ist konzeptionell ein anderes Problem. Das ist die Frage, wie man etwas am besten lernt. Der vielleicht beste Weg, um die Beziehung zwischen Peanos Axiomen und Neuronen zu studieren, besteht darin, Mathematikern beim Beweisen von Theoremen zuzusehen. Aber das ist nur, weil es Ihnen Informationen gibt, die hilfreich sein können. Das eigentliche Endergebnis davon wird eine Darstellung des Systems im Gehirn sein, die physiologische Grundlage dafür, ohne Bezug auf irgendeinen Algorithmus. Bei den Algorithmen geht es um einen Prozess der Verwendung, der Ihnen helfen kann, Antworten zu erhalten. Vielleicht sagen Neigungsebenen etwas über die Fallgeschwindigkeit aus, aber wenn Sie sich die Newtonschen Gesetze ansehen, sagen sie nichts über Neigungsebenen aus.

Rechts. Die Logik zum Studium kognitiver und sprachlicher Systeme mit dieser Art von Marr-Ansatz ist also sinnvoll, aber da Sie argumentiert haben, dass die Sprachkapazität Teil der genetischen Ausstattung ist, könnten Sie sie auf andere biologische Systeme anwenden, wie das Immunsystem, den Kreislauf System .

Chomsky: Ich denke, es ist auf jeden Fall sehr ähnlich. Dasselbe kann man über das Studium des Immunsystems sagen.

Es könnte sogar einfacher sein, dies für diese Systeme zu tun als für die Kognition.

Chomsky: Obwohl Sie andere Antworten erwarten würden. Sie können es für das Verdauungssystem tun. Angenommen, jemand studiert das Verdauungssystem. Nun, sie werden nicht untersuchen, was passiert, wenn man eine Magen-Darm-Grippe hat oder gerade einen großen Mac gegessen hat oder so. Kommen wir zurück zum Fotografieren außerhalb des Fensters. Eine Möglichkeit, das Verdauungssystem zu studieren, besteht darin, einfach alle Daten zu nehmen, die Sie über die Vorgänge des Verdauungssystems unter allen Umständen finden können, die Daten in einen Computer zu werfen, eine statistische Analyse durchzuführen – Sie erhalten etwas. Aber es wird nicht das sein, was ein Biologe tun würde. Sie wollen gleich zu Beginn von vermeintlichen – vielleicht fälschlicherweise, man kann immer falsch liegen – irrelevanten Variablen abstrahieren, etwa wenn man eine Magen-Darm-Grippe hat.

Aber genau das machen die Biologen, sie nehmen die Kranken mit dem kranken Verdauungssystem, vergleichen sie mit den Normalen und messen diese molekularen Eigenschaften.

Chomsky: Sie tun es in einem fortgeschrittenen Stadium. Sie verstehen bereits viel über das Studium des Verdauungssystems, bevor wir sie vergleichen, sonst wüsste man nicht, was man vergleichen soll und warum einer krank ist und einer nicht.

Nun, sie verlassen sich auf statistische Analysen, um die diskriminierenden Merkmale herauszufiltern. Es ist ein sehr finanzierbarer Ansatz, weil Sie behaupten, kranke Menschen zu studieren.

Chomsky: Es kann der Weg sein, Dinge zu finanzieren. Der Weg, um das Studium der Sprache zu finanzieren, besteht vielleicht darin, zu sagen, vielleicht helfen Sie, Autismus zu heilen. Das ist eine andere Frage (lacht). Aber die Logik der Suche besteht darin, zunächst das System zu studieren, das von dem, was Sie plausibel für irrelevant halten, abstrahiert ist, zu sehen, ob Sie seine grundlegende Natur finden können – und dann fragen Sie, was passiert, wenn ich etwas von diesem anderen einbringe? Sachen wie Magen-Darm-Grippe.

Es scheint immer noch schwierig zu sein, Marrs Level auf diese Art von Systemen anzuwenden. Wenn Sie fragen, welches Rechenproblem das Gehirn löst, haben wir eine Art Antwort, es ist so etwas wie ein Computer. Aber wenn Sie fragen, was das Rechenproblem ist, das von der Lunge gelöst wird, ist das sehr schwer zu denkenes ist nicht offensichtlich ein Problem der Informationsverarbeitung.

Chomsky: Nein, aber es gibt keinen Grund anzunehmen, dass die gesamte Biologie rechnerisch ist. Es kann Gründe geben anzunehmen, dass Kognition ist. Und in der Tat sagt Gallistel nicht, dass alles im Körper untersucht werden sollte, indem man Lese-/Schreib-/Adresseinheiten findet.

Es scheint nur im Widerspruch zu jeder evolutionären Intuition zu stehen. Diese Systeme haben sich gemeinsam entwickelt, wobei viele der gleichen Teile, die gleichen Moleküle und Wege wiederverwendet wurden. Zellen sind Computerdinge.

Chomsky: Sie untersuchen die Lunge nicht, indem Sie fragen, was Zellen berechnen. Sie studieren das Immunsystem und das visuelle System, aber Sie werden nicht erwarten, die gleichen Antworten zu finden. Ein Organismus ist ein hochmodulares System, hat viele komplexe Teilsysteme, die mehr oder weniger intern integriert sind. Sie arbeiten nach unterschiedlichen Prinzipien. Die Biologie ist hochmodular. Sie gehen nicht davon aus, dass es nur ein einziges großes Durcheinander ist, das sich alle gleich verhält.

Nein, sicher, aber ich sage, Sie würden den gleichen Ansatz anwenden, um jedes der Module zu studieren.

Chomsky: Nicht unbedingt, nicht wenn die Module unterschiedlich sind. Einige der Module können rechnerisch sein, andere nicht.

Was wäre also eine adäquate Theorie, die erklärend ist, anstatt nur Daten auf statistische Weise vorherzusagen, was wäre eine adäquate Theorie dieser Systeme, die keine Computersysteme sind?können wir sie überhaupt verstehen?

Chomsky: Sicher. Sie können viel darüber verstehen, was beispielsweise dazu führt, dass ein Embryo zu einem Huhn und nicht zu einer Maus wird. Es ist ein sehr kompliziertes System, das alle möglichen chemischen Wechselwirkungen beinhaltet, alle möglichen anderen Dinge. Selbst der Nematode ist keineswegs offensichtlich – es gibt sogar Berichte aus der Studie hier –, dass es sich nur um ein neuronales Netz handelt. Sie müssen komplexe chemische Wechselwirkungen untersuchen, die im Gehirn, im Nervensystem, stattfinden. Sie müssen jedes System für sich untersuchen. Diese chemischen Wechselwirkungen hängen möglicherweise nicht damit zusammen, wie Ihre arithmetischen Fähigkeiten funktionieren – wahrscheinlich nicht. Aber sie könnten sehr gut damit zusammenhängen, ob Sie sich entscheiden, Ihren Arm zu heben oder zu senken.

Wenn Sie jedoch die chemischen Wechselwirkungen studieren, könnten Sie zu dem führen, was Sie nur eine Neubeschreibung der Phänomene genannt haben.

Chomsky: Oder eine Erklärung. Denn vielleicht ist das direkt und entscheidend beteiligt.

Aber wenn Sie es in Bezug darauf erklären, dass chemisches X eingeschaltet sein muss oder Gen X eingeschaltet werden muss, haben Sie nicht wirklich erklärt, wie die Bestimmung des Organismus erfolgt. Sie haben einfach einen Schalter gefunden und diesen Schalter gedrückt.

Chomsky: Aber dann schaut man weiter und findet heraus, was dieses Gen unter diesen Umständen dazu bringt, das und das zu tun, und unter anderen Umständen etwas anderes zu tun.

Aber wenn Gene die falsche Abstraktionsebene haben, wären Sie am Arsch.

Chomsky: Dann bekommst du nicht die richtige Antwort. Und vielleicht sind sie es nicht. Zum Beispiel ist es notorisch schwierig zu erklären, wie ein Organismus aus einem Genom entsteht. In der Zelle laufen alle Arten von Produktion. Wenn Sie sich nur die Genaktion ansehen, befinden Sie sich möglicherweise nicht auf der richtigen Abstraktionsebene. Man weiß nie, das versucht man zu studieren. Ich glaube nicht, dass es einen Algorithmus gibt, um diese Fragen zu beantworten, versuchen Sie es.

Ich möchte also mehr in Richtung Evolution schalten. Sie haben eine sehr interessante Position kritisiert, die Sie "phylogenetischer Empirismus" genannt haben. Sie haben diese Position kritisiert, weil sie keine Erklärungskraft hat. Es besagt einfach: Nun, der Geist ist so, wie er ist, weil er sich an die Umgebung angepasst hat, für die er ausgewählt wurde. Und diese wurden durch natürliche Selektion ausgewählt. Sie haben argumentiert, dass dies nichts erklärt, weil Sie sich immer auf diese beiden Prinzipien von Mutation und Selektion berufen können.

Chomsky: Nun, Sie können ihnen mit den Händen zuwinken, aber sie könnten Recht haben. Es könnte sein, dass die Entwicklung Ihrer arithmetischen Fähigkeiten zum Beispiel durch zufällige Mutationen und Selektionen entstanden ist. Wenn sich herausstellte, dass es wahr war, gut.

Es scheint eine Binsenweisheit zu sein.

Chomsky: Nun, ich meine, bedeutet nicht, dass es falsch ist. Binsenweisheiten sind wahr. [lacht].

Aber sie erklären nicht viel.

Chomsky: Vielleicht ist das die höchste Erklärungsebene, die Sie bekommen können. Sie können eine Welt erfinden – ich glaube nicht, dass es unsere Welt ist –, aber Sie können eine Welt erfinden, in der nichts passiert, außer zufällige Veränderungen von Objekten und Auswahl aufgrund äußerer Kräfte. Ich glaube nicht, dass unsere Welt so funktioniert, ich glaube nicht, dass ein Biologe so denkt. Es gibt alle möglichen Arten, wie das Naturgesetz Kanäle auferlegt, innerhalb derer eine Selektion stattfinden kann, und einige Dinge können passieren und andere nicht. Viele Dinge, die in der Biologie von Organismen vor sich gehen, sind nicht so. Machen Sie also den ersten Schritt, die Meiose. Warum teilen sich Zellen in Kugeln und nicht in Würfel auf? Es ist keine zufällige Mutation und natürliche Selektion, es ist ein Gesetz der Physik. Es gibt keinen Grund zu der Annahme, dass die Gesetze der Physik hier aufhören, sie wirken durch.

Nun, sie schränken die Biologie ein, klar.

Chomsky: Okay, dann ist es nicht nur zufällige Mutation und Auswahl. Es ist zufällige Mutation, Auswahl und alles, was zählt, wie Gesetze der Physik.

Gibt es also Raum für diese Ansätze, die jetzt als "vergleichende Genomik" bezeichnet werden, wie das Broad Institute hier [am MIT/Harvard] riesige Datenmengen von verschiedenen Genomen, verschiedenen Tieren, verschiedenen Zellen unter verschiedenen Bedingungen generiert und jedes Molekül sequenziert? das ist sequenzierbar. Ist aus diesen vergleichenden Evolutionsstudien etwas über diese hochrangigen kognitiven Aufgaben zu entnehmen oder ist es verfrüht?

Chomsky: Ich sage nicht, dass es der falsche Ansatz ist, aber ich weiß nichts, was man daraus ziehen könnte. Das würden Sie auch nicht erwarten.

Sie haben keine Beispiele, wo diese evolutionäre Analyse etwas gebracht hat? Wie Foxp2-Mutationen? [Anmerkung des Herausgebers: Ein Gen, von dem angenommen wird, dass es an der Sprech- oder Sprachfähigkeit beteiligt ist. Bei einer Familie mit einer stereotypen Sprachstörung wurden genetische Mutationen festgestellt, die dieses Gen stören. Dieses Gen hat sich so entwickelt, dass es mehrere Mutationen aufwies, die für die menschliche Evolutionslinie einzigartig sind.]

Chomsky: Foxp2 ist irgendwie interessant, hat aber nichts mit Sprache zu tun. Es hat mit feinmotorischen Koordinationen und dergleichen zu tun. Was in der Verwendung von Sprache stattfindet, wie wenn man spricht, kontrolliert man seine Lippen und so weiter, aber all das ist für die Sprache sehr peripher, und das wissen wir. Egal, ob Sie zum Beispiel die Artikulationsorgane oder das Gebärden benutzen, Sie kennen die Handbewegungen, es ist die gleiche Sprache. Tatsächlich wird es sogar in den gleichen Teilen des Gehirns analysiert und produziert, obwohl einer von ihnen Ihre Hände und der andere Ihre Lippen bewegt. Was auch immer die Externalisierung ist, sie scheint ziemlich peripher zu sein. Ich denke, sie sind zu kompliziert, um darüber zu sprechen, aber ich denke, wenn man sich die Gestaltungsmerkmale von Sprache genau ansieht, bekommt man Beweise dafür. Es gibt interessante Fälle in der Sprachwissenschaft, in denen Konflikte zwischen Recheneffizienz und kommunikativer Effizienz auftreten.

Nehmen Sie den von mir erwähnten Fall der linearen Ordnung. Wenn Sie wissen möchten, an welches Verb das Adverb hängt, verwendet das Kind reflexartig minimale strukturelle Distanz, nicht minimale lineare Distanz. Nun, es verwendet minimale lineare Abstände, was rechnerisch einfach ist, aber es erfordert, dass eine lineare Ordnung verfügbar ist. Und wenn lineare Ordnung nur ein Reflex des sensomotorischen Systems ist, was sinnvoll ist, wird sie nicht verfügbar sein. Das ist ein Beweis dafür, dass die Abbildung des inneren Systems auf das sensomotorische System peripher für die Funktionsweise des Rechensystems ist.

Aber es könnte es einschränken, wie die Physik die Meiose einschränkt?

Chomsky: Es könnte sein, aber dafür gibt es nur sehr wenige Beweise. So hat beispielsweise das linke Ende – links im Sinne von früh – eines Satzes andere Eigenschaften als das rechte Ende. Wenn Sie eine Frage stellen möchten, sagen wir "Wen haben Sie gesehen?" Sie stellen das "Wer" voran, nicht am Ende. Tatsächlich bewegt es sich in jeder Sprache, in der ein W-Satz – wie wer oder welches Buch oder etwas – woanders hin wandert, nach links, nicht nach rechts. Das ist sehr wahrscheinlich eine Verarbeitungseinschränkung. Der Satz beginnt, indem er Ihnen, dem Hörer, sagt, was für ein Satz es ist. Wenn es am Ende ist, müssen Sie den ganzen Aussagesatz haben, und am Ende erhalten Sie die Informationen, nach denen ich frage. Wenn Sie es buchstabieren, könnte es sich um eine Verarbeitungseinschränkung handeln. Das ist also ein Fall, falls zutreffend, in dem die Verarbeitungseinschränkung, die Externalisierung, den rechnerischen Charakter der Syntax und Semantik beeinflusst.

Es gibt Fälle, in denen Sie klare Konflikte zwischen Recheneffizienz und kommunikativer Effizienz finden. Nehmen Sie einen einfachen Fall, strukturelle Mehrdeutigkeit. Wenn ich sage: „Verwandte zu besuchen, kann lästig sein“ – das ist zweideutig. Verwandte, die besuchen oder Verwandte besuchen. Es stellt sich heraus, dass in jedem solchen Fall, der bekannt ist, die Mehrdeutigkeit dadurch abgeleitet wird, dass man den Regeln einfach erlaubt, frei und ohne Einschränkungen zu funktionieren, und das führt manchmal zu Mehrdeutigkeiten. Es ist also recheneffizient, aber für die Kommunikation ineffizient, da es zu unauflösbaren Mehrdeutigkeiten führt.

Oder nehmen Sie sogenannte Gartenpfadsätze, Sätze wie "Das Pferd raste an der Scheune vorbei fiel." Die Leute, denen das vorgestellt wird, verstehen es nicht, denn so wie es heißt, werden sie einen Gartenweg entlang geführt. "Das Pferd raste am Stall vorbei" klingt wie ein Satz, und dann fragt man am Ende, was da "gefallen" ist. Auf der anderen Seite, wenn Sie darüber nachdenken, ist es ein perfekt geformter Satz. Es bedeutet, dass das Pferd, das von jemandem an der Scheune vorbeigejagt wurde, gefallen ist. Aber die Regeln der Sprache, wenn sie einfach funktionieren, geben Ihnen einen Satz, der wegen der Gartenpfad-Phänomene unverständlich ist. Und solche Fälle gibt es viele. Es gibt Dinge, die kann man aus irgendeinem Grund nicht sagen. Also wenn ich sage: "Die Mechaniker haben die Autos repariert." Und Sie sagen: "Sie haben sich gefragt, ob die Mechaniker die Autos repariert haben." Sie können Fragen zu den Autos stellen: "Wie viele Autos haben sie sich gefragt, ob die Mechaniker repariert wurden?" Mehr oder weniger in Ordnung. Angenommen, Sie möchten eine Frage zur Mechanik stellen. "Wie viele Mechaniker haben sich gefragt, ob sie die Autos repariert haben?" Irgendwie geht es nicht, das kann ich nicht sagen. Es ist ein schöner Gedanke, aber man kann ihn nicht sagen. Nun, wenn Sie es im Detail betrachten, verhindern die effizientesten Rechenregeln, dass Sie es aussprechen. Aber um Gedanken auszudrücken, um zu kommunizieren, wäre es besser, wenn Sie es sagen könnten – das ist also ein Konflikt.

Und tatsächlich gewinnt jeder bekannte Konfliktfall, die Recheneffizienz. Die Externalisierung führt zu allen möglichen Mehrdeutigkeiten, aber aus einfachen Rechengründen scheint das System intern nur effizient zu rechnen, es kümmert sich nicht um die Externalisierung. Nun, ich habe das nicht sehr plausibel gemacht, aber wenn Sie es buchstabieren, kann es ein ziemlich überzeugendes Argument sein, denke ich.

Das sagt etwas über Evolution aus. Was stark darauf hindeutet, ist, dass sich in der Evolution der Sprache ein Computersystem entwickelte und später externalisiert wurde. Und wenn man darüber nachdenkt, wie sich eine Sprache entwickelt haben könnte, ist man fast in diese Position getrieben. Irgendwann in der menschlichen Evolution, und angesichts der archäologischen Aufzeichnungen anscheinend ziemlich neu – vielleicht in den letzten hunderttausend Jahren, was nichts ist – tauchte irgendwann ein Computersystem auf, das neue Eigenschaften hatte, die andere Organismen nicht haben, das hat Art von arithmetischen Typeigenschaften .

Es ermöglichte besseres Denken vor der Externalisierung?

Chomsky: Es regt zum Nachdenken an. Eine gewisse Neuverdrahtung des Gehirns, die bei einer einzelnen Person geschieht, nicht in einer Gruppe. Diese Person hatte also die Fähigkeit zum Denken – die Gruppe nicht. Eine Externalisierung macht also keinen Sinn. Später, wenn sich diese genetische Veränderung vermehrt, haben vielleicht viele Leute sie, okay, dann ist es sinnvoll, einen Weg zu finden, sie dem sensomotorischen System zuzuordnen, und das ist Externalisierung, aber es ist ein sekundärer Prozess.

Es sei denn, die Externalisierung und das interne Denksystem sind auf eine Weise gekoppelt, die wir einfach nicht vorhersagen können.

Chomsky: Wir sagen nicht voraus, und sie machen nicht viel Sinn. Warum sollte es an das externe System angeschlossen werden? Angenommen, Ihre arithmetischen Fähigkeiten sind es nicht. Und es gibt andere Tiere, wie Singvögel, die interne Rechensysteme haben, Vogelgesang. Es ist nicht dasselbe System, sondern eine Art internes Rechensystem. Und es ist externalisiert, aber manchmal ist es das nicht. Ein Küken in einigen Arten erwirbt den Gesang dieser Art, produziert ihn aber erst, wenn er ausgewachsen ist. Während dieser frühen Periode hat es das Lied, aber es hat nicht das Externalisierungssystem. Tatsächlich gilt das auch für den Menschen, da ein menschliches Kleinkind viel mehr versteht, als es produzieren kann – viele experimentelle Beweise dafür, was bedeutet, dass es irgendwie das innere System hat, es aber nicht nach außen tragen kann. Vielleicht hat es nicht genug Speicher, oder was auch immer es sein mag.

Ich möchte mit einer Frage zur Wissenschaftsphilosophie schließen. In einem kürzlichen Interview sagten Sie, dass ein Teil des Problems darin besteht, dass Wissenschaftler nicht genug darüber nachdenken, was sie vorhaben. Sie haben erwähnt, dass Sie am MIT einen Kurs in Wissenschaftsphilosophie unterrichtet haben und die Leute lasen, sagen wir, Willard van Orman Quine, und es ging ein Ohr aus dem anderen, und die Leute gingen zurück und machten dieselbe Art von Wissenschaft wie sie es taten . Welche Erkenntnisse aus der Wissenschaftsphilosophie sind am relevantesten für Wissenschaftler, die, sagen wir, die Biologie erklären und eine erklärende Theorie geben wollen, anstatt die Phänomene neu zu beschreiben? Was erwarten Sie von einer solchen Theorie und welche Einsichten helfen der Wissenschaft dabei? Anstatt es zum Behaviorismus zu führen, der eine Intuition zu sein scheint, die beispielsweise viele Neurowissenschaftler haben?

Chomsky: Wissenschaftsphilosophie ist ein sehr interessantes Feld, aber ich glaube nicht, dass sie wirklich zur Wissenschaft beiträgt, sondern von der Wissenschaft lernt. Es versucht zu verstehen, was die Wissenschaften tun, warum sie Dinge erreichen, was die falschen Wege sind, ob wir das kodifizieren und verstehen können. Was ich für wertvoll halte, ist die Geschichte der Wissenschaft. Ich denke, wir lernen viele Dinge aus der Wissenschaftsgeschichte, die für die aufstrebenden Wissenschaften sehr wertvoll sein können. Vor allem, wenn wir erkennen, dass wir uns, sagen wir, in den aufkommenden Kognitionswissenschaften tatsächlich in einer Art vorgalileischer Phase befinden. Wir wissen nicht mehr, wonach wir suchen als Galileo, und daraus können wir viel lernen. So war zum Beispiel eine bemerkenswerte Tatsache über die frühe Wissenschaft, nicht nur Galileo, sondern auch der Durchbruch Galileis, die Erkenntnis, dass einfache Dinge rätselhaft sind.

Nehmen wir an, wenn ich das hier halte [Becher mit Wasser] und sage, das Wasser kocht [die Hand über das Wasser legen], wird der Dampf aufsteigen, aber wenn ich meine Hand wegnehme, wird die Tasse fallen. Warum fällt die Tasse und der Dampf steigt auf? Darauf gab es seit Jahrtausenden eine befriedigende Antwort: Sie suchen ihren natürlichen Platz.

Wie in der aristotelischen Physik?

Chomsky: Das ist die aristotelische Physik. Die besten und größten Wissenschaftler dachten, das sei die Antwort. Galilei ließ sich davon verwirren. Sobald Sie sich davon verwirren lassen, stellen Sie sofort fest, dass alle Ihre Intuitionen falsch sind. Wie der Fall einer großen Masse und einer kleinen Masse und so weiter. Alle Ihre Intuitionen sind falsch – überall gibt es Rätsel. Das kann man aus der Wissenschaftsgeschichte lernen. Nehmen Sie das eine Beispiel, das ich Ihnen gegeben habe: "Instinktiv schwimmen Adler, die fliegen." Niemand hat das jemals für rätselhaft gehalten – ja, warum nicht. Aber wenn Sie darüber nachdenken, ist es sehr rätselhaft, Sie verwenden eine komplexe Berechnung anstelle einer einfachen. Nun, wenn Sie sich darüber verwundern lassen, wie beim Fallen einer Tasse, fragen Sie "Warum?" und dann werden Sie zu einigen ziemlich interessanten Antworten geführt. Vielleicht ist die lineare Ordnung einfach nicht Teil des Rechensystems, was eine starke Behauptung über die Architektur des Geistes ist – sie besagt, dass sie nur ein Teil des Externalisierungssystems ist, sekundär, wissen Sie. Und das eröffnet alle möglichen anderen Wege, genauso wie alles andere.

Nehmen Sie einen anderen Fall: den Unterschied zwischen Reduktion und Vereinigung. Die Wissenschaftsgeschichte bietet einige sehr interessante Beispiele dafür, wie Chemie und Physik, und ich denke, sie sind für den heutigen Stand der Kognitions- und Neurowissenschaften ziemlich relevant.


Verweise

Aitchison, J. Linguistik (NTC/Contemporary Publishing, Chicago, 1999).

Chomsky, N. Syntaktische Strukturen (Mouton, Den Haag, 1957).

Jurafsky, D. & Martin, J. H. Sprach- und Sprachverarbeitung (Prentice Hall, Upper Saddle River, NJ, 2000).

Brendel, V. & Busse, H. G. Genomstruktur beschrieben durch formale Sprachen. Nukleinsäuren Res. 12, 2561–2568 (1984).

Head, T. Formale Sprachtheorie und DNA: eine Analyse der generativen Kapazität spezifischer rekombinanter Verhaltensweisen. Stier. Mathematik. Biol. 49, 737–759 (1987).

Searls, D. B. in Proz. 7. Nationalkonferenz Artif. Intellekt. 386–391 (AAAI Press, Menlo Park, CA, 1988).

Searls, D. B. Die Linguistik der DNA. Bin. Wissenschaft 80, 579–591 (1992).

Searls, D. B. in Logikprogrammierung: Proc. Norden Am. Konf. (Hrsg. Lusk, E. & Overbeek, R.) 189–208 (MIT Press, Cambridge, MA, 1989).

Searls, D. B. in Künstliche Intelligenz und Molekularbiologie CH. 2 (Hrsg. Hunter, L.) 47–120 (AAAI Press, Menlo Park, CA, 1993).

Searls, D. B. in Mathematische Unterstützung für die Molekularbiologie (Hrsg. Farach-Colton, M., Roberts, F. S., Vingron, M. & Waterman, M.) 117–140 (American Mathematical Society, Providence, RI, 1999).

Durbin, R., Krogh, A., Mitchison, G. &. Eddy, S. Biologische Sequenzanalyse: Wahrscheinlichkeitsmodelle von Proteinen und Nukleinsäuren (Cambridge Univ. Press, Cambridge, 1998).

Baldi, P. & Brunak, S. Bioinformatik: Der Ansatz des maschinellen Lernens (MIT Press, Cambridge, MA, 2001).

Lyngso, R. B. & Pedersen, C. N. RNA-Pseudoknoten-Vorhersage in energiebasierten Modellen. J. Computer. Biol. 7, 409–427 (2000).

Joshi, A. in Natural Language Processing: Psycholinguistische, computergestützte und theoretische Perspektiven (Hrsg. Dowty, D., Karttunen, L. &. Zwicky, A.) 206–250 (Chicago Univ. Press, New York, 1985).

Uemura, Y., Hasegawa, A., Kobayashi, S. & Yokomori, T. Baum-angrenzende Grammatiken für die Vorhersage der RNA-Struktur. Theor. Berechnen. Wissenschaft 10, 277–303 (1999).

Searls, D. B. String Variable Grammar: ein logischer Grammatikformalismus für DNA-Sequenzen. J. Logikprogramm. 24, 73–102 (1995).

Rivas, E. & Eddy, S.R. Die Sprache der RNA: eine formale Grammatik, die Pseudoknoten enthält. Bioinformatik 16, 334–340 (2000).

Shieber, S. Beweise gegen die Kontextfreiheit natürlicher Sprache. Linguist. Phil. 8, 333–343 (1985).

Schultz, J., Milpetz, F., Bork, P. & Ponting, C.P. SMART, ein einfaches Forschungswerkzeug für modulare Architekturen: Identifizierung von Signalisierungsdomänen. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 95, 5857–5864 (1998).

Westhead, D.R., Slidel, T.W., Flores, T.P. & Thornton, J.M. Proteinstrukturtopologie: automatisierte Analyse und schematische Darstellung. Protein Sci. 8, 897–904 (1999).

Abe, N. &. Mamitsuka, H. Vorhersage der sekundären Proteinstruktur mit stochastischen Baumgrammatiken. Maschinelles Lernen. 29, 275–301 (1997).

Przytycka, T., Srinivasan, R., &. Rose, G.D. Recursive domains in Proteins. Protein Sci. 11, 409–417 (2002).

Jung, J. &. Lee, B. Circularly Permuted Proteins in the Protein Structure Database. Protein Sci. 10, 1881–1886 (2001).

Hopcroft, J.E. & Ullman, J.D. Einführung in Automatentheorie, Sprachen und Berechnungen (Addison-Wesley, Reading, MA, 1979).

Searls, D. B. Das Buch des Lebens lesen. Bioinformatik 17, 579–580 (2001).

Dong, S. & Searls, D. B. Genstrukturvorhersage durch linguistische Methoden. Genomik 23, 540–551 (1994).

Searls, D. B. Linguistische Ansätze zu biologischen Sequenzen. Berechnen. Appl. Biosz. 13, 333–344 (1997).

Collado-Vides, J. Ein Transformations-Grammatik-Ansatz zum Studium der Regulation der Genexpression. J. Theor. Biol. 136, 403–425 (1989).

Rosenblueth, D.A. et al. Syntaktische Erkennung regulatorischer Regionen in Escherichia coli. Berechnen. Appl. Biosz. 12, 15–22 (1996).

Leung, S., Mellish, C. & Robertson, D. Basic Gene Grammars and DNA-ChartParser zur Sprachverarbeitung von Escherichia coli Promotor-DNA-Sequenzen. Bioinformatik 17, 226–236 (2001).

Burge, C. &. Karlin, S. Vorhersage von vollständigen Genstrukturen in menschlicher genomischer DNA. J.Mol. Biol. 268, 78–94 (1997).

Reese, M. G., Kulp, D., Tammana, H. & Haussler, D. Genie – Genfindung in Drosophila melanogaster. Genom-Res. 10, 529–538 (2000).

Yandell, M. D. & Majoros, W. H. Genomics and Natural Language Processing. Natur Rev. Genet. 3, 601–610 (2002).

Sakakibara, Y. et al. Stochastische kontextfreie Grammatiken für die tRNA-Modellierung. Nukleinsäuren Res. 22, 5112–5120 (1994).

Lowe, T. M. & Eddy, S. R. tRNAscan-SE: ein Programm zum verbesserten Nachweis von Transfer-RNA-Genen in genomischer Sequenz. Nukleinsäuren Res. 25, 955–964 (1997).

Rivas, E. &. Eddy, S. R. Nichtkodierende RNA-Gendetektion unter Verwendung einer vergleichenden Sequenzanalyse. BMC Bioinformatik 2, 8 (2001).

Knudsen, B. &. Hein, J. RNA-Sekundärstrukturvorhersage unter Verwendung stochastischer kontextfreier Grammatiken und Evolutionsgeschichte. Bioinformatik 15, 446–454 (1999).

Brown, M. P. Kleine Untereinheit ribosomaler RNA-Modellierung mit stochastischen kontextfreien Grammatiken. Proz. Int. Konf. Intellekt. Syst. Mol.-Nr. Biol. 8, 57–66 (2000).

Holmes, I. &. Rubin, G. M. Paarweiser RNA-Strukturvergleich mit stochastischen kontextfreien Grammatiken. Pac. Symp. Biocomputer. 163–174 (2002).

Brown M. & Wilson C. RNA-Pseudoknotenmodellierung unter Verwendung von Schnittmengen stochastischer kontextfreier Grammatiken mit Anwendungen für die Datenbanksuche. Pac. Symp. Biocomputer. 109–125 (1996).

Campbell, L. Historische Linguistik: Eine Einführung (MIT Press, Cambridge, MA, 1999).

Darwin, C. Die Abstammung des Menschen (John Murray, London, 1871).

Dawkins, R. Das egoistische Gen (Oxford Univ. Press, Oxford, 1976).

Nowak, M. A., Komarova, N. L. & Niyogi, P. Computer- und Evolutionsaspekte der Sprache. Natur 417, 611–617 (2002).

Pennock, R.T. Turmbau zu Babel: Die Beweise gegen den Neuen Kreationismus (Bradford/MIT Press, Cambridge, MA, 1999).

Cavalli-Sforza, L.L. Gene, Völker und Sprachen (North Point Press, New York, 2000).

Warnow T. Mathematische Ansätze der vergleichenden Sprachwissenschaft. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 94, 6585–6590 (1997).

Swadesh, M. Lexikostatistische Datierung prähistorischer ethnischer Kontakte: unter besonderer Berücksichtigung nordamerikanischer Indianer und Eskimos. Proz. Bin. Phil. Soz. 96, 452–463 (1952).

Kruskal, J. B., Dyen, I. & Black, P. in Lexikostatistik in der genetischen Linguistik (Hrsg. Dyen, I.) 30–55 (Mouton, Den Haag, 1973).

Mushegian, A. Das minimale Genomkonzept. Curr. Meinung. Genet. Abw. 9, 709–714 (1999).

Tatusov, R.L., Galperin, M.Y., Natale, D.A. & Koonin, E.V. Die COG-Datenbank: ein Werkzeug für die Analyse von Proteinfunktionen und Evolution auf Genomskala. Nukleinsäuren Res. 28, 33–36 (2000).

Snel, B., Bork P, & Huynen, M. A. Genom-Phylogenie basierend auf Geninhalt. Natur Genet. 21, 108–110 (1999).

Tekaia, F., Lazcano, A., & Dujon, B. Der genomische Baum, wie er aus Vergleichen des ganzen Proteoms hervorgeht. Genom-Res. 9, 550–557 (1999).

Lin, J. &. Gerstein, M. Whole-genome-Bäume basierend auf dem Auftreten von Falten und Orthologen: Implikationen für den Vergleich von Genomen auf verschiedenen Ebenen. Genom-Res. 10, 808–818 (2000).

Pellegrini, M. et al. Zuordnung von Proteinfunktionen durch vergleichende Genomanalyse: Proteinphylogenetische Profile. Proz. Natl. Akad. Wissenschaft Vereinigte Staaten von Amerika 96, 4285–4288 (1999).

McWhorter, J.H. Die Kraft von Babel: Eine Naturgeschichte der Sprache 128–129 (Freeman, New York, 2001).

Searls, D. B. From Jabberwocky zum Genom: Lewis Carroll und Computerbiologie. J. Komp. Biol. 8, 339–348 (2001).

Lupas, A. N., Ponting, C. P. & Russell, R. B. Zur Evolution von Proteinfalten: Sind ähnliche Motive in verschiedenen Proteinfalten das Ergebnis von Konvergenz, Insertion oder Relikten einer alten Peptidwelt? J. Struktur. Biol. 134, 191–203 (2001).

McKeown, K.R. & Radev, D.R. in Ein Handbuch zur Verarbeitung natürlicher Sprache (Hrsg. Dale, R., Moisl, H. & Somers, H.) 507–523 (Dekker, New York, 2000).

Marcotte, E. M. et al. Nachweis von Proteinfunktion und Protein-Protein-Interaktionen aus Genomsequenzen. Wissenschaft 285, 751–753 (1999).

Smadja, F. Kollokationen aus Text abrufen: XTRACT. Berechnen. Linguist. 19, 143–177 (1993).

Rudman, J. Der Stand der Studien zur Autorenschaft: einige Probleme und Lösungen. Berechnen. Geisteswissenschaften 31, 351–365 (1998).

Barnbrook, G. Sprache und Computer (Edinburgh Univ. Press, Edinburgh, 1996).

Zipf, G.K. Menschliches Verhalten und das Prinzip des geringsten Aufwands (Addison-Wesley, Boston, MA, 1949).

Mandelbrot, B. Die fraktale Geometrie der Natur (Freeman, San Francisco, 1983).

Mantegna, R. N. et al. Sprachliche Merkmale nichtkodierender DNA-Sequenzen. Phys. Rev. Lett. 73, 3169–3172 (1994).

Huynen, M. A. & van Nimwegen, E. Die Häufigkeitsverteilung der Genfamiliengrößen in vollständigen Genomen. Mol.-Nr. Biol. Entwicklung 15, 583–589 (1998).

Harrison, P. M. & Gerstein, M. Studieren von Genomen durch die Äonen: Proteinfamilien, Pseudogene und Proteom-Evolution. J.Mol. Biol. 318, 1155–1174 (2002).

Qian, J., Luscombe, N. M. & Gerstein, M. Proteinfamilie und Faltungsvorkommen in Genomen: Potenzgesetz-Verhalten und Evolutionsmodell. J.Mol. Biol. 313, 673–681 (2001).

Schuster, P., Fontana, W., Stadler, P. F. & Hofacker, I. L. Von Sequenzen zu Formen und zurück: eine Fallstudie zu RNA-Sekundärstrukturen. Proz. R. Soc. Lange. B 255, 279–284 (1994).

Hoyle, D.C., Rattray, M., Jupp, R. & Brass, A. Bedeutung von Mikroarray-Datenverteilungen. Bioinformatik 18, 576–584 (2002).

Rzhetsky, A. & Gomez, S. M. Geburt skalenfreier molekularer Netzwerke und die Anzahl unterschiedlicher DNA- und Proteindomänen pro Genom. Bioinformatik 17, 988–996 (2001).

Jeong, H. et al. Die groß angelegte Organisation metabolischer Netzwerke. Natur 407, 651–654 (2000).

Park, J., Lappe, M. &. Teichmann, S.A. Kartierung von Proteinfamilien-Interaktionen: intramolekulare und intermolekulare Proteinfamilien-Interaktionsrepertoires in der PDB und Hefe. J.Mol. Biol. 307, 929–938 (2001).

Garcia-Vallve, S., Romeu, A. & Palau, J. Horizontaler Gentransfer in bakteriellen und archaealen vollständigen Genomen. Genom-Res. 10, 1719–1725 (2000).

White, O. et al. Ein Qualitätskontrollalgorithmus für DNA-Sequenzierungsprojekte. Nukleinsäuren Res. 21, 3829–3838 (1993).

Hoover, D. I. Statistische Stilistik und Autorenzuschreibung: eine empirische Untersuchung. Zündete. Linguist. Berechnen. 16, 421–444 (2001).

Binongo, J. N. G. & Smith, M. W. A. ​​Die Anwendung der Hauptkomponentenanalyse auf die Stilometrie. Zündete. Linguist. Berechnen. 14, 445–466 (1999).

Hoorn, J. F., Frank, S. L., Kowalczyk, W. & van der Ham, F. Neural Network Identification of Poeten using Letter Sequences. Zündete. Linguist. Berechnen. 14, 311–338 (1999).

Leopold, E. & Kindermann, J. Textkategorisierung mit Support Vector Machines. Wie kann man Texte im Eingaberaum darstellen? Maschinelles Lernen. 46, 423–444 (2002).

Holmes, D.I. & Forsyth, R.S. The Federalist revisited: New Directions in Authorship Attribution. Zündete. Linguist. Berechnen. 10, 111–127 (1995).

Altman, R. B. & Raychaudhuri, S. Whole-genome expression analysis: Challenges beyond clustering. Curr. Meinung. Struktur. Biol. 11, 340–347 (2001).

Searls D. B. Bergbau das Bibliom. Pharmakogenomik J. 1, 88–89 (2001).

Popov, O., Segal, D.M. &. Trifonov, E.N. Linguistische Komplexität von Proteinsequenzen im Vergleich zu Texten menschlicher Sprachen. Biosysteme 38, 65–74 (1996).

Trifonov, E. N. Interfering contexts of regulatorischen Sequenzelementen. Berechnen. Appl. Biosz. 12, 423–429 (1996).

Spenser, M. & Howe, C. Schätzung der Entfernungen zwischen Manuskripten basierend auf Kopierfehlern. Zündete. Linguist. Berechnen. 16, 467–484 (2001).

Barbrook, A.C., Howe, C.J., Blake, N. & Robinson, S. Die Phylogenie der Canterbury-Geschichten. Natur 394, 839 (1998).

Platnick, N. I. & Cameron, H. D. Cladistische Methoden in der textuellen, linguistischen und phylogenetischen Analyse. Syst. Zool. 26, 380–385 (1977).

Tanselle, G.T. Literatur und Artefakte (Bibliographische Gesellschaft der University of Virginia, Charlottesville, VA, 1998).

Ferrer, D. Hypertextuelle Darstellung literarischer Arbeitspapiere. Zündete. Linguist. Berechnen. 10, 143–145 (1995).


Inhalt

Das einfache biologische Standardorganisationsschema, von der niedrigsten bis zur höchsten Ebene, sieht wie folgt aus: [1]

Für Ebenen kleiner als Atome siehe Subatomare Teilchen
Azelluläre Ebene
und
Präzelluläre Ebene
Atome
Molekül Atomgruppen
Biomolekularer Komplex Gruppen von (Bio-)Molekülen
Subzelluläre Ebene Organelle Funktionelle Gruppen von Biomolekülen, biochemische Reaktionen und Wechselwirkungen
Mobilfunkebene Zelle Grundeinheit allen Lebens und die Gruppierung der Organellen
Superzelluläre Ebene
(Multizelluläre Ebene)
Gewebe Funktionelle Zellgruppen
Organ Funktionelle Gewebegruppen
Organsystem Funktionsgruppen von Organen
Ökologische Werte Organismus Das grundlegende lebende System, eine funktionale Gruppierung der untergeordneten Komponenten, einschließlich mindestens einer Zelle
Bevölkerung Gruppen von Organismen derselben Art
Gemeinschaft
(oder Biozönose)
Interspezifische Gruppen interagierender Populationen
Ökosystem Gruppen von Organismen aus allen biologischen Domänen in Verbindung mit der physikalischen (abiotischen) Umwelt
Biom Kontinentaler Maßstab (klimatisch und geographisch zusammenhängende Gebiete mit ähnlichen klimatischen Bedingungen) Gruppierung von Ökosystemen.
Biosphäre oder
Ökosphäre
Alles Leben auf der Erde oder alles Leben plus die physische (abiotische) Umwelt [3]
Für Ebenen, die größer als Biosphäre oder Ökosphäre sind, sehen Sie sich die Position der Erde im Universum an

Komplexere Schemata beinhalten viel mehr Ebenen. Zum Beispiel kann ein Molekül als eine Gruppierung von Elementen angesehen werden, und ein Atom kann weiter in subatomare Partikel unterteilt werden (diese Ebenen liegen außerhalb des Rahmens der biologischen Organisation). Jede Ebene kann auch in ihre eigene Hierarchie unterteilt werden, und bestimmte Typen dieser biologischen Objekte können ihr eigenes hierarchisches Schema haben. Zum Beispiel können Genome weiter in eine Hierarchie von Genen unterteilt werden. [4]

Jede Ebene in der Hierarchie kann durch ihre unteren Ebenen beschrieben werden. Zum Beispiel kann der Organismus auf jeder seiner Komponentenebenen beschrieben werden, einschließlich der atomaren, molekularen, zellulären, histologischen (Gewebe), Organ- und Organsystemebenen. Darüber hinaus treten auf jeder Hierarchieebene neue Funktionen auf, die für die Kontrolle des Lebens notwendig sind. Diese neuen Rollen sind keine Funktionen, zu denen die Komponenten der unteren Ebene fähig sind, und werden daher als . bezeichnet emergente Eigenschaften.

Jeder Organismus ist organisiert, wenn auch nicht unbedingt in gleichem Maße. [5] Ein Organismus kann nicht auf histologischer (Gewebe-)Ebene organisiert werden, wenn er nicht in erster Linie aus Geweben besteht. [6]

Es wird angenommen, dass die biologische Organisation in der frühen RNA-Welt entstanden ist, als RNA-Ketten begannen, die grundlegenden Bedingungen auszudrücken, die für die natürliche Selektion notwendig sind, um nach Darwin zu funktionieren: Vererbbarkeit, Variation des Typs und Konkurrenz um begrenzte Ressourcen. Die Fitness eines RNA-Replikators (seine Steigerungsrate pro Kopf) wäre wahrscheinlich eine Funktion der intrinsischen Anpassungsfähigkeiten (in dem Sinne, dass sie durch die Nukleotidsequenz bestimmt wurden) und der Verfügbarkeit von Ressourcen gewesen. [7] [8] Die drei primären Anpassungskapazitäten könnten (1) die Fähigkeit gewesen sein, mit mäßiger Genauigkeit zu replizieren (was sowohl zu Vererbungs- als auch zu Typenvariationen führt), (2) die Fähigkeit, Zerfall zu vermeiden und (3) die Fähigkeit, Ressourcen beschaffen und verarbeiten. [7] [8] Diese Kapazitäten wären zunächst durch die gefalteten Konfigurationen der RNA-Replikatoren (siehe „Ribozyme“) bestimmt worden, die wiederum in ihren individuellen Nukleotidsequenzen kodiert wären. Der Wettbewerbserfolg zwischen verschiedenen RNA-Replikatoren hätte von den relativen Werten dieser Anpassungskapazitäten abhängen müssen. In der Folge hing unter den neueren Organismen der Wettbewerbserfolg auf den aufeinanderfolgenden Ebenen der biologischen Organisation vermutlich weiterhin im weitesten Sinne von den relativen Werten dieser Anpassungsfähigkeiten ab.

Empirisch weist ein Großteil der (komplexen) biologischen Systeme, die wir in der Natur beobachten, eine hierarchische Struktur auf. Aus theoretischen Gründen konnten wir erwarten, dass komplexe Systeme Hierarchien in einer Welt sind, in der sich Komplexität aus Einfachheit entwickeln musste. Die in den 1950er Jahren durchgeführten Systemhierarchienanalysen [9] [10] legten die empirischen Grundlagen für ein Feld, das ab den 1980er Jahren hierarchische Ökologie. [11] [12] [13] [14] [15]

Die theoretischen Grundlagen werden durch die Thermodynamik zusammengefasst. Wenn biologische Systeme als physikalische Systeme modelliert werden, handelt es sich in ihrer allgemeinsten Abstraktion um thermodynamische offene Systeme, die ein selbstorganisiertes Verhalten zeigen, und die Menge/Teilmenge-Beziehungen zwischen dissipativen Strukturen können in einer Hierarchie charakterisiert werden.

Eine einfachere und direktere Möglichkeit, die Grundlagen der "hierarchischen Organisation des Lebens" zu erklären, wurde in Ecology von Odum und anderen als "Simons hierarchisches Prinzip" eingeführt [16] Simon [17] betonte, dass Hierarchie "entsteht fast zwangsläufig durch eine Vielzahl von evolutionären Prozessen, aus dem einfachen Grund, dass hierarchische Strukturen sind stabil".

Um diese tiefgründige Idee zu motivieren, bot er sein "Gleichnis" über imaginäre Uhrmacher an.

Es gab einmal zwei Uhrmacher namens Hora und Tempus, die sehr schöne Uhren herstellten. Die Telefone in ihren Werkstätten klingelten häufig, neue Kunden riefen sie ständig an. Hora florierte jedoch, während Tempus immer ärmer wurde. Am Ende verlor Tempus seinen Laden. Was war der Grund dafür?

Die Uhren bestanden aus jeweils etwa 1000 Teilen. Die von Tempus hergestellten Uhren waren so konzipiert, dass sie, wenn er eine teilmontierte Uhr ablegen musste (z.

Hora hatte seine Uhren so konstruiert, dass er Unterbaugruppen von jeweils etwa zehn Komponenten zusammenstellen konnte. Zehn dieser Unterbaugruppen könnten zu einer größeren Unterbaugruppe zusammengesetzt werden. Schließlich bildeten zehn der größeren Baugruppen die ganze Uhr. Jede Unterbaugruppe konnte abgesetzt werden, ohne auseinander zu fallen.


Endnoten

1 Maßgebliche Lehrbücher auf diesem Gebiet sind [1,2].

2 Dies weist auf eine weitere Vereinfachung hin, die bei der Anwendung von FLT auf natürliche Sprachen erforderlich ist: In jeder Sprache mit produktiven Wortbildungsregeln ist die Menge der möglichen Wörter unbegrenzt. Ebenso ist die Menge der Morpheme prinzipiell unbeschränkt, wenn man Entlehnungen aus anderen Sprachen, Akronymbildung und ähnliche Prozesse berücksichtigt. Dabei wird allgemein davon ausgegangen, dass der Untersuchungsgegenstand eine idealisierte Sprache ist, die sich nicht verändert. Wenn die Wortschatzelemente mit Wörtern identifiziert werden, wird stillschweigend davon ausgegangen, dass die Wörter einer Sprache eine endliche Anzahl grammatikalischer Kategorien bilden und dass es daher ausreicht, nur eine endliche Anzahl von Instanzen jeder Klasse zu berücksichtigen.

3 Der Begriff „kontextsensitiv“ hat nur historische Bedeutung. Es hat in keiner Weise mit Kontextabhängigkeit im nichttechnischen Sinne zu tun. Gleiches gilt für den Begriff „kontextfrei“.

4 In der Terminologie der Computational Complexity Theory ist das Problem PSPACE schwer.

5 In kontextfreien Grammatiken kann die rechte Seite einer Regel der leere String sein, während dies in kontextsensitiven Grammatiken nicht erlaubt ist. Daher ist streng genommen nicht jede kontextfreie Grammatik kontextsensitiv. Dies ist jedoch ein kleiner technischer Punkt, der im vorliegenden Kontext vernachlässigt werden kann.

6 Gleichermaßen können wir verlangen, dass die Regeln die Form „EINein' oder 'EINBa“, wobei das Nicht-Terminal, falls vorhanden, vor dem Terminal steht. Entscheidend ist jedoch, dass innerhalb einer gegebenen Grammatik alle Regeln mit einem Terminal auf der rechten Seite beginnen oder alle Regeln mit einem Terminal enden.

7 Beachten Sie, dass hier eine der oben erwähnten Idealisierungen ins Spiel kommt: Es wird davon ausgegangen, dass ein produktives Muster – die Bildung von a weder noch Konstruktion aus zwei grammatikalischen Sätzen – kann auf beliebig große Sätze angewendet werden, um einen noch größeren Satz zu bilden.

8 Hier beziehen wir uns streng auf das Problem, ob es sich bei der Menge der Zeichenketten grammatikalischer englischer Sätze um eine CFL handelt, abgesehen von allen weiteren Kriterien für die sprachliche Angemessenheit einer grammatikalischen Beschreibung.

9 Eine ausführliche Diskussion der Abhängigkeitstypen in natürlichen Sprachen und einer leichten Kontextsensitivität findet sich in [17].

10 Noch stärker ist es grundsätzlich möglich, Beschreibungen einer Modellklasse vollautomatisch in Beschreibungen einer äquivalenten Klasse umzuwandeln.

11 Dies bedeutet nicht, dass physikalisch endlich begrenzte Mechanismen – zum Beispiel das Gehirn eines Organismus – darauf beschränkt sind, nur endliche Sprachen zu erkennen. Der Organismus kann durchaus einen Mechanismus anwenden, der im Allgemeinen ein unbegrenztes Gedächtnis erfordert, das einfach versagen würde, wenn er auf eine zu komplexe Kette stößt, falls er jemals auf eine solche Kette stoßen sollte.

12 Näheres zu dieser und den anderen lokalen Sprachklassen findet sich in [24].

13 Wir verwenden hier Großbuchstaben, um beliebige Symbole darzustellen, die aus voneinander verschiedenen Kategorien der Symbole des Vokabulars stammen. Obwohl keiner unserer Mechanismen die Art des Umschreibens von Strings beinhaltet, die von den Grammatiken des ersten Teils dieses Artikels verwendet wird, und wir keinen formalen Satz von Nicht-Terminals unterscheiden, gibt es eine grobe Parallele zwischen dieser Verwendung von Großbuchstaben zur Darstellung von Kategorien von Terminals und die Interpretation von Nichtterminalen als Darstellung grammatischer Kategorien in Phrasenstrukturgrammatiken.

14 Die Muster werden beide über die Parameter definiert ich und J damit die Länge der Saiten zwischen ihnen nicht variiert.

15 Die Nachfolgerbeziehung ist nur mit < und Quantifizierung definierbar, so dass die Nachfolgerbeziehung nicht mehr explizit benötigt wird. In ähnlicher Weise kann eine Vielzahl von Faktoren in ihrer Reihenfolge definiert werden, sodass man nicht wirklich bis zu einem Schwellenwert von mehr als 1 zählen muss.

16 Technisch gesehen waren die endgültigen Wahrscheinlichkeiten dieser Verteilung alle 0, d. h. die Verteilung enthielt keine endlichen Strings.

17 In der an jeder Stelle der Ableitung nur ein einziges Nichtterminal vorkommt.

18 Beachten Sie, dass zwei Zähler ausreichen würden, um zu erkennen EIN n B m C m D n aber, wie Minsky zeigte [33], genügen zwei Zähler, um zu erkennen irgendein berechenbare Sprache.

19 Die Annahme, dass die Verallgemeinerung nicht willkürlich ist, impliziert, unter anderem, dass, wenn es Zeichenfolgen enthält, die länger sind als die in F es enthält Zeichenfolgen beliebiger Länge. Dies erlaubt es zu überprüfen, dass ein Subjekt nicht einfach eine endliche Verallgemeinerung der (notwendigerweise endlichen) Menge vorgenommen hat F.


Wo passt DNA in die Chomsky-Hierarchie? - Biologie

Die Struktur lebender Organismen einschließlich ganzer Populationen und Ökosysteme ist hierarchisch organisiert, was eine systematische Auseinandersetzung mit der Frage „Was ist Leben?“ ermöglicht. In den Biowissenschaften werden folgende Hierarchiestufen anerkannt:

Besondere Beachtung

Regenwald, Wüste, Süßwassersee, Verdauungstrakt von Tieren für Bakterien

Umfasst alle lebenden Organismen und nicht lebenden Stoffe wie Luft, Wasser und Mineralien sowie Wärme (Temperatur) und Druck.

Alle Arten in einem Ökosystem

Beinhaltet nur Lebewesen von Bakterien über Pilze, Pflanzen bis hin zu Tieren und begleitenden Viren.

Alle Individuen einer einzigen Art in einem bestimmten Gebiet

Beinhaltet nur Individuen einer bestimmten Spezies wie eine Pflanze, ein Tier oder Mikroben

Dient als Vertreter der Art und beschreibt die Gesamtform und Funktion eines Organismus (kann vielzellig oder einzellig sein).

Ein spezialisiertes Funktionssystem eines vielzelligen Organismus

Das Nervensystem oder Immunsystem eines Tieres

Ein spezialisiertes Struktursystem eines Organismus

Das Gehirn oder die Thymusdrüse eines Tieres

Ein spezialisierter Unterbau eines Organs

Das Nervengewebe und das Epithelgewebe sind beide Teil des Gehirns

Ein Neuron, eine Hautzelle, eine Wurzelzelle, Bakterien, Hefe, Paramecium

Ein einzelnes kleines Molekül (oft Baustein eines Makromoleküls) wie eine Aminosäure, ein Nukleotid, ein Monosaccharid oder eine Fettsäure .

Moleküle sind die kleinste Einheit biologischer Systeme. Sie können aufgrund ihrer chemischen und physikalischen Eigenschaften untersucht werden und sind von besonderem Interesse für ihre Rolle im Stoffwechsel und bei der Signalübertragung.

In dieser hierarchischen Organisation existiert jede höhere Ebene nur mit allen niedrigeren Ebenen intakt (einzellige Organismen umfassen keine Gewebe- und Organebenen). Wichtig ist, dass jede höhere Ebene neue oder neu entstehende Eigenschaften bereitstellt, die auf keiner niedrigeren Ebene zu finden sind, ein wichtiges Merkmal komplexer Systeme. Dieses Phänomen wird als „Das Ganze ist mehr als die Summe seiner Teile“ bezeichnet.

Störungen oder Änderungen auf niedrigerem Niveau wirken sich auf Eigenschaften auf höherem Niveau aus. Dieses hierarchische Modell ist gut geeignet, um die Ursache von Krankheiten und den Mechanismus der Evolution zu erklären. Letzteres hängt von zufälligen Mutationen ab, die auf DNA-Ebene auftreten und die Eigenschaften höherer Ordnung auf Zell- und Organismusebene beeinflussen.


Wo passt DNA in die Chomsky-Hierarchie? - Biologie

PROGRAMMTRANSKRIPT

RENNEN - DIE KRAFT EINER ILLUSION
EPISODE EINS: DER UNTERSCHIED ZWISCHEN UNS

ERZÄHLER: Es steht außer Frage, dass einzelne Menschen unterschiedlich sind. Unsere Augen bestätigen dies Tag für Tag. Hautfarbe. Körperform. Haarform. Augenform. Seit mehreren hundert Jahren nutzen wir diese visuellen Unterschiede, um Menschen in vier oder fünf Gruppen einzuteilen, die wir Rassen nennen.

PILAR OSSORIO, Rechtswissenschaftlerin / Mikrobiologin: Wir haben eine Vorstellung von Rasse als Trennungen zwischen Menschen, die tief sind, die wesentlich sind, irgendwie biologisch oder sogar genetisch sind und die sich nicht ändern – dass dies klar abgegrenzte Kategorien von Menschen sind.

RICHARD LEWONTIN, Evolutionsgenetiker: Und das Schöne am Renngeschäft ist, dass man Menschen durch bloßes Anschauen identifizieren kann. Sie müssen nicht einmal auf ihre Gene schauen, denn eine Manifestation ihrer Gene ist da - nämlich Hautfarbe oder Augenform oder Haarform - und das ist dann der Schlüssel zu allem.

ERZÄHLER: Die Idee der Rasse geht davon aus, dass einfache äußere Unterschiede, die in der Biologie verwurzelt sind, mit anderen, komplexeren inneren Unterschieden verbunden sind. Wie sportliche Fähigkeiten. Musikalische Eignung. Intelligenz. Dieser Glaube basiert auf der Idee, dass Rasse biologisch real ist.

OSSORIO: All unsere Genetik sagt uns jetzt, dass dies nicht der Fall ist. Wir können keine genetischen Marker finden, die bei jedem einer bestimmten Rasse und bei keinem einer anderen Rasse vorhanden sind. Wir können keine genetischen Marker finden, die Rasse definieren.

SCOTT BRONSON, Leiter des DNA-Workshops: Und tatsächlich werden wir Milliarden von Kopien eines kleinen Abschnitts Ihres genetischen Codes erzeugen.

ERZÄHLER: Diese Schüler versammeln sich zu einem DNA-Workshop, der von Scott Bronson, einem Lehrer der Cold Spring Harbor Labs, geleitet wird. Marcus, Gorgeous, Jackie, Noah, Hannah, Jamil und ihre Kommilitonen sind dabei, die Biologie der menschlichen Variation zu erforschen.

BRONSON: Aber es gibt noch eine andere Art von DNA.Weiß jemand, was diese Art von DNA ist?

SCHÜLER (außerhalb der Kamera): Mitochondrial?

BRONSON: Mitochondriale DNA. sehr gut.

ERZÄHLER: Sie werden ihre Hautfarben vergleichen. Sie werden ihr Blut bestimmen. Und sie werden Zellen aus ihrem Mund abtupfen, um einen kleinen Teil ihrer eigenen DNA zu extrahieren. Sobald die Probe fertig ist, vergleichen sie einige ihrer genetischen Ähnlichkeiten und Unterschiede. Die Studenten beginnen den Workshop mit den gleichen Annahmen, die die meisten von uns haben.

BRONSON: Wenn Sie beginnen, sich die Daten anzusehen, möchten Sie vielleicht im Hinterkopf behalten, wem Sie am ähnlichsten sind und wem Sie am ähnlichsten sind.

NOAH: Ich glaube, ich habe wahrscheinlich die meisten Ähnlichkeiten mit, ähm, Mr. Bronson oder mit Kiril, weil wir weiße Männer sind, sowohl Kiril als auch ich und Scott Bronson und ich.

JAMIL: Ich glaube, ich habe die meisten Unterschiede zu Kiril und die meisten Ähnlichkeiten mit Gorgeous. Sie ist Afroamerikanerin, ich bin Afroamerikanerin. Ich meine, wie Schwarz.

HANNAH: Ich glaube, Natalia und ich sind mir am ähnlichsten. Sie ist Lateinamerikanerin, und ich bin Lateinamerikanerin. Ich dachte mir, dass es viele Unterschiede geben würde, besonders bei Leuten, die so anders aussahen.

ALAN GOODMAN, biologischer Anthropologe: Um zu verstehen, warum die Idee der Rasse ein biologischer Mythos ist, bedarf es eines großen Paradigmenwechsels, eines absoluten Paradigmenwechsels, eines Perspektivwechsels. Und für mich ist es wie zu sehen, wissen Sie, wie es gewesen sein muss zu verstehen, dass die Welt nicht flach ist. Und vielleicht kann ich Sie auf einen Berggipfel einladen und Sie können aus dem Fenster und auf den Horizont schauen und sehen, "oh, was ich für flach dachte, ich kann jetzt eine Kurve sehen", dass die Welt viel komplizierter ist. Tatsächlich basiert diese Rasse nicht auf Biologie, sondern Rasse ist eher eine Idee, die wir der Biologie zuschreiben.

ERZÄHLER: Die Idee der Rasse als Biologie ist auf Amerikas Spielfeldern hartnäckig. Die wunderschöne Harper und ihre Teamkollegen treten bei den Adidas Nationals an.

HERRLICH: Ich liebe es, Bahnen zu laufen – ich laufe Bahn, seit ich acht Jahre alt bin. Die Leute, mit denen ich trainiere, wollen alle die Besten sein – und du musst hart arbeiten.

ERZÄHLER: Dies ist das Top-Event für Elite-High-School-Leichtathleten. Und obwohl Rassenunterschiede nicht unbedingt offen diskutiert werden, sind sie oft Teil der sorgfältigen Kalkulation des Wettbewerbsvorteils.

WEIBLICH LÄUFER: Nun, ich habe gehört, einige Gerüchte, die ich gehört habe, besagen, dass Schwarze einen zusätzlichen Muskel im Bein haben. Aber ich glaube, nichts stimmt.

ZWEITE LÄUFERIN: Ich gehe davon aus, dass mich ein weißes Mädchen bei den 200 nicht schlagen kann. In meinen Gedanken glaube ich nicht, dass sie mich schlagen kann, aber ich werde nicht, ich werde nicht auf ihr schlafen.

MÄNNLICHER LÄUFER: Ich möchte hier nicht zu kontrovers werden, da ich es wirklich nicht genau weiß. Aber ich würde sagen, es gibt vielleicht ein bisschen das - nicht als Entschuldigung dafür zu verwenden, warum sie mich manchmal schlagen - aber wenn man bedenkt, wenn man sich die Olympischen Spiele anschaut, weißt du, wer, wer tendiert dazu, die Spiele zu dominieren 100, die 200 und das Viertel, zum größten Teil. Ich muss nur sagen, dass die Art und Weise, wie alles ausfällt, darauf hindeutet, was Ihre Rasse ist.

JON ENTINE (im Nachrichtenclip): Ich sage wirklich, dass unterschiedliche Bevölkerungsgruppen, egal ob es sich um von Westafrikanern abstammende Schwarze handelt, und die Afroamerikaner ihre Vorfahren auf Westafrika oder Ostafrikaner oder Weiße oder Asiaten zurückführen, sie alle haben unterschiedliche Körpertypen und unterschiedliche physiologische Strukturen, die dies ermöglichen Sie haben Vorteile in der einen oder anderen Sportart. Es gibt eine genetische Grundlage für diese Art von Unterschieden. Durch, äh, Kultur, Umgebung, Training können Sportler ihre Grenzen nicht dramatisch ändern.

JIM BROWN (im News-Clip): Ich möchte Jon sagen, dass es keine wissenschaftliche Definition gibt, die über Rasse standhält. Rasse hat ihre Definition in diesem Land zum Vorteil derer geändert, die sie anders definieren wollten. Und es gibt keinen wissenschaftlichen Ausgangspunkt, sodass Sie keine Grundlage für Ihre Arbeit haben.

ERZÄHLER: Wir können Unterschiede zwischen Populationen sehen, aber können Populationen in sogenannte Rassen gebündelt werden? Wie viele Rennen würde es geben? Fünf? Fünfundfünfzig? Wer entscheidet? Und wie unterschiedlich würden sie sich wirklich voneinander unterscheiden?

JOSEPH GRAVES, Evolutionsbiologe: Die gemessene Menge an genetischer Variation in der menschlichen Bevölkerung ist äußerst gering. Und das ist etwas, um das sich die Leute wickeln müssen. Dass wir genetisch nicht sehr unterschiedlich sind.

ERZÄHLER: Tatsächlich gehören wir genetisch gesehen zu den ähnlichsten aller Arten. Nur eines von tausend Nukleotiden, aus denen unser genetischer Code besteht, ist anders, ein Individuum vom anderen. Diese ähnlich aussehenden Pinguine haben doppelt so viel genetische Unterschiede wie Menschen. Und diese Fruchtfliegen? Zehnmal mehr Unterschied. Zwei beliebige Fruchtfliegen können genetisch so unterschiedlich voneinander sein, wie ein Mensch von einem Schimpansen. Die zentrale Frage für uns lautet also: Was ist, wenn überhaupt, von der geringen Variation zwischen uns entlang der von uns als rassischen Linien bezeichneten Linien abgebildet?

Da wir in einer rassisierten Gesellschaft leben, ist dies keine akademische Frage. Wir suchen seit langem nach Rassenunterschieden und schreiben ihnen Leistung und Verhalten zu. Zweihundert Jahre lang haben Wissenschaftler den menschlichen Körper auf der Suche nach einer biologischen Grundlage für das Rennen untersucht, gemessen und kartiert. Einige maßen den Gesichtswinkel, um die Nähe der Rassen zum Primitiven zu veranschaulichen. Andere kalibrierten die Schädelgröße, um diejenigen mit überlegener oder minderer Intelligenz zu identifizieren. Auf der Suche nach den grundlegenden Ursachen der Rassenunterschiede wurden die Augenform, die Haarform und sogar die Gehirnfarbe untersucht.

EVELYNN HAMMONDS, Wissenschaftshistorikerin: Wenn wir nur Afroamerikaner als Beispiel nehmen, gibt es kein einziges Körperteil, das nicht dieser Art von Analyse unterzogen wurde. In der medizinischen Literatur finden Sie Artikel über das Negerohr und die Negernase und das Negerbein und das Negerherz und das Negerauge und den Negerfuß - und es ist jedes einzelne Körperteil.

Und sie suchen ständig nach einer Orgel, die sich in Größe und Charakter so grundlegend unterscheiden könnte, dass man sagen kann, dass dies etwas Spezifisches für die Neger gegenüber den Weißen und anderen Gruppen ist.

Wissenschaftler sind Teil ihres sozialen Kontextes. Ihre Vorstellungen davon, was Rasse ist, sind nicht einfach wissenschaftlich, sie werden nicht einfach von den Daten getrieben, mit denen sie arbeiten. Dass es auch von den Gesellschaften, in denen sie leben, informiert wird.

ERZÄHLER: An der Wende des 20. Jahrhunderts erlebte die amerikanische Gesellschaft als aufstrebende Industriemacht eine Welle des Vertrauens. Und das Gesicht seiner Macht und seines Wohlstands war weiß.

Afroamerikaner lebten unter dem Joch der Rassentrennung von Jim Crow. Die meisten überlebenden amerikanischen Ureinwohner waren in Reservate verbannt worden. Und neue Einwanderer drängten sich in die städtischen Ghettos. Die Krankheit war weit verbreitet. Die Sterberaten stiegen an. Die Kindersterblichkeit war hoch. Für viele spiegelte dies eine vorherbestimmte natürliche Ordnung wider.

HAMMONDS: Diejenigen, die hinsahen, wollten bestätigen, was sie sahen, das heißt, der richtige Ort von, sagen wir, der Neger oder in anderen Regionen des Landes, der amerikanischen Ureinwohner oder der Chinesen, befanden sich am Ende der, the soziale und politische Hierarchie. Und wenn Sie sagen können, dass sie biologisch grundlegend anders sind, als sie es sein sollten, dann ist es natürlich, dass sie am unteren Ende unserer sozialen Hierarchie stehen.

GUTER MANN: Die Biologie wird zu einer Entschuldigung für soziale Unterschiede. Die sozialen Unterschiede werden in der Biologie naturalisiert. Es ist nicht so, dass unsere Institutionen Unterschiede in der Kindersterblichkeit verursachen, sondern dass es wirklich biologische Unterschiede zwischen den Rassen gibt.

ERZÄHLER: Für den Statistiker der Prudential Life Insurance, Frederick Hoffman, könnten diese Unterschiede für Afroamerikaner nur zu einem Schicksal führen. "In der Lebenskraft", schrieb er, "ist die Tendenz der Negerrasse nach unten gegangen. Diese Tendenz muss zu einer noch größeren Sterblichkeit führen. Und am Ende zum Aussterben der Rasse führen."

Hoffmans Race, Traits and Tendencies of the American Negro wurde 1896 veröffentlicht, im selben Jahr legalisierte der Oberste Gerichtshof die Rassentrennung. Es war eine der einflussreichsten Publikationen seiner Zeit.

HAMMONDS: Interessant ist, dass es in den Köpfen so vieler anderer gesellschaftlicher Beobachter dieser Zeit Anklang fand, die These vom Aussterben. Es passte in ihre Vorstellungen davon, wie, äh, Rassen in der Welt aufsteigen. Sie betrachteten andere Gruppen von Menschen in verschiedenen Stadien unter sich als sich dem vollständig zivilisierten Stadium nähern.

ERZÄHLER: Hoffman präsentierte seine statistischen Daten als unanfechtbare Wissenschaft. Er verglich die Sterbe- und Krankheitsraten zwischen Afroamerikanern und Weißen und stellte nicht überraschend enorme Unterschiede fest. Aber seine Datenanalyse war fehlerhaft. Er ignorierte die heimtückischen Auswirkungen von Armut und sozialer Vernachlässigung auf die Gesundheit.

Im Gegensatz zum heutigen Glauben an die körperliche Überlegenheit der Schwarzen kam Hoffman zu dem Schluss, dass Afroamerikaner von Natur aus geschwächt seien. Daher wären Versuche, ihre Wohnsituation, ihre Gesundheit und ihre Bildung zu verbessern, vergeblich. Ihr Aussterben war unvermeidlich, in ihrem Blut verschlüsselt.

In den 1920er Jahren reichte ein einziger Blutstropfen, der die afrikanische Abstammung widerspiegelte, aus, um jede Person als Schwarz und in jeder Hinsicht minderwertig zu identifizieren. In nicht allzu ferner Vergangenheit wären viele dieser Schüler als Schadstoffe angesehen worden, wenn sie mit der überlegenen weißen Rasse gezüchtet worden wären. Achtundzwanzig Staaten haben Gesetze erlassen, die Mischehen verbieten, um die Reinheit der weißen Rasse zu schützen.

Rassenreinigung war ein Ziel der Eugenik-Bewegung. Die Wissenschaft der Eugenik beruhte auf der einfachen Mendelschen Genetik. Es wurde angenommen, dass je ein Gen von Vater und Mutter zu allen körperlichen, verhaltensmäßigen und sogar moralischen Eigenschaften führte.

GRÄBER: Einige dieser Dinge waren Dinge wie die Fähigkeit, Schach zu spielen, Rowdytum, angeborene Schwachsinn. Ähm, äh, praktisch jedes kulturelle oder Verhaltensmerkmal, das Sie sich vorstellen können. Der Fehler, den sie machten, war die Annahme, dass komplexe Verhaltensweisen auf einfache mendelsche Gene reduziert werden könnten.

ERZÄHLER: Nichtsdestotrotz nutzten Eugeniker die Wissenschaft des Tages, um eine im weißen Amerika weithin akzeptierte soziale Agenda voranzutreiben – um die besten und hellsten, immer weißen, und die schlechtesten und schwächsten aller Farben der Gesellschaft zu züchten.

HAMMONDS: Es gibt viele Bedenken bezüglich der Rassenmischung. Sie wollen nicht, dass sich eine überlegene Rasse, eine Rasse mit großartigen Eigenschaften des Intellekts, der Leistung und des musikalischen Genies und solche Dinge mit einer Rasse auf einer niedrigeren Zivilisationsstufe vermischt, die weniger dieser Eigenschaften hat, weil dies wiederum auf der Ebene dieser Eigenschaften und was Sie für Ihre Zivilisation haben möchten.

ERZÄHLER: Was Sie für Ihre Zivilisation nicht wollten, wurde in den Blue Hills von Virginia gefunden. Mischling Virginianer. Gemischtrassig. Nicht klassifizierbar, und schlimmer noch, in der Lage, sich als weiß durchzusetzen, die Rassentrennungsgesetze zu umgehen und sich in die weiße Rasse zu vermehren.

Sie wurden wegen ihrer weißen, indischen und schwarzen Abstammung als WIN-Stamm bezeichnet. "Eine Kombination der schlimmsten Rassenmerkmale, ein schlecht zusammengesetztes Volk", sagte Charles Davenport, Führer der amerikanischen Eugenik-Bewegung.

Um Amerikas Mischlinge in Schach zu halten, schlugen Eugeniker eine Reihe restriktiver Maßnahmen vor, die heute undenkbar sind. Dennoch wurden sie innerhalb und außerhalb Amerikas adoptiert. Auf die Spitze getrieben, schürten sie einen der größten Schrecken des Jahrhunderts.

GRÄBER: Die Nazi-Propaganda-Maschine wies darauf hin, dass ihre eugenische Politik vollkommen konsistent war und tatsächlich von den Ideen amerikanischer Rassenwissenschaftler abgeleitet wurde.

ERZÄHLER: Bei den Olympischen Spielen 1936 in Berlin sollte Hitlers arische Rasse ihren Platz an der Spitze der Hierarchie der Natur bestätigen. Aber der Star der Spiele würde diese Erwartungen zunichte machen.

Als Kind war Jesse Owens chronisch krank gewesen, dazu bestimmt, Hoffmans Aussterbethese zu erfüllen. Bis ein Lehrer eingriff. "Als er mich zum ersten Mal bat, in der fünften Klasse für das Leichtathletikteam zu gehen", schrieb Owens in seiner Autobiografie, "war das nicht, weil er in mir einen potenziellen Champion sah, sondern weil er eine potenzielle Leiche sah."

Wie konnte sich eine Gesellschaft, die von der Wissenschaft der rassischen Minderwertigkeit durchdrungen war, mit den vier Goldmedaillen von Owens abfinden? Indem man Afroamerikanern eine angeborene sportliche Überlegenheit zugesteht, ihnen aber die sogenannten zivilisierten Fähigkeiten verweigert. In den Worten des amerikanischen Mannschaftstrainers Dean Cromwell zeichnete sich der Neger-Athlet dadurch aus, dass er „dem Primitiven näher war.

ANSAGER (im Filmausschnitt): Owens, Star des Kaders, gehen die Lorbeeren des Champions.

JESSE OWENS (im Filmausschnitt): Der Wettbewerb war großartig, und wir sind sehr froh, als Sieger hervorgegangen zu sein. Vielen Dank.

Eine Flut von Debatten zwischen Rassenwissenschaftlern und denen, die ihre Annahmen bestritten, begrüßte Owens' Leistungen.

GUTER MANN: Mit dem Aufstieg der großen Negerathleten in den 1930er Jahren stellte sich die Frage, dass es einen Grund geben muss, warum sie großartig sind, und dieser Grund muss in der Biologie liegen und nicht in der Kultur oder Geschichte oder den Umständen. Und Jesse Owens wurde auseinander genommen.

HAMMONDS: Wenn der afroamerikanische Anthropologe und Arzt Montague Cobb zu erklären versucht, warum Jesse Owens ein so herausragender Trackstar war, tut er dies, indem er über seinen Körper spricht. Er spricht über seine Füße, er spricht über seine Beine, seine Waden, seine Brustkapazität. Und er kommt natürlich zu dem Schluss, dass man nicht sagen kann, dass Neger einige besondere Eigenschaften haben, die sie als Läufer fitter machen.

ERZÄHLER: Unter den wenigen, die die Rassenwissenschaft in Frage stellten, schrieb Cobb: "Es gibt kein einziges körperliches Merkmal, einschließlich der Hautfarbe, das alle unsere Neger-Champions gemeinsam haben, das sie als Neger identifizieren würde."

Aber welcher Marker würde sie überhaupt als Neger identifizieren? Jackie als Asiatin? Noah als weiß? Schön wie Schwarz?

GUTER MANN: Denken Sie an Rasse in ihrer Universalität. Wo ist Ihr Messgerät? Es gibt keine Möglichkeit, die Rasse zu messen. Wir machen es manchmal nach Hautfarbe, andere tun es vielleicht nach Haarstruktur - andere Menschen haben möglicherweise andere Trennlinien in Bezug auf die Hautfarbe. Was in den Vereinigten Staaten schwarz ist, ist nicht das, was in Brasilien schwarz ist oder was in Südafrika schwarz ist.

STEPHEN JAY GOULD, Paläontologe: Meine Lieblings-Trivia-Frage im Baseball ist, welcher italienisch-amerikanische Spieler für die Brooklyn Dodgers in einer Saison einmal 40 Homeruns erzielt hat und niemand es jemals richtig macht, denn die Antwort ist Roy Campanella, der so italienisch ist wie er Schwarz war. Er hatte einen italienischen Vater und eine schwarze Mutter, er wird immer als Schwarz eingestuft. Sehen Sie, die amerikanische Rassenklassifizierung ist völlig kulturell. Wer ist Tiger Woods? Wer ist Colin Powell? Colin Powell ist so irisch wie afrikanisch. Schwarz zu sein wurde definiert als nur so dunkel auszusehen, dass jeder sehen kann, dass Sie es sind.

HAMMONDS: Als ich ein Kind war, kaufte mir mein Vater unter anderem eine Reihe von Time-Life-Büchern über Wissenschaft. Und ein Buch über Evolution enthielt eine Hautfarbenskala, die von eins bis sechsunddreißig reichte. Und ich verbrachte Stunden damit, meinen Arm gegen die Skala im Buch, das Bild im Buch, zu legen, um herauszufinden, welche Zahl meine Farbe war. Und ich konnte mich nicht ganz auf der Skala wiederfinden.

HERRLICH: Sie können entweder 19 oder 20 sein.

STUDENT: Wer wäre diese Farbe, du oder ich?

HERRLICH: Lassen Sie mich mich sagen.

MARCUS: Ich würde sagen, dass Jon und Noah, beide äußerlich weiß, und Jackie und ich beide in die asiatische Klassifikation passen. Aber ich denke, was mich überrascht hat, war der Hautfarbentest, weißt du, wie sollte man die gesamte Gruppe technisch nennen.

JON: Ich würde nie wissen, dass alle unsere, alle unsere Hautfarben so ähnlich sind.

JACKIE: Ich wette, ich passe zu dir.

JON: Genau, wie wir zusammenpassen.

MARCUS: Sollten Sie sie alle weiß nennen oder sollten Sie sie elf bis fünfzehn nennen? Du weisst?

NOAH: Würde ich meine Hautfarbe tauschen? ähm Ich würde meine Hautfarbe wahrscheinlich nicht tauschen. Es ist etwas, das ich für selbstverständlich gehalten habe. Es ist auch ein Privileg, denke ich.

NOAH: Ich denke, 13 ist näher.

JACKIE: Wow, wir sind wie alle 13.

NOAH: Es bringt keinen Vorteil, zu leugnen, dass es einen gewissen Vorteil gibt, weiß zu sein.

HERRLICH: Das ist nicht der Grund, warum ich B-negativ bin, Sie wissen, was ich sage.

ERZÄHLER: Wir haben alle die gleichen ungefähr 35.000 Gene, aber im Laufe der Zeit verursachen Mutationen Variationen in unserer DNA. Heutzutage kommen manche Gene, wie die für die Hautfarbe, in unterschiedlichen Formen vor.

MARY-CLAIRE KING, Genetikerin: In einigen Genen, die die Melaninfarben in unserer Haut kontrollieren, traten verschiedene Allele, verschiedene Mutationen auf, die positiv selektiert wurden, so dass viele von uns mit sehr heller Haut die Fähigkeit verloren, dunkles Melanin herzustellen.

ERZÄHLER: Dunkles Melanin blockiert etwas ultraviolettes Licht und wird dort gefunden, wo das Sonnenlicht intensiv ist. Leichteres Melanin findet sich dort, wo das Sonnenlicht weniger intensiv ist. Wissenschaftler diskutieren, warum das so ist.

KÖNIG: Eine Hypothese ist, dass dies geschah, weil Sonnenlicht für eine ausreichende Versorgung mit Vitamin D unerlässlich ist. In nördlichen Breiten mit sehr wenig Licht im Winter brauchte man jedes bisschen Licht, das man einfangen konnte, um ausreichend aktives Vitamin D zu haben Und insbesondere Kinder müssten, müssten in der Lage sein, genügend Licht in ihre Haut aufzunehmen, damit Vitamin D vorhanden ist, um gesund zu bleiben.

GRÄBER: Der beste Weg, die genetischen Unterschiede, die wir in menschlichen Populationen finden, zu verstehen, besteht darin, dass sich die Populationen durch die Entfernung unterscheiden, und es ist ein ständiger Wechsel, ähm, von einer Gruppe zur anderen. Und eine Möglichkeit, dies zu betrachten, ist das Beispiel der Hautfarbe. Wenn wir nur Menschen in den Tropen und Menschen in Norwegen betrachten würden, würden wir zu dem Schluss kommen, dass es eine Gruppe von Menschen mit heller Haut und eine Gruppe von Menschen mit dunkler Haut gibt. Aber wenn wir von den Tropen nach Norwegen wandern würden, würden wir eine kontinuierliche Veränderung des Hauttons sehen. Und zu keinem Zeitpunkt auf dieser Reise könnten wir sagen: „Oh, dies ist der Ort, an dem wir von der dunklen Rasse zur hellen Rasse gelangen.

GUTER MANN: Die biologische Variation des Menschen ist so komplex. Es gibt so viele Aspekte der menschlichen Variation. Es gibt also viele, viele Möglichkeiten, sie zu erklären.

ERZÄHLER: Variation in einigen Merkmalen. Wie die Augenform beinhaltet auch die Haarstruktur, ob Ihre Zunge sich kräuselt oder nicht, nur sehr wenige Gene. Und nicht einmal diese Gene wurden alle identifiziert.

Die Variation von Merkmalen, die wir als gesellschaftlich wichtig erachten, ist viel komplizierter. Unterschiede darin, wie unser Gehirn funktioniert, wie wir Kunst machen, wie anmutig wir uns bewegen.

Gene können zur Variation dieser Merkmale beitragen, aber in dem Maße, in dem sie dies tun, wäre eine Kaskade von Genen am Werk, die miteinander und mit der Umwelt interagieren, in Beziehungen, die so verwickelt und komplex sind, dass die Wissenschaft kaum begonnen hat, sie zu entschlüsseln.

LEWONTIN: Die Leute reden immer über Gene für Dinge, Gene für sportliche Fähigkeiten, Gene für Geldverdienen, Gene für Intelligenz. Und Sie müssen sehr vorsichtig sein. Selbst wenn es Gene gibt, die diese Dinge beeinflussen, ist es nicht so klar, davon als Gene für sie zu sprechen.

OSSORIO: Was uns unterscheidet, sind sowohl die genetischen Unterschiede, die wir zwischen uns haben, als auch die Interaktion dieses Genoms mit der Umwelt, und die Umwelt ist eine sehr, sehr komplizierte Sache. Wenn ich also sage, meine ich die Umwelt im Großen und Ganzen, alles von der Umwelt im Mutterleib bis zur Umwelt in Ihrer Schule.

ERZÄHLER: In der städtischen Umgebung der 1930er Jahre dominierten jüdische Mannschaften den amerikanischen Basketball. Söhne von Einwanderern, ihre waren die Reifenträume des Tages.

GRÄBER: Und es wurde gesagt, dass der Grund dafür, dass sie im Basketball so gut waren, darin bestand, dass der kunstvolle Schwindler, der für die jüdische Kultur charakteristisch ist, sie in diesem Sport gut machte. Es gibt starke kulturelle Aspekte der Sportart, die Individuen wählen, die mit der Interaktion des individuellen genetischen Hintergrunds von Gelegenheiten und Training zu tun haben. Die Geschichte zeigt uns, dass mit den sich ändernden Möglichkeiten in der Gesellschaft verschiedene Gruppen in die Sportarenen gezogen werden.

ERZÄHLER: 1992 war Amerikas olympisches Dream-Team fast vollständig afroamerikanisch. Zehn Jahre später wären fast 20 % der NBA-Starter im Ausland geboren. Der beste NBA-Draft-Pick? Chinesisch.

GRÄBER: Wir können keine feste Regel aufstellen, wie, äh, die genetische Abstammung die Fähigkeit einer Person beeinflusst, ein sportliches Ereignis durchzuführen. Ich glaube also nicht, dass wir jemals in der Lage sein werden, ein Gen für sportliche Leistungen zu isolieren.

ERZÄHLER: Oder ein Gen für irgendein komplexes Merkmal. Wenn Gene zu Marcus' musikalischem Talent beitragen, würden es Dutzende geben, die mit der Umgebung, dem Training und der Praxis interagieren. Diese Gene würden unabhängig von den Genen für Augenform, Hautfarbe und Haarform vererbt, die Marcus von seinen koreanischen und jamaikanischen Vorfahren geerbt hat.

GUTER MANN: Damit Rasse mehr als nur oberflächlich ist, muss man Konkordanz haben. Mit anderen Worten, die Hautfarbe muss Dinge widerspiegeln, die tiefer im Körper liegen, unter der Haut. Aber die meisten menschlichen Variationen sind nicht übereinstimmend. Hautfarbe oder Augenfarbe oder Haarfarbe korreliert nicht mit Größe oder Gewicht. Und sie sind definitiv nicht mit komplexeren Merkmalen wie Intelligenz oder sportlicher Leistung korreliert.

KIRIL (außerhalb der Kamera): Warten Sie, wer ist die Person, von der Sie sagten, dass sie am ähnlichsten wäre? Jamil richtig?

HERRLICH: Ja, wie ist seine Nummer?

ERZÄHLER: Die Werkzeuge der modernen Genetik ermöglichen es den Schülern, die Idee von Rasse und Konkordanz zu erforschen. Von Anfang an glaubten sie, dass sie denjenigen genetisch am ähnlichsten sein würden, deren rassische Vorfahren sie zu teilen glaubten.

KIRIL: Wer, sagten Sie, würde am unterschiedlichsten sein?

HERRLICH: Noah, und er ist.

ERZÄHLER: Sie haben jetzt eine kleine Schleife ihrer mitochondrialen DNA sequenziert.

KÖNIG: Wenn wir eine sehr feine Skala wünschen, um zu beurteilen, wie ähnlich wir uns von Person zu Person sind, können wir dies tun, indem wir dieses kleine Stückchen mitochondrialer DNA sequenzieren.

ERZÄHLER: mtDNA ist ein zweiter DNA-Satz, der in den Mitochondrien der Zelle gefunden wird. Es kodiert keine Merkmale und wird nur von unserer Mutter geerbt.

KÖNIG: Nun, was wird es uns sagen? Es wird uns viel über einen unserer Vorfahren erzählen, die Mutter der Mutter unserer Mutter.

ERZÄHLER: Die mtDNA der Schüler erscheint als die Buchstaben A, C, T und G, die die vier Nukleotide darstellen, die unsere DNA definieren. Die Schüler tasten eine kleine Sequenz von etwa dreihundertfünfzig Buchstaben ab. Sie stellen fest, dass das meiste davon identisch ist. Was nicht ist, wird gelb hervorgehoben.

HERRLICH: Weil ich anders bin. Ich bin wirklich anders.

ERZÄHLER: Jamil dachte, er hätte die wenigsten mtDNA-Unterschiede mit Gorgeous.

JAMIL: Ich war eher wie Kiril als ich war als Herrlich. Sie hat etwa zwölf Unterschiede, und wie Kiril ist wie ein Weißer, großer, blonder Mensch aus Russland und, und, und, wir scheinen völlig anders zu sein, aber es sind weniger Unterschiede.

JON: Aber ich denke, es ist schwer zu sagen, weil wir es nicht wissen.

ERZÄHLER: Jon dachte, er hätte die wenigsten Differenzen mit Kiril und mit Noah. Tatsächlich entdeckte Jon, dass er mit Kiril genauso viele Differenzen hatte wie mit Jackie, nur drei.

HERRLICH: Ich glaube nicht, dass meine mit jemandem aus der Nähe auftauchen wird.

ERZÄHLER: Wenn sich die menschliche Variation nach Rassenlinien abbilden würde, wären die Menschen einer sogenannten Rasse einander ähnlicher als denen einer anderen sogenannten Rasse.

Das haben die Studenten nicht in ihrer mtDNA gefunden. Was ist mit anderen genetischen Unterschieden?

LEWONTIN: Das Problem für Evolutionisten und Populationsgenetiker bestand immer darin, zu versuchen, tatsächlich zu charakterisieren, wie viel genetische Variation es zwischen Individuen und Gruppen gibt. Und ich habe viel Zeit damit verbracht, mir darüber Gedanken zu machen, wie andere Leute in meinem Beruf.

ERZÄHLER: In den 1960er Jahren beschloss Richard Lewontin herauszufinden, wie viel genetische Variation innerhalb und wie viel zwischen den Gruppen liegt, die wir als Rassen betrachten. Eine neue Technologie ermöglichte ihm Pionierarbeit.

LEWONTIN: Und diese Methode, die Gelelektrophorese genannt wird, ein sehr schicker Name, äh, wir konnten bei jedem Organismus überhaupt anwenden. Wenn du es zermahlen könntest, könntest du es tun. Äh, dazu gehörten auch Leute, ich meine, man muss nicht die ganze Person zermalmen, aber man könnte ein kleines Taschentuch oder Blut nehmen.

Im Laufe der Jahre wurden viele Daten von Anthropologen und Genetikern gesammelt, die Blutgruppengene, Proteingene und andere Arten von Genen aus der ganzen Welt untersuchten. Ich meine, Anthropologen gingen einfach herum und nahmen jedem Blut ab. Äh, äh, ich, ich muss sagen, wenn ich ein südamerikanischer Indianer wäre, hätte ich ihnen nicht mein Blut abnehmen lassen. Aber ähm, aber sie taten es, und so dachte ich: 'Nun, wir haben genug von diesen Daten, mal sehen, was sie uns über die Unterschiede zwischen menschlichen Gruppen sagen.'

ERZÄHLER: Lewontins Erkenntnisse waren ein Meilenstein in der Erforschung von Rasse und Biologie.

LEWONTIN: Wenn Sie alles zusammenfassen, und das haben wir jetzt für Proteine, für Blutgruppen und jetzt mit DNA-Sequenzierung haben wir es für DNA-Sequenzunterschiede, es kommt immer das gleiche heraus. 85% aller Unterschiede zwischen den Menschen liegen zwischen zwei beliebigen Individuen innerhalb einer lokalen Bevölkerung. Zwischen Personen innerhalb Schwedens oder innerhalb der Chinesen oder der Kikuyus oder der Isländer.

ERZÄHLER: Um es anders auszudrücken, bei der geringen Variation in unseren Genen besteht zwischen Gorgeous und ihrer Teamkollegin Christine ein ebenso großer Unterschied wie zwischen Gorgeous und ihrer Gegnerin Kaylin. Zwei beliebige Individuen innerhalb einer sogenannten Rasse können sich ebenso voneinander unterscheiden wie von jedem Individuum einer anderen sogenannten Rasse.

OSSORIO: Sind die Menschen, die wir Schwarz nennen, sich genetisch ähnlicher als Menschen, die wir Weiß nennen? Ähm, die Antwort ist nein. Es gibt so viel oder mehr Vielfalt und genetische Unterschiede innerhalb jeder Rassengruppe wie zwischen Menschen verschiedener Rassengruppen.

ERZÄHLER: Dennoch wissen wir, dass einige Gene in einigen Populationen häufiger vorkommen.

GUTER MANN: Und Geographie ist der bessere Weg, das zu erklären, als Rasse oder irgendetwas anderes. Es kann eine Ansammlung von Genen an einem Ort auf der Welt geben und an einem anderen nicht.

ERZÄHLER: Wie die Genformen, die die Hautfarbe regulieren. Und für einige genetische Krankheiten, wie die Sichelzellenanämie. Die Sichelzellenanämie, die lange als Rassenmerkmal angesehen wurde, ist eine schwächende Erkrankung, die durch eine Genform verursacht wird, die die Form der roten Blutkörperchen verändert.

ERIC NISBET-BRAUN, M.D.: Es ist eines der Missverständnisse, dass die Sichelzellenanämie eine afroamerikanische oder afrikanische Krankheit ist. Das Sichelzellmerkmal ist bei Menschen aus dem Mittelmeerraum nicht ungewöhnlich. Tatsächlich können in einigen Teilen Griechenlands bis zu 30 % der Bevölkerung das Sichelzellmerkmal tragen. Das Sichelzellmerkmal bleibt in bestimmten Populationen auf der ganzen Welt aufgrund der relativen Resistenz gegenüber Malaria bestehen. Menschen mit Sichelzellenanämie erkranken also seltener an Malaria, und wenn sie sie entwickeln, entwickeln sie weniger wahrscheinlich schwere Komplikationen und sterben daran.

ERZÄHLER: Wo Malaria verbreitet war, wurde das Sichel-Gen ausgewählt. In Arabien, Südasien, Zentral- und Westasien – aber nicht im südlichen Afrika. Und im Mittelmeerraum, der Heimat der Vorfahren von Jackie Washburn. Die Sichelzelle soll erst vor wenigen tausend Jahren entstanden sein, ist aber kein Rassemerkmal. Es ist das Ergebnis von Vorfahren, die in Malariagebieten lebten.

Die Rasse erklärt nicht die Muster der genetischen Variation. Unsere Aktualität als Spezies und die Art und Weise, wie wir uns im Laufe unserer Geschichte fortbewegt und gepaart haben, tut dies. Unsere menschliche Abstammung hat ihren Ursprung in Afrika. Vor etwa zwei Millionen Jahren begannen kleine Gruppen früher Hominiden – keine modernen Menschen – eine erste Migration aus Afrika in die entlegensten Gebiete der Erde, um isolierte Abstammungslinien zu züchten. Es wurde lange geglaubt und wird immer noch von einigen geglaubt, dass diese ersten Abstammungslinien zu genetisch unterschiedlichen Rassen führten, die uns heute begleiten.

GOLD: Es stellt sich heraus, dass das nicht stimmt. Ich denke, es gibt jetzt fast einen genetischen Beweis – ich würde nicht sagen, dass das Problem vollständig gelöst ist – dass diese Abstammungslinien einfach ausgestorben sind. Dass Neandertaler in Europa gestorben sind. Dieser Homo erectus in Asien ist gestorben. Dass es eine zweite Migration unserer modernen Spezies Homo sapiens gab und dass alle modernen Menschen Produkte der zweiten Migration sind, die nach den besten aktuellen Beweisen wahrscheinlich weniger als hunderttausend Jahre alt ist.

GUTER MANN: Einige dieser Bewegungen können auf große Migrationen folgen, als die Landwirte nach Europa kamen, als die Menschen die Beringstraße überquerten und nach Amerika kamen.

Andere Bewegungen sind jedoch viel subtiler. Sie sind kleinere Gruppen von Individuen, die umgezogen sind oder ihre Gene von Ort zu Ort und von Zeit zu Zeit wandern.

Wir haben vielleicht Hunderttausende von Jahren gehabt, in denen Gene sich auf unzählige verschiedene Arten herausbewegt, vermischt und neu sortiert haben.

ERZÄHLER: Hunderttausend Jahre mögen wie eine lange Zeit erscheinen, aber in evolutionärer Hinsicht ist es ein Wimpernschlag. Menschliche Populationen waren noch nicht lange genug voneinander isoliert, um sich in separate Unterarten zu entwickeln.

GOLD: Es war einfach keine Zeit für die Entwicklung einer großen genetischen Variation, außer der, die einige sehr oberflächliche Merkmale wie Hautfarbe und Haarform reguliert. Ausnahmsweise ist das alte Klischee wahr. Unter der Haut sind wir wirklich gleich. Und wir lassen uns täuschen, denn einige der visuellen Unterschiede sind ziemlich auffällig.

ERZÄHLER: Die oberflächlichen Merkmale, die wir verwenden, um Rassen zu konstruieren, sind neuere Variationen. Als sie aufkamen, hatten sich bereits wichtige und komplizierte Eigenschaften wie Sprache, abstraktes Denken und sogar körperliche Fähigkeiten entwickelt.

KÖNIG: Als Genetiker haben wir jetzt die Möglichkeit, mit Hilfe der richtigen Genomanalyse komplexe menschliche Eigenschaften zu untersuchen: sportliche Fähigkeiten, musikalische Fähigkeiten, Intelligenz, all diese wunderbaren Eigenschaften, von denen wir uns wünschen, dass wir sie besser verstehen und die wir sehr gerne kennen würden ob Gene beteiligt sind, wie sie interagieren, wie sie sich abspielen. Diese Eigenschaften sind alt.

Wir verbrachten die meiste Zeit unserer Geschichte als Spezies zusammen in Afrika in kleinen Populationen, bevor jemand wegging. Es gibt heute weit mehr von uns als diese kleinen, ursprünglichen Populationen, die unsere Spezies begründet haben. Jeder von uns trägt eine sehr aktuelle Variation und eine gemeinsame, gemeinsame Variation mit sich, die weit in die Geschichte der Menschheit zurückreicht.

ERZÄHLER: Variationen unter uns in diesen alten Merkmalen entwickelten sich unabhängig von und nicht übereinstimmend mit Variationen in den jüngsten, oberflächlichen Merkmalen, die wir als rassisch bezeichnen. Menschliche Variation lässt sich nicht auf das abbilden, was wir Rasse nennen. Egal wie wir es messen.

BRONSON: Jetzt geht es also zu dieser gigantischen DNA-Datenbank. Und Sie werden diese Datenbank mit Ihrer DNA-Sequenz sprengen und alles herausholen, was signifikant ähnlich ist. Und nun.

ERZÄHLER: Die letzte Übung des DNA-Workshops bot den Schülern weitere Beweise für die genetische Variation innerhalb von Gruppen. Sie verglichen ihre mitochondrialen DNA-Sequenzen mit einer internationalen Datenbank.

BRONSON: Eins, zwei, drei, vier Unterschiede.

ERZÄHLER: Die Sequenz von Gorgeous war der eines Yoruban-Individuums in Nigeria am ähnlichsten.

HERRLICH: Das ist die nächste Person.

BRONSON: Und das heißt, Sie sagten, das ist die Person, die Ihnen am nächsten kommt. Heißt das jetzt unbedingt, dass du Yoruban bist?

BRONSON: Nein. Es bedeutet nur, dass es in diesem Teil der Welt jemanden gibt, der eine sehr ähnliche DNA-Sequenz wie Sie hat.

BRONSON: Und denken Sie daran, wenn wir uns andere Leute innerhalb dieser Yoruban-Gruppe ansehen, erwarte ich, andere Formen der mitochondrialen DNA zu sehen.

ERZÄHLER: Und das taten sie. Ihr Match unterschied sich dramatisch von dem eines anderen Yorubans, dessen DNA-Sequenz sich sehr von anderen Yorubans unterschied. Da sich der moderne Mensch zuerst in Afrika entwickelt hat, gibt es in Afrika eine noch größere genetische Vielfalt als anderswo.

GRÄBER: Wenn es also eine Katastrophe gäbe, die den Rest der Weltbevölkerung vernichten würde, wäre der größte Teil der genetischen Variabilität der Welt immer noch in Afrika südlich der Sahara vorhanden.

ERZÄHLER: Genetische Daten können rassische Annahmen über rassische Abstammung untergraben.

BRONSON: Wir schauen und sehen, wie viele Unterschiede wir sehen.

ERZÄHLER: Jackies Datensuche stimmte mit einer Sequenz einer Person auf dem Balkan überein.

BRONSON (außerhalb der Kamera): Sie haben also etwas Japanischeres erwartet?

JACKIE: Ja, definitiv etwas mehr Japanisch als Balkan. Überhaupt.

NOAH: Wenn ich meine mütterliche Abstammungslinie tatsächlich kenne, so wie ich weiß, wo sie enden sollte, sollte eine Suche wie diese sie noch einmal überprüfen, oder?

BRONSON (außerhalb der Kamera): Was ist Ihre vorgefasste Meinung?

NOAH: Meine vorgefasste Meinung ist, ähm, wir wissen zurück von meiner Urururgroßmutter, und sie hat ihr ganzes Leben in der österreichisch-ungarischen Monarchie in einer kleinen Stadt in der Ukraine verbracht, soweit ich weiß.

BRONSON (außerhalb der Kamera): Aber denken Sie daran, dass diese kleine Stadt in der Ukraine viele verschiedene mitochondriale DNA-Sequenzen enthalten kann. Gehen wir also zurück und wir schauen uns deine an. Und vom Balkan isolieren. Da ist kein großer Schock. Mal sehen, wie ähnlich du dieser Person bist.

NOAH: Und wir hatten immer vermutet, dass meine Urgroßmutter dieses nette kleine Bauernmädchen gewesen war, das ihr ganzes Leben in der Ukraine verbracht hatte. Und so war ich mir ziemlich sicher, dass ich ziemlich genau zu einer dieser ethnischen Gruppen passen sollte, und das war ich auch. 100% Übereinstimmung.

BRONSON (Hintergrund): Also vergleiche ich dich mit jemandem in Island.

NOAH (Hintergrund): Beeindruckend. Ja, schon wieder, hm.

NOAH: Wir haben auch eine Sequenz aus Island hochgezogen.

BRONSON (Hintergrund): Was sagt dir das also?

NOAH: Und wir haben irgendwo in Afrika eine dritte Sequenz hochgezogen, und ich war auch zu 100% passend.

BRONSON: Das ist eine 100%ige Übereinstimmung. Das ist sehr bedeutsam. Ähm, und.

BRONSON: Nun, was es Ihnen zeigt, ist nicht, dass Sie mit dieser Person eng verwandt sind, möglicherweise mitochondrial gesprochen, und dass wir alle sehr eng verwandt sind.

NOAH: Das hat mich also etwas schockiert, dass es so viele dieser Rassengruppen gab, die es teilten. Ich bin sozusagen nur ein Köter. Ich wurde mit vielen verschiedenen ethnischen Gruppen gekreuzt und gekreuzt.

BRONSON: Mal sehen, ob es interessanter wird, als wir denken.

GUTER MANN: Ich denke, die Denkweise ist, dass wir alle Mischlinge sind, wir haben uns immer gemischt, jeder von uns ist Mischling.

ERZÄHLER: Die heutigen genetischen Erkenntnisse bestätigen Richard Lewontins Entdeckungen vor dreißig Jahren. Aufgrund unserer Geschichte des Bewegens, Paarens und Mischens können die meisten menschlichen Variationen, insbesondere die von älteren komplexen Merkmalen, in jeder Population gefunden werden. Das meiste davon aus einer gemeinsamen Quelle: in Afrika.

GOLD: Wir haben jetzt die genetische Variation beim Menschen verstanden. Ich sage nicht, dass unser Wissen für alle Zeiten festgelegt ist – das ist es nie, aber ich denke, wir haben gesehen, wie flach und oberflächlich die durchschnittlichen Unterschiede zwischen den menschlichen Rassen sind, obwohl in bestimmten Merkmalen wie Hautfarbe und Haarform die visuellen Unterschiede sind ziemlich auffällig. Sie basieren auf fast nichts in Bezug auf die allgemeine genetische Variation.

GUTER MANN: Rasse als Biologie funktioniert einfach nicht, aber wichtig ist, dass Rasse ein sehr markantes gesellschaftliches und historisches Konzept ist, eine soziale und historische Idee. Wir leben im Rassensmog.

OSSORIO: Nur weil Rasse nichts Biologisches ist, heißt das nicht, dass sie nicht real ist. Es gibt viele Dinge in unserer Gesellschaft, die real und nicht biologisch sind. Rasse, wie wir sie verstehen, als soziales Konstrukt, hat viel damit zu tun, wo jemand leben wird, welche Schulen er besuchen wird, welche Jobs er annehmen wird, ob er krankenversichert ist oder nicht.

ERZÄHLER: Schwarz, Weiß und Braun sind lediglich Hautfarben. Aber wir verbinden mit ihnen Bedeutungen und Annahmen, sogar Gesetze, die dauerhafte soziale Ungleichheit schaffen.

NOAH: Wenn ich nachts alleine durch die Straßen laufe, von Partys und so nach Hause komme, werfe ich nie einen Seitenblick auf die Leute, die fragen, was ich da mache. Wenn eine Frau mit ihren Einkaufstüten stolpert und ich anhalte und sage: 'Möchtest du eine Hand?' Ich bekomme nie einen Blick mit zwei Bedeutungen, es ist immer: 'Oh netter weißer Junge, du kannst helfen.'

GRÄBER: Auf meinem eigenen Campus, äh, wenn ich zum Unterricht gehe, kommen oft Studenten auf mich zu und fragen mich, ob ich der Fußballtrainer oder der Basketballtrainer bin, und ich sage ihnen: ‚Nein, ich bin Professor an der Fakultät der Biowissenschaften.'

HANNAH: Es ist leicht, weiß zu sein, es ist sehr leicht, weiß zu sein. Für Afrikaner oder Afroamerikaner war es hier nie einfach, nie. Es ist lange, lange her, seit der Abschaffung der Sklaverei, wissen Sie, der afroamerikanischen Sklaverei in diesem Land. Es spielt keine Rolle. Egal, diese Ideen gibt es immer noch.

ERZÄHLER: Egal wie sie sich selbst sehen, die Welt sieht Jackie, Gorgeous und Jon als getrennte Rassen. Die gesellschaftlichen Erwartungen, die sie erwarten, hängen in vielerlei Hinsicht von dieser Rassenzuordnung ab.

Würden wir von Gorgeous erwarten, dass sie eine Champion-Athletin oder Jahrgangsbeste ihrer Klasse ist? Tatsächlich ist Gorgeous beides. Aber seit den Tagen von Jesse Owens hat unsere Gesellschaft eines ihrer Talente gegenüber dem anderen eher anerkannt und belohnt.

Wenn die Ausgangsbedingungen ausgeglichen wären, wären die Möglichkeiten für Gorgeous und ihre Teamkollegen nicht durch Annahmen eingeschränkt, die die Gesellschaft über die Natur der von ihnen geerbten Gene macht.

KÖNIG: Vieles wird vererbt, was nichts mit Genen zu tun hat. Geld wird vererbt. Und Geld trägt wesentlich dazu bei, die Fähigkeit von jemandem zu steigern, in dem einen oder anderen Bereich erfolgreich zu sein.

ERZÄHLER: Abseits der Strecke ist das Spielfeld nicht eben. Das Nettovermögen einer durchschnittlichen weißen amerikanischen Familie ist achtmal so hoch wie das einer durchschnittlichen afroamerikanischen Familie.

HAMMONDS: Rasse ist ein Konzept, das erfunden wurde, um die wahrgenommenen biologischen, sozialen und kulturellen Unterschiede zwischen menschlichen Gruppen zu kategorisieren.

LEWONTIN: Und das Schöne an dieser Ideologie ist, dass sie die größte, äh, soziale Qual des amerikanischen Lebens rechtfertigt, nämlich die Ungleichheiten, die in einer Gesellschaft existieren, die angeblich auf Gleichheit basiert.

HAMMONDS: Rasse ist eine menschliche Erfindung. Wir haben es geschaffen, wir haben es in vielerlei Hinsicht sehr negativ und ziemlich schädlich verwendet. Und wir können uns ausdenken. Wir haben es geschafft, wir können es rückgängig machen.

ERZÄHLER: Die rassifizierte Gesellschaft, in der wir leben, ist seit drei Jahrhunderten im Aufbau. Wie können wir Rasse rückgängig machen, wenn wir uns nicht zuerst ihrer Ungeheuerlichkeit als historische und soziale Realität und ihrer Leere als Biologie stellen?


Einführung in die Konzepte der Systemmodellierung

Bernard P. Zeigler, . Ernesto Kofman , in Theorie der Modellierung und Simulation (dritte Auflage) , 2019

1.5 Systemspezifikationsmorphismen: Grundkonzepte

Die Systemspezifikationshierarchie bietet eine Schichtung zum Konstruieren von Modellen. Aber während die Konstruktion von Modellen die grundlegende Aktivität in M&S ist, besteht ein Großteil der eigentlichen Arbeit darin, Beziehungen zwischen Systembeschreibungen herzustellen. Die Systemspezifikationshierarchie bietet auch eine geordnete Möglichkeit, solche Beziehungen darzustellen und mit ihnen zu arbeiten. Abb. 1.15 veranschaulicht die Idee, dass Systempaare auf jeder Hierarchieebene durch Morphismusbeziehungen in Beziehung gesetzt werden können. Ein Morphismus ist eine Relation, die Elemente von Systembeschreibungen in Übereinstimmung bringt, wie in Tabelle 1.4 skizziert.

Abbildung 1.15. Morphismuskonzepte für die Systemspezifikationshierarchie.

Tabelle 1.4. Morphismusbeziehungen zwischen Systemen in der Systemspezifikationshierarchie und den Klir-Ebenen

NiveauSpezifikationsnameZwei Systeme sind auf dieser Ebene morphisch, wenn:
0Beobachtungsrahmenderen Inputs, Outputs und Zeitbasen können in Übereinstimmung gebracht werden
1E/A-Verhaltensie sind auf Ebene 0 morphisch und die zeitindizierten Ein-/Ausgangspaare, die ihr E/A-Verhalten bilden, stimmen ebenfalls eins zu eins überein
2I/O-Funktionsie sind auf Ebene 0 morphisch und ihre Anfangszustände können in Übereinstimmung gebracht werden, sodass die den entsprechenden Zuständen zugeordneten I/0-Funktionen gleich sind
3Zustandsübergangdie Systeme sind homomorph (unten erklärt)
4Gekoppelte KomponenteKomponenten der Systeme können in Übereinstimmung gebracht werden, sodass die entsprechenden Komponenten zusätzlich morphisch sind, die Kopplungen zwischen den entsprechenden Komponenten gleich sind

Auf der untersten Ebene sind beispielsweise zwei Beobachtungsrahmen morphisch, wenn wir ihre definierenden Elemente – Inputs, Outputs und Zeitbasen – in Übereinstimmung bringen können. Solche Frames sind isomorph wenn ihre Eingänge, Ausgänge bzw. Zeitbasen identisch sind. Im Allgemeinen versucht das Konzept des Morphismus, Ähnlichkeiten zwischen Paaren von Systemen auf derselben Spezifikationsebene zu erfassen. Solche Ähnlichkeitskonzepte müssen zwischen den Ebenen konsistent sein. Wenn wir Spezifikationen auf niedrigerer Ebene mit ihren jeweiligen auf höherer Ebene verknüpfen, muss ein Morphismus, der auf der oberen Ebene hält, die Existenz einer auf der unteren Ebene implizieren. Die in Tabelle 1.4 definierten Morphismen sind so angelegt, dass sie diese Randbedingungen erfüllen.

Der wichtigste Morphismus, genannt Homomorphismus, befindet sich auf der Ebene des Zustandsübergangs und ist in Abb. 1.16 dargestellt. Betrachten Sie zwei auf Ebene 3 spezifizierte Systeme, S und S ′ , wobei S kann größer sein als S ′ im Sinne von mehr Zuständen. Das werden wir später sehen S ein komplexes Modell darstellen könnte und S ′ eine Vereinfachung davon. Oder S einen Simulator darstellen könnte und S ′ ein Modell, das er ausführt. Wenn S ′ eine Zustandsfolge wie a , b , c , d durchläuft, dann S sollte eine entsprechende Zustandssequenz durchlaufen, z. B. A, B, C, D. Typischerweise verfügt ein Simulator über viele Apparaturen, die in ihren Zuständen dargestellt werden, die erforderlich sind, um die gesamte Klasse von Modellen und nicht ein einzelnes Modell aufzunehmen. Wir gehen also nicht davon aus, dass Zustände von S und S ′ sind identisch – nur dass zwischen ihnen eine vordefinierte Entsprechung besteht, die durch die schraffierten Verbindungslinien in der Abbildung dargestellt ist. Um nun festzustellen, dass diese Entsprechung ein Homomorphismus ist, erfordert es, dass immer dann, wenn S ′ einen Übergang spezifiziert, wie zum Beispiel von state B angeben C, dann S macht tatsächlich den Übergang mit entsprechenden Zuständen B und C. Normalerweise ist der Simulator so ausgelegt, dass er eine Reihe von Mikrostaat Übergänge, um die Makrostaat Übergang von B zu C. Dies sind Rechenschritte, die notwendig sind, um das gewünschte Endergebnis zu erzielen. Es ist nicht schwer zu sehen, dass, wenn ein solcher Homomorphismus für alle Zustände von S ′ gilt, jede Zustandstrajektorie in S ′ in korrekt reproduziert wird S.

Abbildung 1.16. Homomorphismus-Konzept. Diese Abbildung veranschaulicht die Erhaltung von Zustandsübergängen, die ein Homomorphismus erfordert.

Oftmals fordern wir, dass die Korrespondenz schrittweise geführt wird. Mit anderen Worten, der Übergang von a nach b wird gespiegelt durch einen einstufigen Übergang von EIN zu B. Außerdem möchten wir, wie gerade angedeutet, das I/O-Verhalten von homomorphen Modellen, die auf der I/O-Systemebene angegeben werden, gleich sein. Daher fordern wir wie in Abb. 1.17, dass die von entsprechenden Zuständen erzeugten Ausgaben gleich sind. Bei dieser Art von Homomorphismus bleiben die Werte und das Timing der Übergänge und Ausgaben des Basismodells im konzentrierten Modell erhalten. Somit sind in diesem Fall die Zustands- und Ausgabetrajektorien der beiden Modelle gleich, wenn sie in entsprechenden Zuständen gestartet werden.

Abbildung 1.17. Homomorphismus: eine Abbildung, die den schrittweisen Zustandsübergang und die Ausgabe bewahrt.


Zusätzliche Datei 1: Abbildung S1.

Von Hi-C abgeleitete molekulare Phänotypen, die über 20 LCLs gemessen wurden. AbbildungS2. FIRE misst die Dichte lokaler Interaktionen. Abbildung S3. Aggregieren Sie Looping-Interaktionen in jedem Sample. Abbildung S4. 3D-Chromatin-Variation zwischen 20 LCLs und H1-abgeleiteten Linien. Abbildung S5. Charakterisierung variabler Regionen der 3D-Chromatin-Konformation. Abbildung S6. Zusätzliche Charakterisierung variabler Regionen der 3D-Chromatin-Konformation. AbbildungS7. Koordinierte Variation zwischen 3D-Chromatin-Konformation und mehreren molekularen Phänotypen. Abbildung S8. Korrelationen zwischen 3D-Genom-Phänotypen und anderen molekularen Phänotypen. Abbildung S9. 3D-Chromatin-QTLs. Abbildung S10. Einfluss von 3D-Chromatin-QTLs auf epigenomische und Krankheitsphänotypen.

Zusatzdatei 2: Tabellen S1-S3.

Öffentliche Datensätze, die in dieser Studie erneut analysiert wurden, LCLs, die in die Studie aufgenommen wurden, und Hi-C-Mapping-Statistiken.

Zusatzdatei 3: Tabelle S4.

TAD und Boundary Calls für jede Probe.

Zusatzdatei 4: Tabelle S5.

Regionen, die Hinweise auf biologische Variabilität in der 3D-Chromatin-Konformation zeigen.

Zusatzdatei 5: Tabelle S6.

Matrixzellen, die Hinweise auf biologische Variabilität zeigen.

Zusatzdatei 6: Tabelle S7.

Zusammenfassung der Phasenergebnisse.

Zusatzdatei 7: Tabelle S8.

Leistungsberechnungen nach Standard p < 0,05 und at P-Werte entsprechend FDR < 0,2 (FIRE-QTLs p < 7e-4, INS-QTL p < 7e-4, DI-QTL p < 7e-4, C-QTL p < 3e-5).