Читать книгу Сліпий годинникар. Як еволюція доводить відсутність задуму у Всесвіті - Річард Докінз - Страница 7

Ми вже бачили, що живі організми є надто неймовірними й надто досконало «задуманими», щоб виникнути випадково. Як же тоді вони виникли? Відповідь (дарвінівська) є такою: шляхом поступових, покрокових перетворень із простих начал, з первісних сутностей, достатньо простих, аби виникнути випадково. Кожна наступна зміна в цьому поступовому еволюційному процесі була доволі простою (порівняно з її попередницею), аби виникнути випадково. Але вся послідовність сукупних етапів являє собою аж ніяк не випадковий процес, якщо врахувати складність кінцевого продукту порівняно з відправною точкою. Цей сукупний процес спрямовується невипадковим виживанням. Мета цього розділу – продемонструвати силу такого накопичувального відбору як фундаментально невипадкового процесу.

Прогулюючись укритим галькою пляжем, ви помітите, що камінці розташовані на ньому не абияк. Менші камінці зазвичай можна знайти в окремих зонах уздовж берега, а більші – в інших зонах, чи смугах. Ці камінці розсортовані, впорядковані, відібрані. Якесь плем’я, що живе на узбережжі, могло б дивуватися цим свідченням сортування чи впорядкування у світі й навіть скласти про це міф, можливо приписуючи це явище діям якогось Великого Духа на небі з чистим розумом і відчуттям порядку. Ми ж могли б зверхньо посміятися з цих марновірних уявлень і пояснити, що «чудесне» впорядкування насправді було здійснено сліпими силами фізики, в цьому випадку дією хвиль. Хвилі не мають жодних цілей і намірів, жодного тобі «чистого розуму», та й розуму взагалі. Вони просто енергійно розкидають камінці довкола, а великі та дрібні камінці по-різному відповідають на такі дії, тому й опиняються на різних рівнях пляжу. Трохи порядку виникло з безладу, і жоден розум його не планував.

Хвилі та камінці разом являють собою простий приклад системи, яка автоматично породжує невипадковість. У світі повно таких систем. Найпростіший приклад, що спадає мені на думку, – отвір. Крізь отвір можуть проникнути лише об’єкти, що менші за нього. Це означає, що коли почати з випадкового набору об’єктів над отвором і якась сила труситиме й штурхатиме їх навмання в усі боки, то згодом об’єкти над і під отвором будуть відсортовані невипадковим чином. Простір під отвором матиме тенденцію містити об’єкти, менші за отвір, а простір над ним матиме тенденцію містити об’єкти, більші за нього. Людство, звісно, вже давно використовує цей простий принцип породження невипадковості в корисному пристрої, відомому як сито.

Сонячна система є стабільним упорядкуванням планет, комет і різних уламків, що обертаються по орбітах навколо Сонця, і, можливо, однією з багатьох таких орбітальних систем у Всесвіті. Що ближче той чи інший супутник до свого сонця, то швидше він має рухатись, аби протистояти сонячному тяжінню й залишатися на стабільній орбіті. Для будь-якої конкретної орбіти є лише одна швидкість, з якою супутник може рухатися, залишаючись на ній. Якби він рухався з будь-якою іншою швидкістю, то або вилетів би у глибокий космос, або врізався б у Сонце, або вийшов би на іншу орбіту. І якщо ми подивимося на планети нашої Сонячної системи, то побачимо (о диво!), що всі вони рухаються з відповідною швидкістю, щоб залишатися на своїх стабільних орбітах навколо Сонця. Благословенне диво завбачливого задуму? Ні, просто ще одне природне «сито». Очевидно, що всі планети, які обертаються навколо Сонця, мають рухатися з відповідною швидкістю, щоб залишатися на своїх орбітах, а інакше ми не бачили б їх там, бо їх би там просто не було! Але не менш очевидно, що це не є свідченням на користь свідомого задуму. Це просто ще один різновид сита.

Самого по собі відсіювання такого порядку простоти недостатньо для пояснення великих обсягів невипадкового порядку, які ми бачимо в живих організмів. Явно недостатньо. Згадайте аналогію з кодовим замком велосипеда. Різновид невипадковості, який можна породити простим відсіюванням, є грубим еквівалентом відкривання кодового замка лише з одним диском: його легко відкрити завдяки простій удачі. З іншого боку, різновид невипадковості, який ми спостерігаємо у живих систем, є еквівалентом просто гігантського кодового замка з майже незліченною кількістю дисків. Породження біологічної молекули на кшталт гемоглобіну (червоного пігменту крові) простим відсіюванням було б еквівалентом того, щоб узяти всі амінокислотні складові гемоглобіну, перемішати їх навмання і сподіватися, що його молекула відтворить себе сама завдяки простому збігу. Масштаби удачі, що знадобилася б для цього, є просто неймовірними, тож цей приклад був використаний Айзеком Азімовим та іншими як показова головоломка.

Молекула гемоглобіну складається з чотирьох ланцюжків амінокислот, скручених разом. Розгляньмо лише один із цих чотирьох ланцюжків. Він складається зі 146 амінокислот. Існує 20 різновидів амінокислот, які зазвичай можна знайти в живих організмах. Число можливих способів упорядкування цих 20 різновидів у ланцюжках завдовжки 146 ланок є неймовірно великим; Азімов називає його «гемоглобіновим числом». Розрахувати його легко, але візуалізувати отриману відповідь неможливо. Першою зі 146 ланок у ланцюжку могла би бути будь-яка з 20 можливих амінокислот. Другою ланкою також могла би бути будь-яка з 20, тож число можливих варіантів 2-ланкових ланцюжків становить 20 × 20, тобто 400. Число можливих варіантів 3-ланкових ланцюжків становить 20 × 20 × 20, тобто 8000. Число ж можливих варіантів 146-ланкових ланцюжків дорівнює числу 20, помноженому на себе саме 146 разів. Це приголомшливо велике число. Мільйон – це 1 із 6 нулями. Мільярд (тисяча мільйонів) – це 1 із 9 нулями. Число ж, яке ми шукаємо, – «гемоглобінове число» – це (доволі приблизно) 1 із 190 нулями! Ось яка ймовірність «зліпити» гемоглобін завдяки щасливому збігу. А молекула ж гемоглобіну являє собою лише крихітну частинку складності живого організму. Очевидно, що саме по собі просте відсіювання й близько не здатне породити весь обсяг порядку в живому організмі. Відсіювання є необхідною складовою породження порядку живого, але це далеко не вся історія. Потрібно ще дещо. Аби пояснити цю думку, мені треба буде розмежувати поняття «однокроковий» і «накопичувальний відбір». Усі прості сита, які ми розглядали в цьому розділі, є прикладами однокрокового відбору. Організація ж живого є продуктом відбору накопичувального.

Основна відмінність між однокроковим і накопичувальним відбором така. За однокрокового відбору відібрані чи відсортовані сутності (камінці чи чим там вони є) відсортовуються раз і назавжди. За накопичувального ж відбору вони «відтворюються», тобто результати одного процесу відсіювання якимось чином використовуються в подальшому відсіюванні, яке використовується в… і т. д. Сутності піддаються відбору чи сортуванню багато поколінь поспіль. Кінцевий продукт одного покоління відбору є відправною точкою для наступного, і це повторюється впродовж багатьох поколінь. Цілком природно запозичити такі слова, як «відтворюються» та «поколінь», що асоціюються з живими організмами, бо живі організми є основними прикладами відомих нам об’єктів, що беруть участь у накопичувальному відборі. Фактично вони можуть бути єдиними об’єктами, які це роблять, але наразі я не хотів би порушувати це питання й бути категоричним.

Іноді через випадкове збивання докупи й обрізання вітрами форм знайомих нам об’єктів набувають хмаринки. Нерідко можна побачити фотографію, зроблену пілотом якогось маленького літака, що зображує щось схоже на образ Ісуса, який дивиться з небес. Ми всі бачили хмаринки, які нагадували нам щось – морського коника, скажімо, чи усміхнене обличчя. Ці схожості виникають за рахунок однокрокового відбору, тобто простого збігу. Відповідно, вони не дуже вражають. Схожість знаків зодіаку з тваринами, на честь яких вони названі, – скорпіоном, левом тощо – не вражає, як і передбачення астрологів. Вона не приголомшує нас так, як біологічні адаптації – продукти накопичувального відбору. Як химерну, надприродну чи захопливу ми описуємо схожість, скажімо, паличника з листком чи богомола з рожевим суцвіттям. Схожість же хмаринки з ласкою є лише трохи кумедною, ледь вартою уваги нашого співрозмовника. Більше того, ми доволі легко змінюємо свою думку стосовно того, на що саме ця хмаринка схожа найбільше.

Гамлет. Скажіть, ви бачите он ту хмаринку, що формою нагадує верблюда?

Полоній. Верблюд, і сумнівів не може бути.

Гамлет. Мені здається, схоже це на ласку.

Полоній. Так, мов у ласки, спина в нього, точно.

Гамлет. Чи, може, на кита?

Полоній. Авжеж, подібна дуже.

Не знаю, хто перший зазначив, що, маючи достатньо часу, всі твори Шекспіра могла б написати навіть мавпа, яка навмання тарабанить лапами по друкарській машинці. Ключова фраза тут, звісно, «маючи достатньо часу». Спробуймо дещо звузити завдання, що стоїть перед нашою мавпою. Припустімо, що вона має написати не повне зібрання творів Шекспіра, а лише одне коротке речення «Мені здається, схоже це на ласку» в його англійському варіанті «Methinks it is like a weasel», і ми зробимо це порівняно простою справою, надавши їй друкарську машинку зі скороченою клавіатурою, де є лише 26 (великих) літер і пробіл. Скільки ж часу їй знадобиться, щоб написати це одне коротке речення?

У цьому реченні 28 знаків, тому припустімо, що мавпа робить низку окремих «спроб», кожна з яких складається з 28 ударів по клавіатурі. Якщо вона напише фразу правильно, експеримент закінчиться. Якщо ж ні, ми дозволимо їй іще одну «спробу» з 28 знаків. Знайомої мавпи я не маю, але, на щастя, моя 11-місячна донька є майстром випадкових дій і одразу ж погодилася виступити в ролі мавпочки-машиністки. Ось що вона набрала на комп’ютері:

UMMK JK CDZZ F ZD DSDSKSM

S SS FMCV PU I DDRGLKDXRRDO

RDTE QDWFDVIOY UDSKZWDCCVYT

H CHVY NMGNBAYTDFCCVD D

RCDFYYYRM N DFSKD LD K WDWK

IJKAUIZMZI UXDKIDISFUMDKUDXI

Вона має й інші важливі заняття, які не можна залишити без уваги, тому я був змушений запрограмувати комп’ютер на імітацію випадкового друку дитини чи мавпи:

WDLDMNLT DTJBKWIRZREZLMQCO P

Y YVMQKZPGJXWVHGLAWFVCHQYOPY

MWR SWTNUXMLCDLEUBXTQHNZVJQF

FU OVAODVYKDGXDEKYVMOGGS VT

HZQZDSFZIHIVPHZPETPWVOVPMZGF

GEWRGZRPBCTPGQMCKHFDBGW ZCCF

І т. д. і т. п. Розрахувати, скільки часу треба обґрунтовано чекати, доки комп’ютер (дитина чи мавпа) випадково набере METHINKS IT IS LIKE A WEASEL, нескладно. Уявіть собі загальну кількість можливих фраз відповідної довжини, які мавпа, дитина чи комп’ютер могли б випадково набрати. Це той самий різновид розрахунку, який ми здійснили для гемоглобіну, і дає він так само великий результат. Загалом на першій позиції можуть опинитися 27 літер (якщо рахувати пробіл як літеру). Таким чином, імовірність того, що мавпа раптом правильно поставить першу літеру – M, становить 1 із 27. Імовірність того, що вона правильно надрукує перші дві літери – МЕ, складається з імовірності того, що вона правильно поставить другу літеру – E (1 із 27), за умови, що вона також правильно поставила першу літеру – M, тобто 1/27 × 1/27, що дорівнює 1/729. Імовірність того, що вона правильно набере перше слово – METHINKS, становить 1/27 для кожної з 8 літер цього слова, тобто (1/27) × × (1/27) × (1/27) × (1/27)… і так 8 разів, або (1/27) у 8-му ступені. Імовірність того, що вона правильно поставить усі 28 знаків цієї фрази, становить 1/27 у 28-му ступені, тобто 1/27, помножене саме на себе 28 разів. Це дуже маленькі шанси, приблизно 1 із 10 тисяч мільйонів мільйонів мільйонів мільйонів мільйонів мільйонів. М’яко кажучи, шуканої фрази довелося б чекати доволі довго, не кажучи вже про повне зібрання творів Шекспіра.

Але досить про однокроковий відбір випадкових варіацій. Як щодо накопичувального відбору? Наскільки ефективнішим він міг би бути? Набагато ефективнішим, можливо, більше, ніж ми на початку здатні усвідомити, хоча це майже очевидно, якщо трохи поміркувати. Ми знову використаємо нашу комп’ютерну мавпу, але з важливою відмінністю в її програмі. Як і раніше, вона починає з вибору випадкової послідовності 28 літер:

WDLMNLT DTJBKWIRZREZLMQCO P

Тепер вона «розводить» цю випадкову фразу. Вона відтворює її багато разів, але з певною ймовірністю випадкової помилки – «мутації» – під час копіювання. Комп’ютер вивчає беззмістовні мутантні фрази, «потомство» першої, й обирає одну, що хоч трохи більше нагадує потрібну нам: METHINKS IT IS LIKE A WEASEL. У цьому випадку «переможницею» в наступному «поколінні» стане така фраза:

WDLTMNLT DTJBSWIRZREZLMQCO P

Покращення не очевидне! Але процедура повторюється, мутантне «потомство» знову «розводиться» з цієї фрази, і відбирається новий «переможець». Це триває покоління за поколінням. Після 10 поколінь відібрана для «розведення» фраза матиме вже такий вигляд:

MDLDMNLS ITJISWHRZREZ MECS P

Після 20 поколінь вона буде такою:

MELDINLS IT ISWPRKE Z WECSEL

На цей момент на незаангажований погляд починає здаватися, що тут можна побачити схожість із цільовою фразою. До 30 поколінь у цьому не залишається жодних сумнівів:

METHINGS IT ISWLIKE B WECSEL

40-ве покоління підводить нас до мети на відстань лише однієї літери:

METHINKS IT IS LIKE I WEASEL

А в 43-му поколінні мета нарешті досягнута.

Другий прогін комп’ютера почався з фрази:

Y YVMQKZPFJXWVHGLAWFVCHQXYOPY,

пройшов крізь (знову згадуючи лише кожне десяте покоління):

Y YVMQKSPFTXW SHLIKEFV HQYSPY

YETHINKSPITXISHLIKEFA WQYSEY

METHINKS IT ISSLIKE A WEFSEY

METHINKS IT ISBLIKE A WEASES

METHINKS IT ISJLIKE A WEASEO

METHINKS IT IS LIKE A WEASEP

і досягнув шуканої фрази у 64-му поколінні.

У третьому прогоні комп’ютер стартував з

GEWRGZRPBCTPGQMCKHFDBGW ZCCF

і прийшов до METHINKS IT IS LIKE A WEASEL за 41 покоління вибіркового «розведення».

Точний час, який знадобився комп’ютеру для досягнення мети, не має значення. Якщо хочете знати, то вперше він виконав для мене всю роботу, поки я ходив обідати. Це зайняло приблизно півгодини. (Комп’ютерні ентузіасти можуть подумати, що це надто повільно. Причина в тому, що програму було написано бейсиком – такою собі «мовою немовлят» для комп’ютерів. Коли ж я переписав її паскалем, час виконання склав лише 11 секунд.) Комп’ютери в таких справах трохи швидші за мавп, але насправді розбіжність тут не важлива. Значення має лише розбіжність між часом, потрібним для здійснення накопичувального відбору, і часом, що знадобився б тому самому комп’ютеру в разі роботи на повну потужність із такою самою частотою для отримання цільової фрази, якби його змусили використовувати іншу процедуру, однокроковий відбір, – приблизно мільйон мільйонів мільйонів мільйонів мільйонів років. Це більше ніж у мільйон мільйонів мільйонів разів довше за нинішній час існування Всесвіту. По суті, було б справедливіше просто сказати, що порівняно з часом, який знадобився б мавпі або випадково запрограмованому комп’ютеру, щоб набрати нашу цільову фразу, нинішній загальний вік Усесвіту є мізерно малою величиною, достатньо малою, щоб цілком уміститися в межах похибки для таких приблизних розрахунків. Тоді як час, потрібний комп’ютеру, що працює над виконанням того самого завдання випадково, але з обмеженням накопичувального відбору, буде величиною, звичною для людського розуміння, – між 11 секундами і тривалістю обіду.

Виходить, що між накопичувальним (у якому кожне покращення, навіть незначне, використовується як основа для майбутньої побудови) і однокроковим (у якому кожна нова «спроба» робиться заново) відбором існує велика відмінність. Якби еволюційний прогрес мав покладатися на однокроковий відбір, то він ніколи ні до чого не прийшов би. Однак якби для сліпих сил природи існував якийсь спосіб створити необхідні умови для накопичувального відбору, наслідки були б дивними й дивовижними. Власне кажучи, саме це й сталося на нашій планеті, і ми самі є одними з найнедавніших, якщо не найдивніших і найдивовижніших, із цих наслідків.

Вражає те, що розрахунки на кшталт наведених для «гемоглобінового числа» все ще наводять як аргументи проти теорії Дарвіна. Люди, які це пишуть, часто є експертами у своїй галузі (астрономії чи будь-якій іншій) і, схоже, щиро вірять, що дарвінізм пояснює організацію живого з погляду самого лише випадку – «однокрокового відбору». Насправді ж віра в те, що дарвінівська еволюція є «випадковою», не просто хибна. Вона прямо протилежна істині. Випадок – лише незначний інгредієнт у дарвінівському рецепті, тоді як найважливішим у ньому є накопичувальний відбір, за своєю суттю невипадковий.

Хмаринки не здатні брати участь у накопичувальному відборі. Не існує жодного механізму, за допомогою якого хмаринки конкретних обрисів могли б породжувати дочірні хмаринки, схожі на них самих. Якби такий механізм існував, якби хмаринка, що нагадує ласку або верблюда, могла давати початок роду інших хмаринок приблизно такої самої форми, отоді накопичувальний відбір мав би можливість початися. Звісно, іноді хмаринки розриваються й утворюють «дочірні» хмаринки, але для накопичувального відбору цього недостатньо. Необхідно також, аби «потомство» будь-якої конкретної хмаринки нагадувало свого найближчого «предка» більше, ніж вона нагадує будь-якого більш давнього «предка» в «популяції». Цього надзвичайно важливого моменту явно не розуміють деякі філософи, що в останні роки цікавилися теорією природного відбору. Крім того, необхідно, щоб імовірність виживання та породження копій конкретної хмаринки залежала від її форми. Можливо, в якійсь далекій галактиці ці умови таки склалися, результатом чого, якщо минуло достатньо мільйонів років, стала якась ефемерна, невловна форма життя. З цього міг би вийти непоганий науково-фантастичний роман (його можна було б назвати «Біла хмаринка), але для наших цілей наочнішою є комп’ютерна модель типу мавпи, що друкує твори Шекспіра.

Утім, хоча модель мавпи, що друкує Шекспіра, й корисна для пояснення відмінності між однокроковим і накопичувальним відбором, вона збиває з пантелику у важливих моментах. Одним із них є те, що в кожному поколінні вибіркового «розведення» фрази мутантного «потомства» оцінювалися за критерієм схожості з далекою ідеальною метою, як-от фраза METHINKS IT IS LIKE A WEASEL. Життя ж не таке. Еволюція не має якоїсь довгострокової мети. Хоча людське марнославство й плекає абсурдну ідею, що наш вид є кінцевою метою еволюції, не існує жодної віддаленої мети, як і остаточної довершеності, яка могли б слугувати критерієм відбору. У реальному житті критерій відбору завжди короткостроковий: або виживання, або, у більш загальному плані, репродуктивний успіх. Якщо через мільярди років досягається те, що, з огляду на минуле, наводить на думку про просування до якоїсь далекої мети, це завжди є випадковим наслідком багатьох поколінь короткострокового відбору. «Годинникар» – накопичувальний природний відбір – не бачить майбутнього й не має жодної довгострокової мети.

Ми можемо змінити нашу комп’ютерну модель, аби врахувати цей момент. Ми можемо також зробити її реалістичнішою в інших аспектах. Літери й слова є суто людськими проявами, тож хай краще комп’ютер малює картинки. Можливо, ми навіть побачимо схожі на тварин обриси, що виникають на екрані внаслідок накопичувального відбору мутантних форм. Ми не будемо задавати чіткий курс, уводячи для початку якісь конкретні зображення тварин. Нам потрібно, щоб вони виникли самі унаслідок накопичувального відбору випадкових мутацій.

У реальному житті форма кожної окремої тварини є продуктом ембріонального розвитку. Еволюція відбувається тому, що в кожному наступному поколінні виникають порівняно з попереднім невеличкі відмінності ембріонального розвитку. Ці відмінності виникають через зміни генів, що контролюють розвиток (мутації – той самий невеличкий елемент випадковості у процесі, про який я говорив). Отже, у нашій комп’ютерній моделі мають бути якісь еквіваленти ембріонального розвитку та генів, що здатні мутувати. Існує багато способів створити комп’ютерну модель, що відповідає цим умовам. Я обрав один і написав програму, що його втілює. Зараз я опишу цю комп’ютерну модель, бо вважаю її показовою. Якщо ви не знаєтеся на комп’ютерах, просто запам’ятайте, що вони є машинами, які роблять точнісінько те, що ви їм кажете, але часто врешті-решт дивують вас. Перелік інструкцій для комп’ютера називається програмою.

Ембріональний розвиток є занадто складним процесом, аби реалістично змоделювати його на малопотужному комп’ютері. Доведеться представити його у вигляді якогось спрощеного аналога. Треба знайти просте правило малювання картинок, якого комп’ютер може легко дотримуватись і яке потім можна було би змусити змінюватися під впливом «генів». Яке ж правило малювання нам обрати? Підручники інформатики часто ілюструють силу того, що вони називають «рекурсивним» програмуванням, на прикладі простої процедури росту дерева. Для початку комп’ютер малює одну-єдину вертикальну лінію. Потім ця лінія розгалужується на дві. Далі кожна з нових гілок також поділяється на дві гілочки. Наступним кроком кожна з цих гілочок поділяється на гілочки меншого порядку, і т. д. «Рекурсивним» це називається тому, що однакове правило (в наведеному випадку правило розгалуження) застосовується в межах усього дерева, що росте. І хоч яким би великим виросло дерево, те саме правило розгалуження продовжує застосовуватися на кінчиках усіх його гілочок.

Під «глибиною» рекурсії розуміють кількість гілочок дедалі меншого порядку, яким дозволяється вирости, поки процес не буде завершено. Рисунок 2 показує, що відбувається, коли ви наказуєте комп’ютеру дотримуватись однакового правила малювання, але продовжувати до різних глибин рекурсії. За високих рівнів рекурсії схема стає доволі складною, але на рисунку 2 можна легко побачити, що вона все одно є продуктом того самого дуже простого правила розгалуження. Саме так усе відбувається з реальним деревом. Схема розгалуження дуба чи яблуні видається складною, але насправді такою не є. Базове правило розгалуження дуже просте. Тільки тому, що воно застосовується рекурсивно на кінчиках гілочок на всьому дереві (гілки утворюють гілочки наступного порядку), воно й стає великим і розлогим.

Рекурсивне розгалуження є також влучною метафорою ембріонального розвитку рослин і тварин загалом. Я не маю на увазі, що ембріони тварин схожі на дерева, які розгалужуються. Вони не схожі. Але всі ембріони ростуть шляхом поділу клітин. Клітини завжди розділяються на дві дочірні. І гени завжди виявляють свої остаточні впливи на організм за допомогою локальних впливів на клітини та двосторонні схеми розгалуження їхнього поділу. Гени тварин геть не є якимось великим задумом, кресленням для всього організму. Як ми побачимо нижче, вони більше подібні до рецепта, ніж до креслення, причому такого рецепта, якого дотримується не ембріон, що розвивається, загалом, а кожна клітина чи кожен локальний кластер клітин, що діляться. Я не заперечую того, що ембріон, як і дорослий організм згодом, має великомасштабну форму. Але ця великомасштабна форма виникає внаслідок багатьох дрібних локальних клітинних впливів у всьому організмі, що розвивається, і ці локальні впливи складаються насамперед із двосторонніх розгалужень у вигляді поділів клітин. Саме впливаючи на ці локальні події, гени врешті-решт впливають на дорослий організм.

Отже, просте правило розгалуження для малювання дерев схоже на багатообіцяльний аналог ембріонального розвитку. Відповідно, ми оформимо його в невеличку комп’ютерну процедуру, назвемо її РОЗВИТОК і приготуємося ввести її в більшу програму під назвою ЕВОЛЮЦІЯ. І як перший крок до написання цієї більшої програми ми тепер звернемо увагу на гени. Як нам представити «гени» в нашій комп’ютерній моделі? У реальному житті гени роблять дві речі. Вони впливають на розвиток, і вони передаються майбутнім поколінням. Справжні тварини й рослини мають десятки тисяч генів, але ми скромно обмежимо нашу комп’ютерну модель дев’ятьма. Кожен із цих дев’яти генів буде представлений у комп’ютері певною цифрою, яка називатиметься його цінністю. Цінність конкретного гена може становити, скажімо, 4 чи –7.

Рис. 2

Як же ці гени впливатимуть на розвиток? Загалом вони можуть робити багато чого. Основна ж ідея полягає в тому, щоб вони справляли на правило малювання якийсь незначний кількісний вплив, який і є РОЗВИТКОМ. Наприклад, один ген міг би впливати на кут розгалуження, інший – на довжину якоїсь конкретної гілочки. Іншою очевидною річчю, яку міг би робити ген, є вплив на глибину рекурсії, кількість послідовних розгалужень. Відповідальним за такий вплив я зробив ген 9. Отже, рисунок 2 можна вважати ілюстрацією семи споріднених організмів, ідентичних один одному в усьому, крім гена 9. Я не пояснюватиму детально, що робить кожен з інших восьми генів. Загальне уявлення про напрями їхньої діяльності можна отримати, вивчаючи рисунок 3. У центрі зображення розташоване базове дерево, одне з тих, що зображені на рисунку 2. Навколо цього центрального дерева розташовані вісім інших. Усі вони є такими самими, як і центральне, за винятком того, що один ген (свій у кожного з восьми) був змінений – «мутував». Наприклад, зображення праворуч від центрального дерева показує, що відбувається, коли ген 5 мутує шляхом додавання до його цінності +1. Якби на сторінці було більше місця, я надрукував би навколо центрального дерева кільце з 18 мутантів. Чому саме з 18? Причина полягає в тому, що там є дев’ять генів і кожен може мутувати в напрямку підвищення (до його цінності додається 1) або зниження (від його цінності віднімається 1). Тож кільця з 18 дерев було б достатньо для відображення всіх можливих однокрокових мутантів, яких можна вивести з одного центрального дерева.

Рис. 3

Кожне з цих дерев має свою власну, унікальну «генетичну формулу» – числові значення його дев’яти генів. Я не виписував ці формули тут, бо самі по собі вони вам нічого не скажуть. Для реальних генів це теж справедливо. Щось «говорити» гени починають, лише коли перетворюються (шляхом синтезу білків) на правила зростання для ембріона, що розвивається. Та й у комп’ютерній моделі так само: числові значення дев’яти генів говорять щось, лише коли перетворюються на правила росту для схеми розгалуження дерева. Але отримати уявлення про діяльність кожного гена можна, порівнюючи два організми, відомі своєю відмінністю щодо певного гена. Порівняйте, наприклад, базове дерево в центрі зображення з двома деревами обабіч, і ви матимете певне уявлення про діяльність гена 5.

Саме цим і займаються, зокрема, генетики в реальному житті. Як правило, вони не знають, як гени проявляють свій вплив на ембріон. Не знають вони й повної генетичної формули будь-якої тварини. Однак порівнюючи тіла двох дорослих тварин, відомих своєю відмінністю за одним-єдиним геном, вони можуть побачити, у чому полягає вплив цього одного-єдиного гена. Насправді все складніше, бо впливи генів взаємодіють складнішими способами, ніж просте додавання. Те саме справедливо й для комп’ютерних дерев. Навіть дуже, як покажуть наступні рисунки.

Ви побачите, що всі форми є симетричними в проекції ліворуч/праворуч. Це обмеження, яке я наклав на процедуру РОЗВИТКУ. Я зробив це почасти з естетичних міркувань, почасти щоб зекономити на кількості (якби гени не проявляли впливи на дві сторони дерева у дзеркальному відображенні, нам знадобилися б окремі гени для лівого й правого боків), а почасти – сподіваючись отримати форми, схожі на тварин (а тіла більшості з них є доволі симетричними). З тієї самої причини відтепер я називатиму ці створіння не «деревами», а «тілами» чи «біоморфами». Біоморфи – це назва, вигадана Десмондом Моррісом для розпливчасто тваринних форм на його сюрреалістичних картинах. Ці картини посідають особливе місце серед моїх уподобань, бо одна з них була відтворена на обкладинці моєї першої книжки. Морріс стверджує, що біоморфи «еволюціонують» у його свідомості та що їхню еволюцію можна простежити в його роботах.

Повернімося до комп’ютерних біоморфів і кільця з 18 можливих мутантів, вісім представників якого зображені на рисунку 3. Оскільки кожен із них перебуває лише в одному мутаційному кроці від центрального біоморфа, нам буде легко уявити їх дітьми цього центрального предка. Ми маємо свій аналог РОЗМНОЖЕННЯ, який, подібно до РОЗВИТКУ, можна оформити в іншу невеличку комп’ютерну програму, готову для введення в нашу велику програму під назвою ЕВОЛЮЦІЯ. Говорячи про РОЗМНОЖЕННЯ, слід звернути увагу на два моменти. По-перше, поняття статі тут не відіграє жодної ролі – розмноження є безстатевим. Тому я уявляю біоморфів самицями, бо безстатеві тварини на кшталт попелиць майже завжди є самицями за своєю основною формою. По-друге, всі мої мутації обмежені тим, що відбуваються по одній за раз. Дитя відрізняється від своєї матері лише за одним із дев’яти генів. Більше того, кожна мутація додає або віднімає 1 до/від значення відповідного материнського гена. Усе це лише довільні умови, вони могли би бути іншими, але все одно залишалися б біологічно реалістичними.

Того самого не можна сказати про таку особливість моделі, що втілює фундаментальний принцип біології. Форма кожної дитини не походить напряму від форми матері. Кожна дитина отримує свою форму від значень її власних дев’яти генів (що впливають на кути, довжини і т. ін.). При цьому кожна дитина отримує свої дев’ять генів від дев’яти генів своєї матері. Саме так відбувається в реальному житті. Через покоління передаються не тіла, а лише гени. Гени впливають на ембріональний розвиток тіла, в якому вони сидять. Потім ті самі гени або передаються наступному поколінню, або ні. Участь у розвитку тіла не впливає на природу цих генів, але успіх тіла, яке вони допомогли створити, може впливати на ймовірність передавання їх далі. Ось чому для комп’ютерної моделі важливо, що дві процедури – РОЗВИТОК і РОЗМНОЖЕННЯ – прописані окремо, як два герметичні відсіки. Вони герметичні, за винятком того, що РОЗМНОЖЕННЯ передає значення генів до РОЗВИТКУ, де вони впливають на правила росту. РОЗВИТОК у жодному разі не передає значення генів назад, до РОЗМНОЖЕННЯ, – це було б рівноцінно ламаркізму (див. розділ 11).

Отже, ми зібрали два наші програмні модулі, позначені як РОЗВИТОК і РОЗМНОЖЕННЯ. РОЗМНОЖЕННЯ передає гени наступним поколінням із можливістю мутації. РОЗВИТОК бере гени, надані РОЗМНОЖЕННЯМ у будь-якому конкретному поколінні, й переводить ці гени у процес малювання, тобто в зображення якогось тіла на екрані комп’ютера. Настав час звести обидва модулі разом, у велику програму під назвою ЕВОЛЮЦІЯ.

По суті, ЕВОЛЮЦІЯ складається з нескінченного повторення РОЗМНОЖЕННЯ. У кожному поколінні РОЗМНОЖЕННЯ бере гени, надані йому попереднім поколінням, і передає їх наступному, але з незначними випадковими помилками – мутаціями. Мутація полягає лише в додаванні до значення випадково обраного гена +1 чи –1. Це означає, що зі зміною поколінь загальний обсяг генетичної відмінності від вихідного предка може стати дуже великим, накопичившись по одному маленькому кроку за раз. Хоча мутації є випадковими, накопичувальна зміна впродовж поколінь не випадкова. У будь-якому поколінні потомство відрізняється від свого предка у випадкових напрямках. Але вибір потомства для просування в наступне покоління не є випадковим. Саме тут на сцені з’являється дарвінівський відбір. Критерієм відбору є не самі гени, а тіла, на форму яких вони впливають у процесі РОЗВИТКУ.

На додачу до РОЗМНОЖЕННЯ гени в кожному поколінні зазнають також РОЗВИТКУ, який вирощує відповідне тіло на екрані, дотримуючись своїх власних чітко встановлених правил. У кожному поколінні відображається весь «виводок» «дитинчат» (тобто особин наступного покоління). Усі ці дитинчата є мутантними нащадками одного предка, і кожен із них відрізняється від нього якимось одним геном. Така висока частота мутацій є явно не біологічною рисою комп’ютерної моделі. У реальному житті ймовірність того, що ген мутує, часто становить менше одиниці на мільйон. Причина ж вбудовування в модель високої частоти мутацій полягає в тому, що дійство на екрані комп’ютера призначене для людських очей, а люди не мають терпіння чекати однієї мутації мільйон поколінь!

Людському оку взагалі відведена в цій історії активна роль. Воно є чинником відбору. Воно вивчає всіх нащадків у виводку й обирає одного для розведення. Після цього відібраний стає предком наступного покоління, і на екрані одночасно відображається виводок уже його мутантних дитинчат. Людське око тут робить достоту те саме, що й під час розведення породистих собак чи преміальних троянд. Іншими словами, наша модель є, строго кажучи, моделлю штучного, а не природного відбору. Критерієм «успіху» є не безпосередній критерій виживання, як у справжньому природному відборі. За справжнього природного відбору, якщо якийсь організм має все необхідне для виживання, його гени виживають автоматично, бо вони сидять у нього всередині. Тому генами, що виживають, зазвичай автоматично стають ті, які надають організмові якості, що допомагають йому вижити. У комп’ютерній же моделі критерієм відбору є не виживання, а здатність задовольнити людську примху. Не обов’язково необґрунтовану, випадкову примху, бо ми можемо прийняти рішення послідовно відбирати об’єкти за якоюсь якістю на кшталт «схожості з плакучою вербою». Проте зі свого досвіду можу сказати, що людина-відбірник нерідко є вибагливою й непостійною. Чим теж не надто відрізняється від певних типів природного відбору.

Людина наказує комп’ютеру, кого саме з нинішнього виводка нащадків розводити. Гени відібраного передаються в РОЗМНОЖЕННЯ, і починається нове покоління. Подібно до еволюції в реальному житті, цей процес триває нескінченно. Кожне покоління біоморфів відділяє від його попередника та наступника лише один-єдиний мутаційний крок. Але після 100 поколінь ЕВОЛЮЦІЇ біоморфів можуть відділяти від їхнього вихідного предка цілих 100 мутаційних кроків. А за 100 мутаційних кроків може багато чого статися.

Коли я вперше почав гратися зі своєю свіжонаписаною програмою ЕВОЛЮЦІЯ, то й гадки не мав, наскільки багато. Найбільше мене здивувало те, що біоморфи можуть доволі швидко перестати бути схожими на дерева. Базова двостороння схема розгалуження завжди на місці, але вона швидко зникає з очей у міру того, як лінії знову й знову перетинають одна одну, утворюючи суцільні масиви кольору (у друці чорно-білі). На рисунку 4 показана одна конкретна еволюційна історія, що складається не більш ніж із 29 поколінь. Предком тут є крихітне створіння, одна-єдина крапка. Однак хоча організмом-предком є крапка на кшталт бактерії в первісному слизі, в ньому прихований потенціал для розгалуження точно за схемою центрального дерева на рисунку 3: просто його ген 9 наказав йому розгалузитися нуль разів! Усі створіння, зображені на цій сторінці, походять від цієї крапки, але щоб не перевантажувати сторінку, я не роздруковував усе потомство, яке насправді побачив. Я роздрукував лише успішне дитинча з кожного покоління (тобто предка наступного покоління) та одну чи двох його неуспішних сестер. Отже, на рисунку відображено переважно лише одну, головну, лінію еволюції, керованої моїм естетичним відбором. Показано всі стадії цієї головної лінії.

Розгляньмо коротко перші кілька поколінь головної лінії еволюції на рисунку 4. У 2-му поколінні крапка набуває форми Y. У наступних двох поколіннях Y стає більшим. Потім гілки злегка загинаються всередину, неначе в доброї рогатки. У 7-му поколінні вигин посилюється так, що дві гілки майже з’єднуються. У 8-му вигнуті гілки збільшуються й кожна з них набуває по парі невеличких відростків. У 9-му поколінні ці відростки втрачаються знову, а руків’я рогатки стає довшим. 10-те покоління нагадує квітку в розрізі – вигнуті бокові гілочки схожі на пелюстки, що оточують центральний відросток-рильце. В 11-му поколінні «квітка» тієї самої форми стає більшою і трохи складнішою.

Я не продовжуватиму цей опис. Упродовж усіх 29 поколінь картина говорить сама за себе. Зверніть увагу на те, що кожне покоління лише трохи відрізняється від своїх матерів і сестер. Оскільки кожне з них трохи відрізняється від матері, залишається лише очікувати, що всі вони будуть трохи більше відрізнятися від своїх бабусь (і онучок) і ще більше від прабабусь (і правнучок). Ось у чому полягає суть накопичувальної еволюції, хоча завдяки високій частоті мутацій ми й розігнали її до просто нереальних швидкостей. Через це рисунок 4 схожий більше на генеалогію видів, аніж окремих особин, але принцип залишається той самий.

Рис. 4

Коли я писав цю програму, то й помислити не міг, що вона еволюціонує у щось більше, ніж розмаїття деревоподібних форм. Я сподівався отримати плакучі верби, ліванські кедри, ломбардські тополі, морські водорості, можливо, оленячі роги. Ніщо з моєї інтуїції біолога, ніщо з мого 20-річного досвіду програмування й ніщо з моїх найбожевільніших мрій не підготувало мене до того, що зрештою з’явилося на екрані. Не можу пригадати точно, коли саме до мене вперше почало доходити, що з цієї послідовності може виникнути щось схоже на комаху. Охоплений же цим божевільним здогадом, я почав розводити, покоління за поколінням, дитинчат, що найбільше нагадували комах. І що більше проявлялася схожість, то менше я вірив своїм очам. Кінцеві результати ви бачите внизу рисунка 4. Щоправда, вони мають вісім ніг, як у павука, а не шість, як у комахи, та нехай! Я все одно не можу приховати від вас свою радість у той момент, коли вперше побачив ці витончені створіння, що виникли на моїх очах. Я виразно почув у своїй голові тріумфальні вступні акорди симфонічної поеми «Так говорив Заратустра» (тема з фільму «Космічна одіссея 2001 року»). Я й думати забув про їжу, а вночі «мої» комахи роїлися в мене перед очима, не даючи заснути.

На ринку представлені комп’ютерні ігри, в яких у гравця створюється враження, що він блукає підземним лабіринтом, який має певну складну географію і в якому він стикається з драконами, мінотаврами чи іншими міфічними супротивниками. У цих іграх кількість монстрів доволі невелика, і всі вони задумані програмістом-людиною, як і географія лабіринту. В еволюційній же грі, комп’ютерна це версія чи реальне життя, гравець (спостерігач) має таке саме відчуття метафоричного блукання лабіринтом розгалужених коридорів, але кількість можливих шляхів є майже нескінченною, а монстри, з якими він стикається, ненавмисними й непередбачуваними. У своїх блуканнях закапелками Землі біоморфів я бачив зяброногих рачків, ацтецькі храми, вікна готичних церков, намальованих аборигенами кенгуру, а в одному пам’ятному, але невідтворюваному випадку – непогану карикатуру на оксфордського професора логіки. На рисунку 5 представлена ще одна невеличка добірка моїх трофеїв, отриманих таким самим шляхом. Хочу наголосити, що ці форми не є враженнями художника. Вони ніколи жодним чином не дороблялись і не підправлялись. Вони є точнісінько такими, як їх намалював комп’ютер, коли вони виникли всередині нього. Роль людського ока зводилася до відбору серед випадково мутованого потомства впродовж багатьох поколінь накопичувальної еволюції.

Тепер ми маємо значно реалістичнішу модель еволюції, ніж дала нам мавпа, що друкує Шекспіра. Але й біоморфна модель усе ще недосконала. Вона показує нам здатність накопичувального відбору породжувати майже безкінечне розмаїття квазібіологічних форм, але використовує штучний відбір, а не природний. Відбір здійснює людське око. А чи можна позбутися людського ока і змусити комп’ютер самотужки проводити відбір на основі якогось біологічно реалістичного критерію? Це складніше, ніж може здатися, і поясненню цього варто приділити трохи часу.

Рис. 5

Простіше простого відбирати конкретну генетичну формулу, якщо маєш змогу читати гени всіх тварин. Але природний відбір не обирає гени безпосередньо, він обирає впливи, які ці гени мають на тіла, що називаються фенотиповими ефектами. Як показують численні породи собак, корів і голубів, а також (з вашого дозволу) рисунок 5, людське око добре вміє обирати фенотипові ефекти. Щоб змусити комп’ютер обирати фенотипові ефекти безпосередньо, нам довелося б написати дуже складну програму розпізнавання образів. Такі програми існують. Вони використовуються для зчитування друкованих і навіть рукописних текстів. Але це складні сучасні програми, що потребують дуже великих і швидких комп’ютерів. Навіть якби така програма розпізнавання образів не виходила за межі моїх здібностей як програміста та можливостей мого маленького 64-кілобайтного комп’ютера, я би за неї не взявся. Це завдання легше виконати людським оком у поєднанні з (що важливіше) 10-гіганейронним комп’ютером усередині черепа.

Було б не надто складно змусити комп’ютер проводити відбір за розпливчастими загальними рисами, такими як, скажімо, «високий і тонкий», «низький і широкий», «вигнутий», «кутастий», – та хоч із прикрасами в стилі рококо. Можна було б запрограмувати комп’ютер запам’ятовувати типи якостей, яким люди віддали перевагу в минулому, і весь час відбирати той самий загальний тип у майбутньому. Але це геть не наближає нас до імітації природного відбору. Важливим моментом є те, що природа не потребує для здійснення відбору обчислювальних потужностей, окрім як в особливих випадках, таких як вибір павичів павами. У природі чинник відбору зазвичай прямий, нічим не прикрашений і простий. Це сама смерть із косою. Звісно, причини виживання геть не прості, саме тому природний відбір може створювати тварин і рослини такої величезної складності. Але в смерті як такій є щось дуже грубе й примітивне. І невипадкової смерті в природі цілком достатньо для відбору фенотипів, а отже, й генів, які вони містять.

Для імітації природного відбору в комп’ютері у спосіб, що нас цікавить, треба забути про прикраси в стилі рококо та всі інші видимі оку якості. Замість цього слід зосередитися на імітації невипадкової смерті. Біоморфи в комп’ютері мають взаємодіяти з імітацією ворожого навколишнього середовища. Виживуть вони в цьому середовищі чи ні, має визначатись якоюсь особливістю їхньої форми. В ідеалі вороже навколишнє середовище має охоплювати інші біоморфи, що еволюціонують, – «хижаків», «здобич», «паразитів», «конкурентів». Специфічна форма біоморфа-здобичі має визначати його вразливість до вловлення, наприклад, специфічною формою біоморфа-хижака. Такі критерії вразливості не має задавати програміст. Вони мають виникати, так само, як виникли самі ці форми. Отоді у комп’ютері справді розпочалася б еволюція, бо склалися б умови для самопідкріплюваної «гонитви озброєнь» (див. розділ 7), і я не візьму на себе сміливість робити припущення стосовно того, чим усе це закінчилося б. На жаль, боюся, що створення такого несправжнього світу виходить за межі моїх можливостей як програміста.

Якщо і є хтось достатньо розумний для такої роботи, то це програмісти, що розробляють ці галасливі й вульгарні аркадні ігри – похідні «Космічних загарбників». У цих програмах якраз імітується несправжній світ. Він має власну географію, часто в трьох вимірах, а також швидкозмінний вимір часу. Персонажі зближуються в імітованому тривимірному просторі, вступають у суперечки, стріляють один в одного, ковтають один одного, здіймаючи жахливий галас. Така імітація може бути настільки доброю, що гравець, який тримає джойстик, перебуває в цілковитій ілюзії, що він сам є частиною цього несправжнього світу. Вершиною такого типу програмування, на мою думку, є спеціальні камери для тренування пілотів літаків і космічних кораблів. Але навіть ці програми є дрібницею порівняно з тією, яку треба було б написати для імітації «гонитви озброєнь» між хижаками й здобиччю, що є складовими повноцінної імітаційної екосистеми. Однак це, безумовно, можна зробити. Якщо якийсь професійний програміст готовий до спільної праці над таким завданням, я буду радий поспілкуватися з ним чи з нею.

Тим часом є дещо інше, значно легше, що я маю намір випробувати, коли настане літо. Я поставлю комп’ютер у якомусь тінистому куточку саду. Екран його може відображати колір. Я вже маю версію програми, що використовує кілька додаткових «генів» для контролю кольору таким самим чином, як інші дев’ять контролюють форму. Я почну з будь-якого більш-менш компактного та яскраво забарвленого біоморфа. Комп’ютер одночасно відображатиме низку мутантних нащадків цього біоморфа, що відрізнятимуться від нього за формою та/чи кольоровою схемою. Я сподіваюся, що бджоли, метелики та інші комахи підлітатимуть до екрана й «робитимуть вибір», б’ючись у конкретне місце на ньому. Після реєстрації певної кількості виборів комп’ютер очистить екран, «розведе» біоморф, якому віддавали перевагу, і продемонструє наступне покоління мутантних нащадків.

Дуже сподіваюся, що через багато поколінь дикі комахи справді зумовлять у комп’ютері еволюцію квітів. Якщо вони це зроблять, комп’ютерні квіти еволюціонуватимуть під таким самісіньким тиском відбору, який зумовив еволюцію справжніх квітів у дикій природі. У моїх сподіваннях мене підтримує той факт, що комахи часто підлітають до яскравих кольорових плям на жіночих сукнях, а також опубліковані дані більш систематичних експериментів. Альтернативна можливість, яку я вважаю ще цікавішою, полягає в тому, що дикі комахи могли б зумовити еволюцію комахоподібних форм. Прецедентом – а отже, й підставою для сподівань – є те, що в минулому бджоли вже зумовили еволюцію одного з сортів орхідеї – офрису бджолоносного. Упродовж багатьох поколінь накопичувальної еволюції орхідей самці бджіл спричинили появу бджолоподібної форми, намагаючись спаруватися з квітами, а отже, розносячи пилок. Уявіть собі квітку офриса бджолоносного з рисунка 5 у кольорі. Чи не сподобалася б вона вам, якби ви були бджолою?

Головною причиною мого песимізму є те, що зір комах влаштований зовсім не так, як наш. Відеоекрани розраховані на людські очі, а не на бджолині. Це легко могло б означати, що, хоча ми з бджолами, кожен по-своєму, бачимо офрис бджолоносний схожим на бджолу, зображення на екрані бджоли можуть взагалі не побачити. Вони можуть не побачити нічого, крім 625 рядків розгортки! І все ж спробувати варто. До часу виходу цієї книжки я вже знатиму відповідь.

Існує популярне кліше, що зазвичай вимовляється тоном, який Стівен Поттер назвав би «занудним»: від комп’ютерів не можна отримати нічого поза тим, що ви в них заклали. Інакше кажучи, комп’ютери роблять лише те, що їм наказують, а отже, неспроможні творити. Це кліше є справедливим лише у жахливо тривіальному сенсі, у тому самому, в якому Шекспір ніколи не писав нічого, крім того, чого його навчив перший шкільний учитель, – слів. Я запрограмував у комп’ютері ЕВОЛЮЦІЮ, але я не планував «своїх» комах, скорпіона, літачок чи місяцехід. Я не мав анінайменшої гадки, що вони виникнуть, і саме тому «виникнуть» тут є правильним словом. Щоправда, мої очі проводили відбір, який спрямовував їхню еволюцію, але на всіх етапах я обмежувався невеличким виводком нащадків, пропонованих випадковою мутацією, а «стратегія» мого відбору, хоч якою б вона була, була пристосувальницькою, непостійною й короткостроковою. Я не мав якоїсь далекосяжної мети, як не має її й природний відбір.

Я можу додати трохи драматизму, описавши випадок, коли я таки спробував поставити перед собою якусь далекосяжну мету. Насамперед мушу де в чому зізнатися. Ви б усе одно здогадалися. Еволюційна історія на рисунку 4 є реконструкцією. Це був не перший випадок, коли я побачив «своїх» комах. Коли вони вперше з’явилися під звуки фанфар, я ще не мав засобів реєстрації їхніх генів. Вони були там, сиділи на екрані, а я не міг до них дістатися, не міг розшифрувати їхні гени. Я відклав вимикання комп’ютера і довго сушив мізки, намагаючись вигадати якийсь спосіб зберегти їх, але на думку ніщо не спадало. Гени були заховані надто глибоко, як і в реальному житті. Я зумів роздрукувати зображення тіл комах, але втратив їхні гени. Я одразу ж модифікував програму так, аби в майбутньому вона вела доступні записи генетичних формул, але було запізно. Я втратив своїх комах.

Я розпочав спроби «знайти» їх знову. Вони вже виникли один раз, тож здавалося, що має існувати можливість вивести їх знову. Вони переслідували мене, неначе втрачений акорд. Я блукав Землею біоморфів, пробираючись нескінченним ландшафтом дивних створінь та об’єктів, але знайти своїх комах не міг. Я знав, що вони мають десь там ховатися. Я знав гени, з яких почалася еволюція минулого разу. Я мав зображення тіл моїх комах. Я навіть мав зображення еволюційної послідовності тіл, що дуже повільно веде до моїх комах від предка-крапки. Але я не знав їхньої генетичної формули.

Ви, мабуть, гадаєте, що відтворити цей еволюційний шлях можна доволі легко, але це було не так. Причиною, до якої я ще повернуся, є просто астрономічна кількість можливих біоморфів, яку пропонує достатньо довгий еволюційний шлях, навіть коли варіюють лише дев’ять генів. Декілька разів упродовж своїх подорожей Землею біоморфів я, здавалося, наближався до попередника своїх комах, але потім, попри всі мої зусилля як чинника відбору, еволюція збивалася на манівці. Урешті-решт під час моїх еволюційних блукань Землею біоморфів – навряд чи відчуття тріумфу було меншим, ніж першого разу, – я таки загнав їх у кут знову. Я не знав (і досі не знаю), чи були ці комахи точно такими самими, як попередні, «втрачені акорди Заратустри», чи вони були лише поверхово «конвергентними» (див. наступний розділ), але був цілком задоволений. Цього разу я вже не припустився помилки: я записав їхню генетичну формулу й тепер можу «еволюціонувати» комах щоразу, як захочу.

Так, я трохи драматизую, але тут простежується одна важлива річ. Суть цієї історії в тому, що, хоча комп’ютер програмував я сам, дуже детально вказуючи йому, що робити, тим не менш я не планував тварин, які виникли внаслідок еволюції, і був надзвичайно здивований, коли вперше побачив їхніх попередників. Я був настільки неспроможний контролювати цю еволюцію, що, навіть коли дуже хотів відтворити конкретний еволюційний шлях, зробити це виявилось абсолютно неможливим. Я не вірю, що колись знайшов би своїх комах знову, якби не мав повного набору роздрукованих зображень їхніх еволюційних попередників, і навіть за їх наявності це виявилося складним і виснажливим процесом. Чи не здається вам парадоксальною неспроможність програміста контролювати чи передбачати хід еволюції в комп’ютері? Чи не означає це, що всередині комп’ютера відбувається щось загадкове, навіть містичне? Звісно ні. Як і в еволюції справжніх тварин і рослин. Ми можемо використати для розв’язання цього парадоксу комп’ютерну модель, дізнавшись у процесі дещо про справжню еволюцію.

Забігаючи наперед, скажу, що виявиться основою розв’язання цього парадоксу. Існує певний набір біоморфів, кожен з яких постійно займає своє власне унікальне місце в математичному просторі. Він постійно сидить там – у тому сенсі, що, знаючи його генетичну формулу, його одразу можна знайти; більше того, його сусідами в цьому особливому типі простору є біоморфи, що відрізняються від нього лише одним геном. Тепер, знаючи генетичну формулу моїх комах, я можу відтворити їх за бажанням і наказати комп’ютеру «еволюціонувати» до них з будь-якої довільної відправної точки. Коли ви вперше виводите нове створіння шляхом штучного відбору в комп’ютерній моделі, це переживається як творчий процес. По суті, так воно й є. Але насправді ви лише шукаєте це створіння, бо в математичному сенсі воно вже сидить на своєму власному місці в генетичному просторі Землі біоморфів. Причина ж того, що це справді творчий процес, полягає в тому, що пошук будь-якого конкретного створіння – надзвичайно складне завдання хоча б тому, що Земля біоморфів дуже й дуже велика, а загальна кількість створінь, що там «сидять», мало не нескінченна. Немає сенсу просто шукати його безцільно й навмання. Для цього слід задіяти якусь ефективнішу (творчу) пошукову процедуру.

Деякі люди наївно вірять, що комп’ютери для гри в шахи працюють, послідовно випробовуючи всі можливі комбінації шахових ходів. Ця віра втішає їх, коли комп’ютер перемагає, але вона абсолютно помилкова. Можливих шахових ходів надто багато – зона пошуку в мільярди разів перевищує ту, яка дала б змогу досягти успіху за сліпого добору. Мистецтво написання гарної шахової програми полягає в продумуванні ефективних коротких шляхів крізь цю зону пошуку. Накопичувальний відбір (чи то штучний, як у комп’ютерній моделі, чи природний – у реальному світі) є ефективною пошуковою процедурою, і його результати дуже нагадують плоди творчого інтелекту. Саме на цьому, зрештою, і ґрунтується аргумент від задуму Вільяма Пейлі. З технічного погляду, граючи в комп’ютерну гру за участю біоморфів, ми лише шукаємо тварин, які в математичному сенсі тільки й чекають, аби їх знайшли. І схоже це на процес художньої творчості. Пошук у невеличкому просторі, де є лише кілька сутностей, зазвичай не викликає переживання творчого процесу. Дитяча гра «Знайди наперсток» не сприймається як творча. Перевертання речей навмання в надії наштовхнутися на предмет пошуку зазвичай спрацьовує, коли зона пошуку мала. У міру того, як вона розширюється, стають необхідними дедалі складніші пошукові процедури. Ефективні ж процедури, коли зона пошуку є достатньо великою, неможливо відрізнити від справжньої творчості.

Комп’ютерні моделі за участю біоморфів чітко це показують і являють собою повчальний місток між творчими процесами людини, такими як планування переможної стратегії в шахах, і еволюційною творчістю природного відбору – роботою сліпого годинникаря. Щоб зрозуміти це, ми повинні розвинути ідею Землі біоморфів як математичного «простору», безкінечної, але впорядкованої низки морфологічного розмаїття, в якій кожне створіння сидить на своєму власному місці, очікуючи, коли його знайдуть. Сімнадцять створінь на рисунку 5 розташовані на сторінці без якогось особливого порядку. Однак на Землі біоморфів кожне з них займає своє власне унікальне положення, визначене його генетичною формулою, в оточенні цілком конкретних сусідів. Між усіма створіннями на Землі біоморфів існують певні просторові відношення. Що це означає? Яке значення можна вкласти в їхнє просторове положення?

Ми зараз говоримо про генетичний простір. Кожна тварина має в цьому просторі своє власне положення. Близькими сусідами в такому просторі є тварини, що відрізняються одна від одної лише однією-єдиною мутацією. На рисунку 3 базове дерево в центрі оточене вісьмома з 18 його безпосередніх сусідів у генетичному просторі. За правилами нашої комп’ютерної моделі, 18 сусідками тієї чи іншої тварини є 18 різних типів дитинчат, яких вона здатна породити, та 18 різних типів предків, від яких вона могла б походити. На відстані одного коліна кожна тварина має 324 (18 × 18 без урахування зворотних мутацій, для простоти) сусідів – набір з її можливих онучок, бабусь, тіток чи племінниць. На відстані ж іще одного коліна кожна тварина має вже 5832 (18 × 18 × 18) сусідів – набір із її можливих правнучок, прабабусь, двоюрідних сестер тощо.

У чому суть мислення з погляду генетичного простору? Куди воно нас веде? Воно дає нам можливість зрозуміти еволюцію як поступовий, накопичувальний процес. Згідно з правилами комп’ютерної моделі, в будь-якому поколінні можна просунутись у генетичному просторі лише на один-єдиний крок. За 29 поколінь у цьому просторі неможливо відійти від початкового предка далі ніж на 29 кроків. Кожна еволюційна історія являє собою конкретний шлях (траєкторію) руху крізь генетичний простір. Наприклад, еволюційна історія, зображена на рисунку 4, є конкретною звивистою траєкторією крізь генетичний простір, що з’єднує крапку з комахою і проходить 28 проміжних стадій. Ось що я маю на увазі, коли метафорично говорю про «блукання» Землею біоморфів.

Я хотів спробувати представити цей генетичний простір у формі зображення. Проблема в тому, що зображення є двовимірними. Генетичний же простір, у якому сидять біоморфи, не є двовимірним. Він навіть не тривимірний. Це дев’ятивимірний простір! (Про математику важливо запам’ятати, що її не слід боятися. Вона не така складна, як іноді намагаються показати її адепти. Щоразу, як мені стає трохи лячно, я завжди згадую вислів Сільвануса Томпсона з його книжки «Прості обчислення»: «Що може зробити один дурень, зможе й інший».) Якби ми тільки вміли малювати в дев’яти вимірах, то змогли б зробити так, аби кожен вимір відповідав одному з дев’яти генів. Положення конкретної тварини, скажімо скорпіона, кажана чи комахи, зафіксоване в генетичному просторі числовими значеннями його дев’яти генів. Еволюційні зміни складаються з покрокового просування крізь дев’ятивимірний простір. Величина генетичної відмінності між однією твариною й іншою, а отже, й час, потрібний для еволюції, та складність еволюціонування з однієї тварини в іншу вимірюються в дев’ятивимірному просторі як відстань між цими тваринами.

На жаль, малювати в дев’яти вимірах ми не вміємо. Я шукав спосіб обійти цю перепону, намалювавши двовимірне зображення, що хоч якось могло б передати відчуття переміщення від точки до точки в дев’ятивимірному генетичному просторі Землі біоморфів. Зробити це можна було різними способами, і я обрав той, який назвав фокусом із трикутником. Подивіться на рисунок 6. На кутах трикутника розташовані три довільно обрані біоморфи. Той, що вгорі, – це базове дерево, ліворуч – одна з «моїх» комах, а праворуч – гарненький, на мій погляд, біоморф без назви. Як і всі біоморфи, кожен із цих трьох має свою власну генетичну формулу, що визначає його унікальне положення в дев’ятивимірному генетичному просторі.

Рис. 6

Трикутник лежить на пласкій двовимірній «площині», яка перерізає дев’ятивимірний гіпероб’єм («Що може один дурень, зможе й інший»). Ця площина схожа на плаский шматок скла, що застряг у желе. На склі намальований трикутник, а також деякі з біоморфів, генетичні формули яких дають їм право сидіти на цій конкретній площині. Що саме дає їм це право? Отут на сцену й виходять три біоморфи у кутах трикутника. Вони називаються якірними біоморфами.

Згадайте, що вся ідея «відстані» в генетичному «просторі» полягає в тому, що генетично подібні біоморфи є близькими сусідами, а генетично різні – сусідами далекими. У цій конкретній площині всі відстані розраховуються відносно трьох якірних біоморфів. Відповідна генетична формула для будь-якої конкретної точки на склі, чи то всередині трикутника, чи ззовні, розраховується як «середньозважене» генетичних формул трьох якірних біоморфів. Ви вже, мабуть, здогадались, як здійснюється це «зважування». Воно обчислюється за відстанями (точніше, за наближеністю) від потрібної точки на склі до трьох якірних біоморфів. Отже, що ближче ви до комахи на площині, то більше схожі на комах локальні біоморфи. У міру вашого просування вздовж скла в напрямку дерева «комахи» поступово стають менш схожими на комах і більше схожими на дерево. Якщо ж пересунутися до центру трикутника, тварини, яких ви там знайдете, наприклад павук з іудейським семисвічником на голові, будуть різноманітними «генетичними компромісами» між трьома якірними біоморфами.

Рис. 7

Але такий підхід загалом приділяє трьом якірним біоморфам забагато уваги. Так, комп’ютер використовував їх для розрахунку відповідної генетичної формули кожної точки на зображенні. Але насправді для цього цілком придалися б будь-які три якірні точки на площині, що дало б ідентичні результати. З цієї причини на рисунку 7 я трикутник не намалював. Цей рисунок є зображенням такого самого типу, як і рисунок 6. Він просто демонструє іншу площину. Однією з трьох якірних точок, цього разу правою, є та сама комаха. Іншими якірними точками в цьому випадку є літачок та офрис бджолоносний, обидва такі самісінькі, як на рисунку 5. На цій площині ви також помітите, що сусідні біоморфи нагадують одне одного більше, ніж далекі. Літачок, наприклад, є частиною ескадрильї аналогічних літачків, що летять строєм. Оскільки комаха присутня на обох листах скла, ви можете подумати, що ці два листи під кутом проходять один крізь одного. Відносно рисунка 6 площина рисунка 7 ніби «обернена навколо» комахи.

Вилучення трикутника є удосконаленням нашого методу, бо він відвертав увагу. Він надмірно підкреслював три конкретні точки на площині. Залишилося здійснити ще одне удосконалення. На рисунках 6 і 7 просторова відстань відображує генетичну, але масштабування геть викривлене. Один сантиметр угору не обов’язково є еквівалентом одного сантиметра вбік. Аби виправити це, ми повинні ретельно обрати три якірні біоморфи так, аби генетичні відстані між ними були абсолютно однаковими. На рисунку 8 саме це й зроблено. І знову трикутник фактично не намальований. Трьома якірними точками є скорпіон з рисунка 5, знову комаха (маємо ще одне «обертання навколо») й доволі невизначений біоморф угорі. Ці три біоморфи віддалені один від одного аж на 30 мутацій. Це означає, що еволюціонувати від будь-якого з них до будь-якого іншого однаково легко. У всіх трьох випадках доведеться пройти мінімум 30 генетичних етапів. Рисочки вздовж нижньої межі рисунка 8 відображають одиниці відстані, вимірювані в генах. Можете вважати це генетичною лінійкою. Ця лінійка працює не лише в горизонтальному напрямку. Можна відхилити її в будь-якому напрямку й виміряти генетичну відстань (а отже, й мінімальний час еволюції) між будь-якими двома точками на площині (дратує, що це не зовсім правильно для цієї сторінки, бо комп’ютерний принтер викривляє пропорції, але цей ефект є надто незначним, аби зчиняти через нього галас, хоча й означає, що ви отримаєте трохи не таку відповідь, якщо просто порахуєте рисочки на шкалі).

Ці двовимірні площини, що перерізають дев’ятивимірний генетичний простір, дають деяке уявлення про те, що означає подорожувати Землею біоморфів. Щоб уточнити це уявлення, треба запам’ятати, що еволюція не обмежується однією площиною. У справжній еволюційній подорожі ви могли б у будь-який момент «провалитися» на іншу площину, наприклад з площини рисунка 6 на площину рисунка 7 (безпосередньо поруч із комахою, там, де дві площини підходять близько одна до одної).

Я сказав, що «генетична лінійка» рисунка 8 дає нам змогу розрахувати мінімальний час, який зайняла б еволюція від однієї точки до іншої. Так вона й робить, ураховуючи обмеження вихідної моделі, але наголос робиться на слові мінімальний. Оскільки комаха й скорпіон віддалені одне від одного на 30 генетичних одиниць, для еволюції від однієї до другого потрібно лише 30 поколінь, якщо жодного разу не звернути не туди, – тобто якщо ви точно знаєте, до якої генетичної формули йдете і як її швидше досягти. У реальному житті еволюція не має нічого, що відповідало б досягненню якоїсь далекосяжної генетичної цілі.

Рис. 8

Скористаймося тепер біоморфами, щоб повернутися до проблеми, порушеної мавпою, що друкує «Гамлета», – важливості поступової, покрокової зміни еволюції на відміну від чистого випадку. Почнемо з перемаркування шкали вздовж нижньої межі рисунка 8 іншими одиницями. Замість того, щоб вимірювати відстань як «кількість генів, що мають змінитися у процесі еволюції», ми вимірюватимемо відстань як «імовірність перескакування цієї відстані за рахунок простої удачі, одним стрибком». Щоб поміркувати над цим, нам зараз треба зняти одне з обмежень, яке я вбудував у комп’ютерну гру, – наприкінці ми побачимо, чому я вбудував його взагалі. Воно полягало в тому, що нащадкам «дозволялося» віддалятися від своїх матерів лише на одну мутацію. Іншими словами, за раз дозволялося мутувати лише одному гену, і цьому гену дозволялося змінювати своє «значення» лише на +1 чи –1. Знімаючи це обмеження, ми тепер дозволяємо будь-якій кількості генів мутувати одночасно, причому вони можуть додавати до свого нинішнього значення будь-яке число, додатне чи від’ємне. Насправді це занадто велике послаблення, оскільки воно дає змогу генетичним значенням варіювати від мінус нескінченності до плюс нескінченності. Буде цілком достатньо, якщо ми обмежимо значення генів однозначними цифрами, тобто дозволимо їм варіювати від –9 до +9.

Отже, в цих широких межах ми теоретично дозволяємо мутації одним махом, за одне-єдине покоління, змінити будь-яку комбінацію з дев’яти генів. Більше того, значення кожного гена може змінюватися будь-яким чином, аби тільки не виходити у двозначні цифри. Що це означає? Це означає, що теоретично еволюція може перестрибнути за одне-єдине покоління від будь-якої точки на Землі біоморфів до будь-якої іншої. Не просто до будь-якої точки на одній площині, а й до будь-якої точки в усьому дев’ятивимірному гіперпросторі. Якби, наприклад, вам захотілося перескочити одним стрибком від комахи до лисиці на рисунку 5, то ось рецепт. Додайте до значень генів від 1 до 9 такі цифри відповідно: –2, 2, 2, –2, 2, 0, –4, –1, 1. Але оскільки ми говоримо про випадкові стрибки, «пунктами призначення» одного з цих стрибків рівною мірою можуть бути всі точки на Землі біоморфів. Отже, шанси проти того, щоб перескочити до будь-якого конкретного пункту призначення, скажімо до лисиці, за рахунок чистої удачі, легко розрахувати: вони дорівнюють загальній кількості біоморфів у просторі. Як ви можете бачити, ми переходимо до ще одного з астрономічних розрахунків. Є дев’ять генів, і кожен із них може набувати будь-якого з 19 значень. Тож загальна кількість біоморфів, до яких ми могли би перескочити одним стрибком, дорівнює числу 19, помноженому на себе самого 9 разів, – 19 у 9-му ступені. Це дає приблизно півтрильйона біоморфів. Дрібничка порівняно з «гемоглобіновим числом» Азімова, але я все одно назвав би цю кількість великою. Якби ви почали з комахи й, неначе якась навіжена блоха, стрибнули б півтрильйона разів, то могли б сподіватися колись дістатися до лисиці.

Що все це говорить нам про реальну еволюцію? Знову-таки, це доводить важливість поступових, покрокових змін. Свого часу деякі еволюціоністи заперечували, що в еволюції необхідна така поступовість. Наші ж розрахунки біоморфів чітко вказують на одну з причин, через які важлива саме поступова, покрокова зміна. Коли я кажу, що від еволюції можна очікувати стрибка від комахи до одного з її безпосередніх сусідів, але не стрибка від комахи одразу ж до лисиці чи скорпіона, то маю на увазі ось що. Якби суто випадкові стрибки справді відбувалися, тоді стрибок від комахи до скорпіона був би абсолютно можливим. По суті, він був би таким само можливим, як стрибок від комахи до одного з її безпосередніх сусідів. Але він також був би таким само можливим, як стрибок до будь-якого іншого біоморфа на Землі біоморфів. У цьому-то й проблема. Чисельність біоморфів на Землі становить півтрильйона, і якщо жодний із них жодним чином не більш можливий як пункт призначення, ніж будь-який інший, шанси перескочити до будь-якого конкретного з них є достатньо малими, щоб їх ігнорувати.

Зверніть увагу, що це не дає нам підстав припустити, що існує якийсь потужний невипадковий «відбірковий тиск». Навіть якби вам запропонували королівську винагороду за виконання вдалого стрибка до скорпіона, це не мало б значення. Шанси проти того, що вам це вдасться, все одно становитимуть півтрильйона до одного. Але якби замість того, щоб стрибати, ви пішли, роблячи по одному кроку за раз і отримуючи по дрібній монетці щоразу, як зробите крок у правильному напрямку, то дісталися б до скорпіона за дуже короткий час. Не обов’язково за найшвидший можливий час у 30 поколінь, однак дуже швидко. Стрибок міг би теоретично принести вам винагороду швидше – одним махом. Але з огляду на астрономічні шанси проти успіху єдиним можливим шляхом є низка маленьких кроків, кожен з яких спирається на накопичений успіх попередніх.

Тон моїх попередніх абзаців є відкритим для непорозуміння, яке я мушу розвіяти. Знову-таки, складається враження, ніби еволюція має справу з якимись далекосяжними цілями, спрямовуючи свої зусилля на об’єкти на кшталт скорпіонів. Як ми вже бачили, вона геть не схильна це робити. Але якщо уявити наші цілі як щось, що поліпшило б шанси на виживання, цей аргумент таки працює. Якщо тварина є матір’ю, вона, мабуть, достатньо успішна, якщо спромоглася дожити хоча б до зрілого віку. Можливо, що мутантне дитинча цієї матері зможе бути ще кращим у справі виживання. Але якщо дитинча мутує довгим шляхом, так, що проходить велику відстань від своєї матері в генетичному просторі, які шанси на те, що воно буде кращим за свою матір? Відповідь полягає в тому, що насправді є дуже великі шанси проти цього. І причину ми щойно продемонстрували на прикладі нашої моделі за участю біоморфів. Якщо мутаційний стрибок, який ми розглядаємо, є дуже великим, число можливих «пунктів призначення» цього стрибка астрономічно велике. А оскільки, як ми бачили в розділі 1, варіантів померти значно більше, ніж варіантів жити, існує дуже висока ймовірність того, що великий випадковий стрибок у генетичному просторі закінчиться смертю. Навіть за невеликого випадкового стрибка це цілком можливо. Але що менший цей стрибок, то менш імовірна смерть і то ймовірніше, що цей стрибок приведе до покращення. Ми ще повернемося до цієї теми в одному з наступних розділів.

От і вся мораль, яку я хотів видобути з Землі біоморфів. Сподіваюся, вона не здалася вам надто абстрактною. Існує й інший математичний простір, наповнений не дев’ятигенними біоморфами, а тваринами з плоті й крові, сформованими мільярдами клітин, кожна з яких містить десятки тисяч генів. Це вже не біоморфний, а справжній генетичний простір. По суті, тварини, що коли-небудь жили на Землі, є лише крихітною часткою тварин, що теоретично могли б існувати. Ці реальні тварини є продуктами дуже малої кількості еволюційних траєкторій руху крізь генетичний простір. Переважна більшість теоретичних траєкторій руху крізь тваринний простір породжує неможливих монстрів. Реальні ж тварини розкидані тут і там серед гіпотетичних монстрів, і кожна займає своє власне унікальне місце в генетичному гіперпросторі. Кожна реальна тварина оточена невеличкою групою сусідів, більшість із яких ніколи не існували, але кілька з яких є її предками, нащадками, двоюрідними братами й сестрами.

Десь у цьому величезному математичному просторі сидять люди й гієни, амеби й трубкозуби, пласкі черви й кальмари, дронти й динозаври. Теоретично, якби ми були достатньо вправними в генній інженерії, то могли б перейти від будь-якої однієї точки у тваринному просторі до будь-якої іншої. З будь-якої відправної точки ми могли би пройти крізь лабіринт таким чином, аби відтворити дронта, тиранозавра й трилобітів. Якби тільки знати, якими генами зайнятись, які частинки хромосоми подвоїти, переставити чи видалити… Сумніваюся, що ми коли-небудь знатимемо достатньо, аби це зробити, але ці цікаві вимерлі створіння навіки заховалися кожне в своєму куточку цього величезного генетичного гіперпростору, чекаючи, щоб їх знайшли, якщо ми тільки навчимося прокладати правильний курс через лабіринт. Можливо, ми навіть зуміли б точно відтворити еволюцію дронта, вибірково розводячи голубів, хоча для завершення цього експерименту нам довелося б прожити мільйони років. Однак якщо ми не можемо здійснити якусь подорож у реальності, на допомогу приходить уява. Для тих же, хто, як і я, не є математиком, потужною підтримкою уяви може стати комп’ютер. Подібно до математики, він не лише розвиває уяву. Він також дисциплінує її й контролює.