Шон Кэрролл - Вселенная

В качестве альтернативы можно воспользоваться эволюционным методом и развивать стратегию путём направленной эволюции. Конкретная стратегия для Робби подобна конкретному списку нуклеотидов в спирали ДНК. Это дискретная строка, несущая информацию. Можно искусственно её развивать: начав с некоторого числа произвольно подобранных стратегий, позволить им поработать некоторое время, а потом выбрать оптимальные. Затем мы делаем по нескольку копий каждой «уцелевшей» стратегии, позволяем этим стратегиям «мутировать», случайным образом изменяя несколько конкретных действий, задаваемых каждой стратегией для того или иного состояния. Можно даже сымитировать половое размножение, разрезая стратегии и складывая новую стратегию из фрагментов двух старых. Процесс напоминает эволюцию. Можно ли подыскать для Робби такие стратегии, которые окажутся лучше «довольно хорошей», разработанной специально?

Да, можно. Эволюция легко даёт более эффективные стратегии, чем замысел. Спустя всего 250 поколений компьютер справлялся с задачей не хуже, чем это позволяла контрольная стратегия, а спустя 1000 поколений результат составил почти 97% оптимума.

После того как генетический алгоритм разовьётся, мы можем отмотать ситуацию назад и рассмотреть её этапы, чтобы понять, как алгоритм стал настолько эффективен. Самая сложная часть такого обратного проектирования всё явственнее переходит в разряд насущных проблем. Многие компьютерные программы работают в соответствии с генетически сформированными алгоритмами, которых, в сущности, не понимает ни один программист, а об этом уже страшно подумать. К счастью, Робби располагает довольно ограниченным числом вариантов, и мы с лёгкостью можем уяснить, что происходит.

Наилучшие стратегии Робби оптимизируют контрольную несколькими умными способами. Рассмотрим ситуацию: Робби стоит в клетке с банкой, а в клетках к востоку и к западу от него тоже лежат банки. Естественно, базовая стратегия требует, чтобы он поднял банку. Однако представьте себе, что будет дальше. Сделав шаг на восток или на запад, Робби, соответственно, потеряет из виду ту банку, которая лежала в противоположном направлении. Генетический алгоритм, хотя и был сформирован на основе только лишь случайной изменчивости и отбора, «догадался об этом» и выработал более выигрышную стратегию. Когда Робби оказывается в середине последовательности из трёх банок, он не берёт ту, что лежит в его клетке, а вместо этого уходит на восток или на запад, пока не достигнет края последовательности банок. Только тогда он подбирает последнюю банку. Затем, что логично, он отправляется обратно по ряду клеток с банками, подбирая банки по пути. Оказывается, этот и другие варианты проектирования гораздо более эффективны, чем «очевидная» контрольная стратегия.

Эволюция не всегда лучше проекта. Всеведущий инженер мог бы всякий раз находить наилучшую стратегию. Но изюминка естественного отбора или в данном случае направленной эволюции заключается в по-настоящему классной поисковой стратегии. Она не обязательно даёт наилучшие решения, но поразительно часто находит очень разумные.

* * *

Как ни шикарно справляется эволюция с прочёсыванием сложного многомерного ландшафта приспособленности, некоторых мест она не найдёт. Допустим, есть местность с очень высокой горой; вокруг неё раскинулась обширная плоская равнина, за которой начинается гряда пологих холмов. Также представим себе популяции, геномы которых расположены в этих холмах. В процессе постепенной изменчивости и естественного отбора виды смогут исследовать гряду холмов и найти там наивысшую точку. Однако, поскольку изменчивость генома в рамках популяции остаётся невелика, все особи не покинут гряду холмов. Никому не придёт в голову пуститься в долгий и сомнительный путь по плоской равнине, чтобы добраться до одиноко стоящего пика. Эволюция не может «мыслить глобально», с учётом всего множества геномов, и искать наилучший вариант; организмы совершенствуются путём случайной изменчивости, которая затем оценивается при размножении — проверяется, какую пользу принесло конкретное изменение на данный момент.

Ландшафт приспособленности с изолированным пиком; найти такой пик путём естественного отбора сложно

Неспособность найти изолированное решение определённой проблемы, присутствующее в длинном списке вариантов, не уникальна для эволюции. Практически любая эффективная поисковая стратегия в той или иной степени отталкивается от структуры списка вариантов — например, от того, что значения близлежащих точек на ландшафте мало отличаются от значения данной точки, — а не сводится к слепому перебору. Однако такая стратегия может пригодиться в качестве эмпирической проверки и помочь определить, является ли естественный отбор верной теорией биологической эволюции. Если бы кому-то удалось показать, что геном того или иного организма обладает высокой приспособленностью в рамках ландшафта, определяемого окружающей средой, но не мог бы достичь такой приспособленности «эволюционным» путём, у нас были бы основания меньше доверять теории Дарвина.

Взяв отдельный геном, как узнать, что он соответствует изолированному «пику» на ландшафте приспособленности? Такие пики существуют почти наверняка, хотя могут встречаться реже, чем кажется на первый взгляд. В двумерном ландшафте отдельно стоящие пики будут встречаться практически неизбежно, но если в рассматриваемом пространстве больше измерений, например 25 000, по одному на каждый человеческий ген, то путей от одного пика к другому может оказаться значительно больше.

Возможный критерий геномов, который не мог сформироваться эволюционным путём, был предложен Майклом Бихи, критикующим теорию естественного отбора и выступающим в пользу теории разумного замысла. Пытаясь показать, что некоторые организмы не могли возникнуть путём обычной дарвиновской эволюции, Бихи выдвинул концепцию «неуменьшаемой сложности». По определению Бихи система, обладающая неуменьшаемой сложностью, — это такая система, функционирование которой зависит от взаимодействия множества элементов, причём каждый элемент необходим, чтобы система продолжала работать. Идея заключается в том, что некоторые системы состоят из столь тесно взаимосвязанных элементов, что не могли возникнуть поступательно; они должны были появиться сразу и целиком. Мы полагаем, что эволюция этого обеспечить не может.

Проблема в том, что неуменьшаемую сложность не так просто измерить. Чтобы проиллюстрировать этот феномен, Бихи приводит пример с обычной мышеловкой. В мышеловке есть пружинный механизм, спусковой рычаг и т. д. Уберите любую деталь, говорит он, и мышеловка станет бесполезной; она могла быть только спроектирована, но не могла образоваться в результате мелких изменений, каждое из которых имело бы какую-то пользу.