The Failures of Mathematical Anti-Evolutionism

(Kimura 1961, 127)
Statements of this sort are ubiquitous in the literature of evolutionary
biology, but notice that it is specifically genetic information that is
intended here. Standard evolutionary mechanisms have the ability
both to increase the information storage capacity of the genome
through gene duplication, and to refine, via mutation and natural
selection, the information stored there, resulting in better-adapted
organisms. This is what is meant when scientists attribute to evo-
lution the ability to create new information.
If you now want to play gotcha, and argue that evolution
did not really create information, but only transformed preexisting
information in the environment, then you are welcome to do so.
However, it is no great accomplishment to make this observation. If
you are just saying that nature has to be a certain way for evolution to
work then you can just assert it as obvious without further argument.
You do not need to write lengthy books to defend this claim, or to
deploy difficult mathematical theorems in support of it.
However, Dembski wants to go further. In his telling, genomes
do not merely contain information in some general sense, but instead
contain complex, specified information (CSI), which is supposed to be
an indicator of intelligent design. He sees his NFL-inspired argument
as a rebuke to scientists who claim that evolution can produce both
complexity and specification. To the extent that evolution can do
this at all, he argues, it is only because the environment must have
contained CSI to begin with. He refers to this as “the displace-
ment problem,” his idea being that scientists have explained CSI in

---

206 6 information and combinatorial search
genomes only by helping themselves to a source of preexisting CSI.
He likens this to filling one hole by digging another. We still have
to explain the environmental CSI, he argues, and for this purpose we
must invoke the action of an intelligent designer.
But Dembski has a lot more work to do if this argument is to be
taken seriously. Recall that within his formalism, demonstrating the
presence of CSI requires two things: We must carry out a relevant
probability calculation to establish complexity, and we must also
describe a proper specification in the precise technical sense we saw
in Section 5.7. We have already seen that Dembski has no way of
carrying out either of these steps for biological adaptations, and he
will have no more luck here. Calculating the probability that the
fundamental constants would have just the values they do entails
knowing the appropriate probability distribution, but we have no
useful information for deciding on what distribution that is. Nor
do we have any relevant background knowledge that would help us
jump through the mathematical hoops required by Dembski’s notion
of specification. Until Dembski provides these details, he has no
basis at all for claiming that the environment contains CSI in his
idiosyncratic sense.
We should note that in Dembski’s trichotomy of regularity,
chance, or design, both regularity and chance are viable options for
explaining the origin of the constants. Modern cosmology can tell us
almost nothing about how the constants came to be what they are.
It could well be that some sort of natural law latent in the origin
of the universe determined that the constants had to take on the
values we observe, in which case regularity would be the explanation.
To illustrate my point, suppose I told a friend that I tossed a coin
100 times and that it came up heads every time. My friend might
reply, “That’s amazing! 100 consecutive heads is incredibly unlikely.”
But now I point out that, actually, I used a two-headed coin. What at
first seemed incredibly unlikely is seen to be inevitable once all of the
relevant information is at hand. I am suggesting that the constants
of the universe might have the values they do simply because some

---

6.9artificial life 207
unknown physical principle requires that they do. There is nothing
in current cosmology to even suggest, let alone imply, otherwise.
Alternatively, it could be that the constants really might have
set themselves to a large number of different values, but that ours
is just one universe in a vast multiverse, each with its own set
of constants, and in this case chance would be the explanation.
This scenario can be analogized to winning a lottery. If we only
buy one lottery ticket then we are unlikely to win, and this is
analogous to finding just the right set of life-supporting constants
in a single universe. But if we buy billions of lottery tickets then it is
near-certain that at least one will win. This is analogous to finding
one life-supporting universe in an enormous collection of such
universes.
Dembski needs to eliminate both of these possibilities for his
argument to have any force, but he has no plausible way of doing so.
Summing up, the point is that when stripped of all of the irrel-
evant mathematical formalism, there is nothing more to Dembski’s
argument beyond wondering why the universe has just the properties
it does, and then to assert, based on nothing, that design is the only
possibility. The only role for the NFL theorems is to justify the claim
that the environment must be a certain way for Darwinian mech-
anisms to be effective, but that claim is obvious without invoking
difficult mathematical formalism. It is an interesting question to ask
why the universe is as it is, but it is hardly a problem in biology’s
domain.
Thus, even taking Dembski’s argument at face value there is
nothing here to which evolutionary biologists need to pay attention.
6.9artificial life
The final ID argument we will consider in this chapter unites their
thinking about information theory with their rhetoric about combi-
natorial search. We have one last piece of groundwork to lay before
we come to that.

---

208 6 information and combinatorial search
As compelling as the circumstantial evidence for evolution is,
it would be better to have direct experimental confirmation. Sadly,
that is impossible. We have only the one run of evolution on this
planet to study, and most of the really cool stuff happened long ago.
If we someday find life on another planet, then we will be able to
increase the sample size to two, but that seems unlikely to happen
any time soon.
Experimental evolution on microorganisms is possible since
they can be cultivated in large populations and reproduce very
quickly. Small animals like fruit flies also lend themselves to such
experimentation for the same reason, as do plants. Evolutionary
experiments on larger animals have been undertaken, but they are
limited by a host of obvious practical problems. In short, there has
been a lot of illuminating research in the realm of experimental
evolution, but by its nature it has little to tell us about the big
questions of natural history. For example, you are not going to witness
the evolution of a large-scale organ system in the course of these
small-scale experiments.
However, Darwinian evolution occurs in any environment in
which there is heritable variation, replication, and competition for
resources. This suggests the possibility of creating an artificial envi-
ronment that features those three characteristics. Studying evolution
in such an environment could illuminate general principles that arise
in any evolutionary environment. Based on such experiments, we
might hope to say, “Here’s what happened in our synthetic environ-
ment, this environment reproduces relevant aspects of the natural
environment, and therefore it is plausible to think something similar
has happened in natural history.”
In particular, we can use computers to create this environ-
ment. Our organisms will be computer programs striving to replicate
themselves and competing for memory in the computer. We can
introduce something equivalent to random mutations, so that as
programs replicate themselves there is some possibility of alterations
to their code. And we can modify the environment to set up selection

---

6.9artificial life 209
pressures in favor of certain abilities the programs might be able to
develop. Experiments of this sort have been carried out since the late
1980s, and this area of research is known as “artificial life.”
It is commonplace, even in the professional literature, to refer
to artificial life experiments as “simulations of evolution.” This is
convenient terminology for distinguishing these experiments from
what happens in nature, and we will use it ourselves, but we should
note that it is also slightly misleading. Experiments of this sort are
not so much simulations of evolution as they are instances of it. In
observing such an experiment you are watching actual evolution take
place, albeit in an environment in which the researchers control all
of the variables.
An early example of the genre was an experiment carried out
by Thomas Ray using a platform he dubbed “Tierra.” He started with
an 80-line computer program, written in a computer language of his
own devising, capable of replicating itself. The only selection pressure
was towards efficient replication. Yet even in this incredibly simple
environment, astonishing complexity quickly evolved. In a commen-
tary on this experiment, biologist John Maynard Smith described what
occurred (note that in the quote, a “satellite virus” is a virus that is
completely dependent on its host’s machinery in order to replicate):
The evolutionary behaviour of the system is surprisingly rich. The
first important variants to arise are ‘parasites’, 45 instructions
long, which cannot replicate on their own, but use the copying
procedure of a neighbour: they are an exact analogue of satellite
viruses. Once parasites become common, ‘hosts’ may evolve
immunity; then new types of parasite evolve that are able to
attack the new hosts. Evolutionary arms races of this kind have
often been postulated and occasionally observed. Next there are
‘hyperparasites’ which, by an ingenious trick, persuade the
parasites to replicate them.