Name: Mô phỏng sự tiến hóa của việc hy sinh vì gia đình (Simulating the Evolution of Sacrificing for Family)
Uploaded: 2025-11-19T02:04:50.000Z
Duration: 20 min 49 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

Video này nói về các gen chơi trò may rủi.

The basic idea of natural selection is that if a gene does an above average job at helping its host creatures survive and reproduce, it'll tend to become more common as creatures compete with each other over the generations.

Ý tưởng cơ bản của chọn lọc tự nhiên là nếu một gen làm tốt hơn mức trung bình trong việc giúp sinh vật chủ của nó sống sót và sinh sản, nó sẽ có xu hướng trở nên phổ biến hơn khi các sinh vật cạnh tranh với nhau qua các thế hệ.

This tendency to survive and reproduce is called fitness, and

Xu hướng sống sót và sinh sản này được gọi là độ thích nghi, và

you'll often hear natural selection summarized as survival of the fittest.

bạn sẽ thường nghe chọn lọc tự nhiên được tóm tắt là sự sống sót của kẻ mạnh nhất.

But one day, a clever, newly mutated gene realized another strategy was possible.

Nhưng một ngày nọ, một gen đột biến mới, thông minh đã nhận ra một chiến lược khác có thể thực hiện được.

If copies of the gene exist in multiple different creatures, the gene can do better by causing the creatures to help each other rather than mercilessly competing with each other.

Nếu các bản sao của gen tồn tại ở nhiều sinh vật khác nhau, gen có thể làm tốt hơn bằng cách khiến các sinh vật giúp đỡ lẫn nhau thay vì cạnh tranh tàn khốc với nhau.

This concept is known as inclusive fitness.

Khái niệm này được gọi là độ thích nghi bao hàm.

The only problem is the copies of a gene are hidden inside the creatures and they can't see each other.

Vấn đề duy nhất là các bản sao của gen được giấu bên trong các sinh vật và chúng không thể nhìn thấy nhau.

So if the copies of the gene want to help each other, they have to gamble, sometimes helping the competing genes by accident.

Vì vậy, nếu các bản sao của gen muốn giúp đỡ lẫn nhau, chúng phải chơi trò may rủi, đôi khi vô tình giúp đỡ các gen cạnh tranh.

So the question is, how can a gene strategize around inclusive fitness without the whole plan backfiring?

Vậy câu hỏi đặt ra là, làm thế nào một gen có thể lập chiến lược xung quanh độ thích nghi bao hàm mà không khiến toàn bộ kế hoạch phản tác dụng?

The condition for making inclusive fitness gambling work is called Hamilton's Rule, and

Điều kiện để trò chơi may rủi về độ thích nghi bao hàm hoạt động được gọi là Quy tắc Hamilton, và

đó là điều chúng ta sẽ xây dựng.

It's a pretty simple looking inequality, and

Đó là một bất đẳng thức trông khá đơn giản, và

if you've learned about Hamilton's rule before, you might be wondering why the heck this video is so long.

nếu bạn đã từng tìm hiểu về Quy tắc Hamilton, bạn có thể tự hỏi tại sao video này lại dài như vậy.

Well, it turns out that the simplicity of Hamilton's rule is a bit deceptive, or at least it deceived me at first.

Chà, hóa ra sự đơn giản của Quy tắc Hamilton có chút đánh lừa, hoặc ít nhất là nó đã đánh lừa tôi lúc đầu.

So this video is going to go slowly, starting with the general requirement for gambling to be beneficial and then applying that idea to simulations of increasingly complex biological systems.

Vì vậy, video này sẽ đi chậm, bắt đầu với yêu cầu chung để trò chơi may rủi có lợi và sau đó áp dụng ý tưởng đó vào các mô phỏng các hệ thống sinh học ngày càng phức tạp.

Khi chúng ta xây dựng, điều gì đó sẽ xảy ra sai.

And when it does, you might not realize it.

Và khi điều đó xảy ra, bạn có thể sẽ không nhận ra.

Bạn có thể bị đánh lừa, giống như tôi đã từng.

It'll get fixed before the end of the video, but

Nó sẽ được khắc phục trước khi kết thúc video, nhưng

consider it a challenge to follow closely enough to see what's going wrong before I tell you about it.

hãy coi đây là một thử thách để theo dõi đủ sát để xem điều gì đang sai trước khi tôi nói cho bạn biết.

Vậy chúng ta hãy bắt đầu bằng một trò chơi.

Sau đó bạn có thể tung xúc xắc.

Nếu ra sáu, bạn thắng bảy đồng xu.

Ngược lại, bạn không nhận được gì.

Let's let this blob play for a bit while we try to predict what will happen.

Hãy để khối này chơi một lúc trong khi chúng ta cố gắng dự đoán điều gì sẽ xảy ra.

Okay, so there are six possible outcomes, and

Được rồi, vậy có sáu kết quả có thể xảy ra, và

we can summarize each with an equation where the payout minus the cost equals the net gain.

chúng ta có thể tóm tắt mỗi kết quả bằng một phương trình trong đó khoản thanh toán trừ đi chi phí bằng lợi nhuận ròng.

If the die lands on a number from 1 to 5, the payout is 0 and the cost is 1, leading to a net gain of negative 1 in each case, or a loss of 1, if you prefer to say it that way.

Nếu xúc xắc rơi vào số từ 1 đến 5, khoản thanh toán là 0 và chi phí là 1, dẫn đến lợi nhuận ròng là âm 1 trong mỗi trường hợp, hoặc lỗ 1, nếu bạn muốn nói theo cách đó.

If the die lands on a six, though, the payout is seven.

Nếu xúc xắc rơi vào số sáu, khoản thanh toán là bảy.

So the net gain for that case is six on a fair die.

Vì vậy, lợi nhuận ròng cho trường hợp đó là sáu trên một con xúc xắc công bằng.

These six possible results are all equally likely.

Sáu kết quả có thể xảy ra này đều có khả năng như nhau.

So we can combine the equations together and divide everything by six to get the average payout cost and net gain.

Vì vậy, chúng ta có thể kết hợp các phương trình lại với nhau và chia mọi thứ cho sáu để nhận được khoản thanh toán, chi phí và lợi nhuận ròng trung bình.

One way to read this equation is to say you have a one in six chance to win the benefit of seven coins.

Một cách để đọc phương trình này là nói rằng bạn có cơ hội 1/6 để giành được lợi ích là bảy đồng xu.

And it costs one coin to play, so you expect to win one sixth of the coin per time you play.

Và chi phí để chơi là một đồng xu, vì vậy bạn kỳ vọng sẽ thắng 1/6 đồng xu mỗi lần chơi.

The coins only come in whole numbers, but the average is a fraction.

Các đồng xu chỉ có số nguyên, nhưng giá trị trung bình là một phân số.

An average predicted result like this has a special name.

Kết quả dự đoán trung bình như thế này có một cái tên đặc biệt.

Nó được gọi là giá trị kỳ vọng.

And since the expected value here is positive, the blob should gain money over time by continuing to play.

Và vì giá trị kỳ vọng ở đây là dương, khối đó sẽ kiếm được tiền theo thời gian bằng cách tiếp tục chơi.

It looks like the blob is actually doing way better than 1/6 of a coin on average.

Trông có vẻ như con blob này thực sự làm tốt hơn 1/6 đồng xu trung bình.

That's good for the blob, but not so good for our prediction.

Điều đó tốt cho con blob, nhưng không tốt lắm cho dự đoán của chúng ta.

It's only been a few rolls, though, so maybe the blob is just getting lucky.

Tuy nhiên, mới chỉ có vài lần tung xúc xắc, nên có lẽ con blob chỉ đang gặp may.

If our prediction is good, it should start to look more accurate with a larger number of rolls.

Nếu dự đoán của chúng ta đúng, nó sẽ bắt đầu chính xác hơn với số lần tung xúc xắc lớn hơn.

So let's enlist some more blobs to see if that happens.

Vì vậy, hãy cho thêm một vài con blob tham gia để xem điều đó có xảy ra không.

Chà, nó bắt đầu khá gần rồi đấy.

It can sometimes take surprisingly long for random events to even out, which is my favorite excuse whenever I'm getting my butt kicked in a board game.

Đôi khi các sự kiện ngẫu nhiên có thể mất một thời gian đáng ngạc nhiên để cân bằng, đó là lời bào chữa yêu thích của tôi mỗi khi tôi thua thảm hại trong một trò chơi cờ bàn.

We can use variables to write this out in a way that will apply to a broader set of situations.

Chúng ta có thể sử dụng các biến để viết điều này theo cách áp dụng cho nhiều tình huống hơn.

The benefit of winning times the probability of winning minus the cost to play is the expected value of a gambling game.

Lợi ích khi thắng nhân với xác suất thắng trừ đi chi phí để chơi là giá trị kỳ vọng của một trò chơi cờ bạc.

If the expected value is positive, it's usually a good idea to gamble.

Nếu giá trị kỳ vọng là dương, thì thường nên đánh bạc.

And when the expected value is negative, like.

Và khi giá trị kỳ vọng âm, giống như.

Like in every single casino game, for example, you should expect to lose money.

Giống như trong mọi trò chơi sòng bạc, ví dụ, bạn nên kỳ vọng sẽ thua tiền.

You might notice that this looks basically the same as Hamilton's rule already.

Bạn có thể nhận thấy điều này về cơ bản giống với Quy tắc Hamilton rồi.

So let's try applying it to a biology simulation to see how it works.

Vậy hãy thử áp dụng nó vào một mô phỏng sinh học để xem nó hoạt động như thế nào.

We'll start with the same basic structure from the video on Green Beard Altruism.

Chúng ta sẽ bắt đầu với cấu trúc cơ bản giống như trong video về Lòng vị tha Râu xanh.

Each day, blobs will go out to the forest to eat some fruit.

Mỗi ngày, các cục sẽ ra rừng ăn trái cây.

Some of the trees have predators in them, though.

Tuy nhiên, một số cây có kẻ săn mồi.

And if the blobs are unlucky enough to visit a tree with a predator in it, they'll think get eaten.

Và nếu các cục đủ không may mắn để ghé thăm một cây có kẻ săn mồi, chúng sẽ bị ăn thịt.

But if they don't get eaten, they'll head to one of the homes and reproduce, creating a puddle of three new identical blobs in their place.

Nhưng nếu chúng không bị ăn thịt, chúng sẽ về nhà và sinh sản, tạo ra một vũng ba cục mới giống hệt tại chỗ của chúng.

And yes, a group of blob siblings is officially called a puddle.

Và vâng, một nhóm anh chị em cục chính thức được gọi là một vũng.

And after the blobs reproduce, the cycle repeats.

Và sau khi các cục sinh sản, chu kỳ lặp lại.

Also, when it's time to go home, there might not be enough homes to go around.

Ngoài ra, khi đến lúc về nhà, có thể sẽ không có đủ nhà cho tất cả.

In which case some randomly determined blobs won't get to go home and reproduce.

Trong trường hợp đó, một số cục được xác định ngẫu nhiên sẽ không được về nhà và sinh sản.

In case you've seen that Greenbeard video, I want to highlight the key difference here.

Nếu bạn đã xem video Greenbeard, tôi muốn nhấn mạnh sự khác biệt chính ở đây.

This time, the siblings always stick together in their puddle when they go out to a tree.

Lần này, các anh chị em cục luôn ở cùng nhau trong vũng của chúng khi đi ra cây.

let's make this a bit bigger and let it run for a while to understand how the simulation works in this baseline case.

hãy làm cho nó lớn hơn một chút và cho nó chạy một lúc để hiểu cách mô phỏng hoạt động trong trường hợp cơ bản này.

Alright, it turns out that the blobs thrive in this environment and the limiting factor ends up being the supply of houses.

Được rồi, hóa ra các cục phát triển mạnh trong môi trường này và yếu tố hạn chế cuối cùng là nguồn cung nhà ở.

The blobs should really figure out a way to build more housing, but

Các cục thực sự nên tìm cách xây thêm nhà, nhưng

comments like that belong in the economic series.

những bình luận như vậy thuộc về loạt phim kinh tế.

Okay, now let's add the ability to be altruistic again.

Được rồi, giờ chúng ta sẽ thêm khả năng vị tha trở lại.

This will be pretty similar to what we saw in the Greenbeard video.

Điều này sẽ khá giống với những gì chúng ta đã thấy trong video Greenbeard.

When the blobs go to a tree with a predator in it, one of them will notice the predator and it'll have two options for how to react.

Khi các cục di chuyển đến một cái cây có kẻ săn mồi bên trong, một trong số chúng sẽ nhận thấy kẻ săn mồi và nó sẽ có hai lựa chọn để phản ứng.

The first option is to just run away, leaving the other blobs to die.

Lựa chọn đầu tiên là bỏ chạy, để mặc những cục khác xúc xắc.

Chúng ta sẽ gọi đây là hành vi hèn nhát.

The second option will be to make a bunch of noise to warn the other blobs, but

Lựa chọn thứ hai sẽ là gây ra nhiều tiếng động để cảnh báo những cục khác, nhưng

in the process attract the predator's attention and end up getting eaten.

trong quá trình đó sẽ thu hút sự chú ý của kẻ săn mồi và cuối cùng bị ăn thịt.

Because these blobs are sacrificing themselves to help others.

Bởi vì những cục này đang hy sinh bản thân để giúp đỡ những cục khác.

Chúng ta sẽ gọi đây là hành vi vị tha.

The behavior will be controlled by a gene which has two versions or alleles.

Hành vi này sẽ được kiểm soát bởi một gen có hai phiên bản hoặc alen.

The cowardly allele will be blue, and the altruism allele will be orange.

Gen lùi bước sẽ có màu xanh, và gen vị tha sẽ có màu cam.

The blobs can't actually see the genes, but

Các cục này thực ra không nhìn thấy gen, nhưng

we're going to use these colors to graph the frequency of each allele over time.

chúng ta sẽ dùng màu sắc này để vẽ biểu đồ tần suất của mỗi gen theo thời gian.

I mention this in basically every video, but I can't say enough how.

Tôi đã đề cập điều này trong hầu hết các video, nhưng tôi không thể nói đủ về việc.

In real life, the cause of behaviors is very complex.

Trong đời thực, nguyên nhân của các hành vi rất phức tạp.

And the genetic part itself is a lot more complicated than this model we're using here, where just one gene controls this one kind of behavior.

Và phần gen đó còn phức tạp hơn nhiều so với mô hình chúng ta đang sử dụng ở đây, nơi chỉ một gen kiểm soát một loại hành vi này.

We're just using a simple model to explore one small piece of the very large picture of behavior.

Chúng ta chỉ đang sử dụng một mô hình đơn giản để khám phá một phần nhỏ của bức tranh lớn về hành vi.

But with that said, let's run this simulation.

Nhưng nói vậy, chúng ta hãy chạy mô phỏng này.

We'll start with equal numbers of each allele.

Chúng ta sẽ bắt đầu với số lượng mỗi gen bằng nhau.

Before we hit go, though, what do you think will happen?

Nhưng trước khi chúng ta bắt đầu, bạn nghĩ điều gì sẽ xảy ra?

Liệu một alen sẽ chiếm ưu thế?

Try using that expected value idea we talked about earlier.

Hãy thử dùng ý tưởng giá trị kỳ vọng mà chúng ta đã nói đến trước đó.

And keep in mind that the puddles stay together when they go to find food.

Và hãy nhớ rằng các vũng nước vẫn ở cùng nhau khi chúng đi kiếm ăn.

This graph shows the frequencies of each allele over time, stacked on top of each other at the beginning it's half and half.

Biểu đồ này cho thấy tần suất của mỗi alen theo thời gian, xếp chồng lên nhau, ban đầu là 50/50.

But over time, the orange altruism allele drove the other allele to extinction.

Nhưng theo thời gian, alen vị tha màu cam đã đẩy alen kia đến tuyệt chủng.

Let's see if we can make sense of why the altruism allele did so well.

Hãy xem liệu chúng ta có thể hiểu tại sao alen vị tha lại hoạt động tốt như vậy không.

Just like before, we'll look at the benefit of the behavior times the probability of getting the benefit, minus the cost of the behavior to get the expected value.

Giống như trước đây, chúng ta sẽ xem xét lợi ích của hành vi nhân với xác suất nhận được lợi ích, trừ đi chi phí của hành vi để có được giá trị kỳ vọng.

But instead of coins, we're worried about copies of the altruism allele.

Nhưng thay vì tiền xu, chúng ta lo lắng về các bản sao của alen vị tha.