Огарок во тьме. Моя жизнь в науке

Но как измерить и сравнить выгоды разных решений, чтобы проверить Модель 2 на достоверность? Нам нужно было тщательно обдумать, как применить данные Джейн, чтобы изучить затраты и выгоды, сопряженные с каждой из стратегий. Мы располагали доказательствами, что отдельная оса не всегда придерживается одной и той же стратегии, поэтому не было смысла подсчитывать выгоды и затраты для каждой осы. Нужно было подсчитать итоги для стратегий в целом, усреднив показатели отдельных ос. Чтобы это проделать, мы ввели понятие решения. Вся взрослая жизнь осы – последовательность решений, и каждое решение привязывает осу к конкретной норе на определенный и измеримый отрезок времени. Этот отрезок заканчивается в момент принятия следующего решения, привязывающего осу к новой норе – неважно, выкопает она ее сама или войдет в готовую. Таким образом мы могли подсчитать среднюю выгоду решений копать и входить.

Успешным решением считалось то, в результате которого на кузнечиков в норе откладывалось яйцо. Если оса откладывала целых два яйца в разные ответвления норы, решение считалось вдвойне успешным. Но может быть, измерения выгоды можно было бы уточнить, если учесть, сколько кузнечиков было в запасе для каждого яйца? Предположительно, яйцо, отложенное на одного кузнечика, – это не такой большой успех, как яйцо, отложенное на трех кузнечиков, потому что первая личинка будет питаться хуже. К тому же кузнечики бывают разного размера; впрочем, у Джейн была возможность измерить их благодаря особенностям поведения ос.

Помните философское отступление про “сфексовость” и осиную привычку оставлять добычу у входа, чтобы сначала быстро залезть в нору и вылезти обратно? Тут Джейн и предоставлялась удачная возможность. Пока оса залезала в нору, Джейн быстро измеряла длину кузнечика и аккуратно возвращала его в точности на то же место, чтобы не запустить новый цикл “сфексового” поведения. Питательную ценность лучше отражает объем, а не длина, так что мы оперировали объемом, приняв его за куб длины. Если нору делили две осы, мы записывали общую сумму кузнечиков на счет выигрыша той осы, которая в итоге откладывала яйцо на общие запасы, – ведь победитель получал все.

То есть выгоду мы измеряли как число кузнечиков (или приблизительный объем их плоти), на которое было успешно отложено яйцо. А как подсчитать затраты? Тут на Алана снизошло озарение, сильно впечатлившее нас с Джейн: он настаивал, что мерой затрат должно быть время. Для этих ос время – ценный ресурс. Лето коротко, живут они недолго, их генетический успех зависит от того, сколько раз им удастся повторить цикл гнездования до конца лета – и собственной жизни. На основании этого мы и ввели понятие решения – расхода времени, которое оса отводит определенной норе до тех пор, пока не примет следующее решение. То есть в реестре выбора стратегии в графе “Затраты” учитывалась каждая минута осиного времени. Чистая прибыль стратегии “Копай” измерялась средним показателем: сумма всех выгод всех решений копать, разделенная на сумму всех временных затрат. Такой же показатель чистой прибыли мы подсчитали для стратегии “Входи”.

А теперь начнем мыслить в категориях ЭСС. Согласно нашей модели ЭСС следует предсказать, что стратегии “Копай” и “Входи” будут сосуществовать с равновесной частотностью, при которой их показатели успеха одинаковы. Если частотность стратегии “Входи” превысит равновесную, естественный отбор станет благоприятствовать стратегии “Копай”, так как слишком много “входящих” окажутся в одной норе с предыдущей хозяйкой, рискуя ввязаться в весьма затратную битву – и, возможно, проиграть. И наоборот: если стратегия “Входи” встречается реже равновесной частотности, то “входящая” оса оказывается в выгодном положении, поскольку теперь располагает богатым выбором покинутых нор. В нью-гэмпширской популяции ОС наблюдаемая частотность “Входи” составляла 41 %, и мы предположили, что, возможно, это и есть равновесная частотность для нью-гэмпширских ос. В таком случае показатели успеха “Копай” и “Входи” не должны отличаться. Мы принялись проверять.

Реальные показатели совпадали не полностью (0,96 против 0,84 яиц за сто часов, с похожим соотношением показателей объема кузнечиков), но это различие не было статистически значимым, что позволяло нам проверять модель и дальше. Алан проделал хитрые алгебраические выкладки, благодаря которым вывел из нашей модели еще четыре предполагаемых показателя: их мы могли сравнить с показателями из реальных данных. Эти выкладки определяли четыре категории ос по поведению, а предсказания модели давали нам соотношения категорий, ожидаемые при условии, что популяция находится в равновесии согласно нашей модели ЭСС. В таблице ниже приведены результаты: данные наблюдений из Нью-Гэмпшира не опровергали предсказаний Модели 2. Мы были довольны.