1.2 进化的定义与三大前提

1.2 进化的定义与三大前提

本节摘要：现代进化学中，"进化"有一个不容含糊的操作化定义——种群中等位基因频率在世代间的改变。本节把这个定义拆开，逐一检查它隐含的三个前提（变异、遗传、差异繁殖成功），并用一次"无选择条件下的模拟"证明：定义不等于选择，没有选择进化照样可以发生。

为什么必须先钉死定义

日常语言里"进化"混着三层意思：个体变强（进步叙事）、历史展开（宏大叙事）、群体遗传组成改变（科学定义）。只有第三层是可测量、可证伪的。当一位种群遗传学家说"这个群体在进化"，她的意思是：某种等位基因的频率从 0.3 变到了 0.35，且这种改变可复现、可归因。

定义带来一个立刻的反例清单：一只蛾长出更深的颜色，不是进化；一个个体学会新技能，不是进化；只有当群体层面的基因（或可遗传的表型）构成比发生变化，才叫进化。反过来说，只要频率在变，哪怕没有自然选择——比如纯粹靠运气——进化也已经发生了。这一点很多人没意识到，我们用实验证明它。

三大前提逐项检查

1. 变异：群体内个体在可遗传性状上必须存在差异。没有差异，选择无从挑。
2. 遗传：差异的至少一部分要能传给后代。口音差异很大但不可遗传（只可传染）。
3. 差异繁殖成功：不同变异类型留下的后代数目长期不同。这是选择的动力来源。

达尔文版学说还有两条铺垫性前提——繁殖过剩与生存竞争——它们解释的是为什么繁殖成功会有差异。五个条件合起来，自然选择的逻辑就闭合了。

演练一：没有选择，进化照样发生

下面的模拟里，两种等位基因 A 与 a 对生存繁殖完全等价（适合度相同），唯一的机制是"下一代是从上一代里随机抽样出来的"。这就是遗传漂变的最小模型。

import random

def drift(N=20, p0=0.5, gens=60, seed=0):
    """无选择条件下的随机漂变：2N 个等位拷贝每代独立抽样"""
    rng = random.Random(seed)
    p = p0
    for g in range(gens):
        copies = sum(rng.random() < p for _ in range(2 * N))
        p = copies / (2 * N)
        if p in (0.0, 1.0):            # 固定或丢失，进化在此终止
            return g, p
    return gens, p

random.seed(42)
endings = [drift(N=20, seed=s) for s in range(50)]
fixed   = sum(1 for g, p in endings if p == 1.0)
lost    = sum(1 for g, p in endings if p == 0.0)
still   = 50 - fixed - lost
print(f"50 个群体: A 固定 {fixed} 个, A 丢失 {lost} 个, 仍在漂 {still} 个")
avg_g = sum(g for g, p in endings if p in (0.0, 1.0)) / max(fixed + lost, 1)
print(f"平均走到固定或丢失所用世代数: {avg_g:.1f}")
​

跑一下：约一半群体最终 A 固定、一半丢失，少数还在波动。没有任何选择参与，群体却全部"进化"了——频率从 0.5 走到了 0 或 1。种群越小，这种随机固化越快。这正是定义的威力：它不承诺原因，只记录变化；归因是下一步的事（第 4 章专门处理"选择还是漂变"的判别）。

演练二：前提缺失的三个对照

import random

def population_step(pop, w_A=1.0, w_a=1.0, heritable=True):
    """一步世代更替：按适合度加权抽样；heritable=False 模拟不可遗传差异"""
    n = len(pop)
    pool = []
    for g in pop:
        w = w_A if g == "A" else w_a
        if random.random() < w:
            pool.append(g if heritable else random.choice(["A", "a"]))
    return [random.choice(pool) for _ in range(n)] if pool else pop

random.seed(1)
pop = ["A"] * 5 + ["a"] * 45            # A 是有利新突变
for label, kw in [("有选择+可遗传", dict(w_A=1.3, heritable=True)),
                  ("有选择但不可遗传", dict(w_A=1.3, heritable=False)),
                  ("无选择", dict())]:
    p = list(pop)
    for _ in range(30):
        p = population_step(p, **kw)
    print(label, "A 频率 =", p.count("A") / len(p))
​

三个对照的典型结果：只有第一行里 A 的频率显著上升；"有选择但不可遗传"与"无选择"都原地踏步。前提缺一条，进化机器就停摆——这比背诵定义更能让人记住三条前提各自为什么必要。

💡 关键直觉："进化 = 基因频率改变"这个定义故意不含"更好""更复杂"。细菌耐药、侏儒化岛屿象、失去视觉的洞穴鱼都在这个定义下与"进步"无关，只与本地繁殖成功有关。

本节要点回顾

• 进化的操作化定义：种群中等位基因频率的世代间改变，个体不进化
• 三大前提：可遗传的变异 + 差异繁殖成功，缺一则选择失效
• 漂变实验证明：没有选择也能有进化，定义与机制必须分开
• 种群规模是漂变速度的关键参数，第 3 章将给出定量公式

下一节聚焦三大机制中最强有力的一个：自然选择，以及它背后的计数量——适合度。

延伸变式：把定义当工具用的三个练习

练习一：判断下列哪些属于进化——疫苗接种后人群抗体水平上升（不是，体细胞免疫记忆不进生殖系）；一个湖泊的鱼群过网眼尺寸基因频率改变（是）；蝌蚪变青蛙（不是，个体发育程序执行）。做完应能体会到定义的判据只有一条：群体中可遗传构成是否改变。

练习二：把上一节的漂变模拟改成 N=200、p0=0.05，观察"从稀有可能到固定"的概率是否仍等于 0.05。固定概率与初始频率相等是中性情形的最深性质，任何偏离都提示选择在场——这正是后面章节用频率数据反推选择的原理雏形。

练习三：思考为什么"用进废退"直觉如此顽固。因为它混合了两件真事：发育对使用的响应（肌肉变粗，真实但不遗传）与种群对环境的适应（真实且遗传）。把这两层拆开，直觉的吸引力就被拆掉了。